abril 2023

Utilizarán tecnologías emergentes como la computación cuántica y modelos de inteligencia artificial generativa para el diseño de medicamentos y terapias de ARN mensajero. La compañía de biotecnología, Moderna e IBM anunciaron un acuerdo para explorar de manera colaborativa nuevas tecnologías como la computación cuántica e inteligencia artificial (IA), para acelerar la investigación sobre ARN mensajero (ARNm).  A través de este acuerdo, Moderna busca desarrollar habilidades y técnicas de computación cuántica para desarrollar medicinas ARNm y además invertir en IA generativa para mejorar el diseño de producto. “Nuestro objetivo es lograr avances revolucionarios con la computación cuántica, por lo que estamos invirtiendo ahora en la creación de una plantilla preparada para la cuántica, con el fin de estar plenamente preparados para aprovechar el poder de esta tecnología”, mencionó Stéphane Bancel, director ejecutivo de Moderna. Por otra parte, el propósito de IBM es impulsar la computación a través de los nuevos avances en IA y computación cuántica. “Moderna podrá aprovechar nuestros esfuerzos plurianuales de investigación en IA generativa para terapéutica, que pueden permitir a los científicos comprender mejor cómo se comportan las moléculas y pueden facilitar la creación de otras totalmente nuevas”, afirmó el Dr. Darío Gil, vicepresidente senior y director de IBM Research. El acuerdo permitirá que Moderna participe en el programa IBM Quantum Accelerator, y la IBM Quantum Network, los cuales le proporcionarán acceso a sistemas computacionales y asistencia de expertos para explorar la posible aplicación de enfoques cuánticos a los retos científicos de Moderna. Cabe destacar que la computación cuántica es una tecnología emergente y transformativa que aprovecha los principios de la mecánica cuántica para solucionar problemas demasiado complejos para computadoras clásicas. De esta forma, a través de esta colaboración los científicos de Moderna aprenderán cómo la tecnología cuántica puede ser aplicada en el desarrollo de medicinas ARNm. En cuanto a la IA, los científicos de Moderna e IBM aplicarán MoLFormer un modelo fundacional de IA, que tiene la capacidad de ayudar a los científicos a predecir las propiedades de las moléculas, y por lo tanto apoyar al entendimiento de las características de medicinas ARNm potenciales. El objetivo del uso de este modelo es ayudar a optimizar las nanopartículas lipídicas que encapsulan y protegen el ARNm en su recorrido por el organismo, en el cual el ARNm actúa como instrucciones para las células con el fin de combatir enfermedades. De esta forma esta iniciativa entre ambas compañías permitirá combinar tecnologías como la IA generativa para diseñar medicamentos y terapias basadas en ARNm. BIBLIOGRAFÍA IBM https://es.newsroom.ibm.com/announcements?item=122765 MODERNA https://investors.modernatx.com/news/news-details/2023/Moderna-and-IBM-to-Explore-Quantum-Computing-and-Generative-AI-for-mRNA-Science/default.aspx

Se trata de la recopilación mundial más completa de datos y pruebas disponibles públicamente sobre desigualdad en salud. La Organización Mundial de la Salud (OMS) lanzó el repositorio de datos sobre desigualdad en la salud o Health Inequality Data Repository (HIDR).  El repositorio facilita la búsqueda y consulta de información de salud, en específico para realizar seguimiento de las desigualdades en salud entre grupos poblacionales y a lo largo de periodos de tiempo específicos. Además, es posible desglosar los datos según las características de la población, desde el nivel educativo hasta el origen étnico. Los datos desglosados muestran cómo afecta y experimentan la salud las personas de diferentes edades, situaciones económicas, niveles educativos, lugares de residencia, sexo, y otras características que son vitales para avanzar hacia la equidad. Asimismo, estos datos pueden funcionar como base empírica para la creación de políticas, programas y prácticas que busquen la equidad y cerrar las brechas existentes en salud. El objetivo de los datos desglosados es que sean más accesibles y fáciles de navegar para diversos públicos a nivel global. Sin embargo, los conjuntos de datos que abarcan diversos temas y dimensiones de la desigualdad, proceden de diversas fuentes de datos de acceso público, es decir no todas son estimaciones oficiales de la OMS. El HIDR incluye alrededor de 11 millones de puntos de datos y 59 conjuntos de datos de más de 15 fuentes distintas. Los datos incluyen más de 2 mil indicadores desglosados por 22 dimensiones de desigualdad, incluyendo factores demográficos, socioeconómicos y geográficos. Además, los temas cubiertos incluyen los Objetivos de Desarrollo Sostenible (ODS); COVID-19; salud reproductiva, materna e infantil; inmunización; VIH; tuberculosis; malaria; nutrición; cuidado de la salud; enfermedades no transmisibles y salud ambiental. “La capacidad de dirigir los servicios a quienes más los necesitan es vital para promover la equidad en salud y mejorar vidas. Diseñado como una ventanilla única para datos sobre desigualdad en salud, el Repositorio nos ayudará a ir más allá de solo contar nacimientos y muertes, para desglosar datos de salud según sexo, edad, educación, región y más”, explicó Tedros Adhanom Ghebreyesus, director general de la OMS. De igual manera, el HIDR también revela desigualdades en la respuesta a COVID-19, datos sobre vacunación, entre otra información referente a la emergencia sanitaria y la pandemia.  Consulta los datos en la plataforma del HIDR: https://www.who.int/data/inequality-monitor/data/ BIBLIOGRAFÍA OPS https://www.who.int/data/inequality-monitor/data/ https://www.who.int/news/item/20-04-2023-who-releases-the-largest-global-collection-of-health-inequality-data

Investigadores de la Universidad de Texas en San Antonio y la Universidad de Pittsburgh desarrollaron una red neuronal para mejorar herramientas de radioterapia adaptativa. La radioterapia adaptativa (ART, en inglés), es una tecnología avanzada para el tratamiento del cáncer, la cual incorpora cambios progresivos en la anatomía del paciente en la adaptación de sus dosis o planes durante el tratamiento. La aplicación clínica de la radioterapia adaptativa está sujeta a la segmentación precisa de los tumores de cáncer en imágenes que suelen tener baja calidad, lo que plantea desafíos para su delineación manual o utilizando modelos de aprendizaje profundo. En este sentido, investigadores de la Universidad de Texas en San Antonio, específicamente de UT Health San Antonio y de la Universidad de Pittsburgh, desarrollaron una red neuronal profunda de transducción de secuencias. Esta red cuenta con un mecanismo de atención para aprender la contracción de tumores cancerígenos basándose en tomografías computarizadas de haz cónico (CBTC, en inglés). De esta forma, los investigadores diseñaron un método denominado de adaptación de dominio auto supervisado, el cual es capaz de aprender y adaptar las características de textura y de espacio de las tomografías computarizadas de alta calidad, previo al tratamiento de la modalidad de CBTC. Es decir, este modelo basado en la adaptación de dominio auto supervisados secuencial transfiere el conocimiento de imágenes de tomografía computarizada de alta calidad previas al tratamiento. “Mediante un conjunto de experimentos en imágenes CBCT semanales a mitad de tratamiento, demostramos que las estimaciones de incertidumbre resultantes pueden mejorar la calidad de la detección de regiones erróneas”, explica el estudio. El método presentado en el estudio demostró una reducción significativa del riesgo de neumonitis inducida por la radicación de hasta el 35% manteniendo al mismo tiempo la alta probabilidad de control del tumor. Consulta el estudio completo en el siguiente enlace: https://www.sciencedirect.com/science/article/abs/pii/S1361841523000610 BIBLIOGRAFÍA SCIENCE DIRECT https://www.sciencedirect.com/science/article/abs/pii/S1361841523000610 HEALTH IT ANALYTICS https://healthitanalytics.com/news/researchers-leverage-generative-ai-to-improve-cancer-treatment-targets

El conjunto de datos genómicos de All of Us, el más extenso y diverso del mundo, ha llegado a la secuenciación de cerca de 250 mil genomas humanos. A unos días del quinto aniversario del programa de investigación All of Us, los Institutos Nacionales de Salud de Estados Unidos (NIH) compartieron las últimas actualizaciones del programa y los planes a futuro. La cantidad de datos en el programa ha incrementado considerablemente, de hecho, una de las principales actualizaciones es que el programa está por llegar a los 250 mil genomas secuenciados. Además, como el proyecto lo ha buscado desde su inicio, el 45% de los datos donados han llegado por parte de personas que se identifican con grupos raciales o étnicos históricamente infrarrepresentados en la investigación médica. “Al contar con participantes de orígenes diversos y compartir una imagen más completa de sus vidas por medio de los datos genómicos, de estilo de vida, clínicos y del entorno social, All of Us facilita que los investigadores científicos puedan identificar mejor los factores que impulsan las enfermedades”, explicó Andrea Ramírez, directora de datos del All of Us. En este sentido, la expansión de los datos médicos les permite a los investigadores acceder a uno de los conjuntos de datos más diversos. Gracias a ello será posible avanzar a la equidad en salud y a descubrir nuevas formas de atender a las personas según su género, estilos de vida y entornos. “Cuando All of Us inició el proceso de inscripción nacional hace cinco años, estábamos entusiasmados con la promesa de cómo podríamos avanzar la investigación de salud”, expresó Josh Denny, director ejecutivo de All of Us. Asimismo, explicó que gracias a la colaboración de los participante, investigadores y científicos de Estados Unidos se ha logrado un gran progreso, que esperan continúe guiando a nuevos descubrimientos científicos. Hasta el momento los científicos de datos han recolectado información de 413,450 participantes. Los datos proceden de encuestas, registros electrónicos de salud, dispositivos móviles como wearables y medidas físicas. En el caso de los datos de wearables ahora incluirán información sobre el sueño, actividad de recuento de pasos y frecuencia cardiaca. Los datos de sueño se utilizarán para estudiar patrones de sueño en pacientes con ciertas enfermedades como cardiopatías, hipertensión, diabetes, depresión y demencia, y así conocer su progresión. Por otro lado, el programa también ha publicado más de mil genomas secuenciados de lectura larga, un nuevo tipo de datos que proporcionan una imagen más completa del genoma. Los científicos pueden utilizar estos datos para estudiar la variación genética e identificar potencialmente variante genéticas vinculadas a enfermedades específicas. Las pequeñas variaciones genéticas también podrían ofrecer nuevos avances para identificar marcadores de riesgo de enfermedades o la eficacia de medicamentos en distintas personas. El objetivo final de All of US es facilitar datos de al menos un millón de participantes de todo Estados Unidos y lograr la colaboración de más investigadores. BIBLIOGRAFÍA ALL OF US/NIH https://allofus.nih.gov/news-events/announcements/el-programa-cientifico-all-us-publica-casi-250000-secuencias-del-genoma-completo-para-impulsar-la-medicina-de-precision

El Proyecto del Genoma Humano comenzó en 1990 y concluyó en 2003; se trató de un esfuerzo colectivo de la comunidad científica a nivel internacional. Hace 20 años, en abril de 2003, se completó oficialmente el Proyecto del Genoma Humano o Human Genome Project (HGP), un hito histórico en la ciencia que marcó un antes y un después en la comprensión del ADN humano. Este proyecto internacional de investigación que comenzó en 1990 y se extendió por 13 años, contó con la participación de miles de científicos de todo el mundo. El HGP tuvo dos objetivos principales, la secuenciación, es decir averiguar la posición de todos los nucleótidos del genoma humano y el mapeo genético, que consistió en localizar los genes de cada uno de los 23 cromosomas del ser humano.  Se dice que la secuenciación fue completada porque no había más de un error en 10 mil bases secuenciadas y la secuencia era casi continua. Sin embargo, algunas áreas del genoma fueron imposibles de secuenciar con la tecnología de esa época. El impacto del PGH en la biología y la medicina ha sido muy importante. Por ejemplo, ha permitido comprender mejor las enfermedades genéticas, su diagnóstico y tratamiento. También ha impulsado el desarrollo de la genómica, una rama de la biología que se dedica al estudio de los genomas, y ha abierto la puerta a nuevas investigaciones sobre la evolución humana y la diversidad genética. En resumen, este proyecto fue un hecho histórico que ha permitido avances significativos en la comprensión del ADN humano y su impacto en la salud y las enfermedades. Algunos de los avances más destacados que se han logrado gracias al HGP incluyen: Diagnóstico y tratamiento de enfermedades genéticas: El conocimiento detallado del genoma humano ha permitido identificar las causas genéticas de muchas enfermedades raras y comunes, lo que ha llevado a mejorar los métodos de diagnóstico y tratamiento. Además, se han desarrollado terapias génicas que utilizan la información genética para tratar enfermedades hereditarias. Prevención y tratamiento del cáncer: El HGP ha permitido identificar los genes relacionados con el cáncer, y que pueden predisponer a las personas padecer esta enfermedad. Esto ha llevado a la detección temprana y al desarrollo de nuevos tratamientos personalizados. Desarrollo de la medicina personalizada o medicina de precisión: La comprensión del genoma humano ha permitido el desarrollo de la medicina personalizada, en la que se utilizan datos genéticos para adaptar los tratamientos a las características individuales de cada paciente. Avances en la investigación médica: El HGP ha sido una fuente de información para la investigación médica en muchos campos, incluyendo la biología del desarrollo, la farmacología y la biotecnología. Por otra parte, el Instituto Nacional de Investigación Genómica Humana de Estados Unidos (NHGRI), realizará este 25 de abril un simposio conmemorando el 20 aniversario del término del HGP y el 70 aniversario del descubrimiento de estructura de doble hélice del ADN. Conoce más aquí. BIBLIOGRAFÍA GENOME https://www.genome.gov/25520492/online-education-kit-2003-human-genome-project-completed https://www.genome.gov/human-genome-project https://www.genome.gov/about-genomics/educational-resources/fact-sheets/human-genome-project NCBI https://www.ncbi.nlm.nih.gov/Web/Newsltr/Summer03/index.html ALL OF US https://allofus.nih.gov/news-events/announcements/research-roundup-human-genome-project-all-us-dna

Este nuevo conjunto de datos clínicos cuenta con información de 200 mil pacientes de más de 200 hospitales de Estados Unidos, incluyendo datos de la pandemia de COVID-19. Phillips y el Instituto de Ingeniería y Ciencias Médicas (IMES) del Instituto Tecnológico de Massachusetts (MIT), anunciaron una expansión de su colaboración, la cual permitirá que los investigadores médicos accedan a un nuevo conjunto de datos de atención crítica y de cuidados intensivos para impulsar el desarrollo de inteligencia artificial (IA) en salud y aprendizaje automático. Cabe destacar que eICU es una base de datos colaborativa y de libre acceso impulsada por Phillips Healthcare y el MIT, encargada de recopilar conjuntos de datos para mejorar la investigación médica. Actualmente, eICU Collaborative Research Database (ICU-CRD) cuenta con datos no identificados de 200 mil pacientes de unidades de cuidados intensivos (UCI o ICU en inglés). La base incluye pacientes que se vieron afectados por COVID-19 y se trata de un amplio conjunto de datos y clínicamente confiable, para impulsar soluciones que mejoren la atención de los pacientes en UCI y sus resultados clínicos. Durante la pandemia eICU tuvieron un aumento importante de pacientes, por lo que Phillips y el IMES expandieron el conjunto de datos original publicado en 2016. De esta manera la nueva base de datos incluyó información clínica identificada y detallada como: signos vitales, órdenes de farmacia y medicamentos, resultados de laboratorio, diagnósticos y puntajes nuevos de gravedad de la enfermedad. Asimismo, el conjunto de datos proporciona información sobre tratamientos, comorbilidades, readmisiones y resultados clínicos de los pacientes. El contar con datos de 2020 y 2021 implica un cambio en la generación de datos valiosos y significativos relacionados con la pandemia. La base de datos está abierta para investigadores de todo el mundo, a través de ella se pueden desarrollar nuevos algoritmos avanzados y ofrecer nuevas soluciones y herramientas sobre las UCI. Por su parte Jesse D. Raffa científico investigador en el Laboratorio de Fisiología Computacional del IMES, explicó que la ICU-CRD es un recurso vital para la educación y la capacitación de los profesionales de la salud: “Esta base de datos actualizada es un recurso vital para la educación, incluso en muchos cursos en instituciones como Harvard, MIT y Stanford; y capacitación, así como instituciones de bajos recursos”. “Esta iniciativa demuestra nuestro compromiso con el avance del aprendizaje automático y los esfuerzos de inteligencia artificial, al hacer que los datos de eICU estén disponibles para iniciativas de investigación global”, dijo Shiv Gopalkrishnan, gerente general de EMR y administración de atención en Philips. Además, mencionó que, a través de la conexión de datos entre sistemas informáticos, dispositivos y aplicaciones, es posible su integración en la investigación, lo que favorece a una mejor toma de decisiones médicas. BIBLIOGRAFÍA PHILLIPS https://www.usa.philips.com/a-w/about/news/archive/standard/news/press/2023/20230418-philips-and-mit-imes-develop-enhanced-critical-care-data-set-to-give-researchers-and-educators-access-to-advance-clinical-understanding-and-ai-in-healthcare MIT https://eicu-crd.mit.edu/