enero 2024

Investigadores de la Universidad de California San Diego aplican modelo de IA para identificar rápidamente riesgos de infección por sepsis en salas de emergencia. El estudio: “Impacto de un modelo de predicción de sepsis de aprendizaje profundo en la calidad de la atención y la supervivencia” publicado por investigadores de la Universidad de California, San Diego (UC San Diego),  en npj Digital Medicine ,muestra la utilización de un algoritmo de inteligencia artificia (IA) con la capacidad de monitorear diversas variables para detectar sepsis antes de la aparición de los síntomas. Según el estudio, alrededor de 1.7 millones de adultos en Estados Unidos desarrollan sepsis cada año y 350 mil mueren por infección en la sangre, que puede desencadenar una reacción en cadena potencialmente mortal en todo el cuerpo. En el estudio, investigadores de la Facultad de Medicina de la UC San Diego desarrollaron un modelo de IA en los departamentos de emergencia del UC San Diego Health para identificar rápidamente a pacientes en riesgo de infección por sepsis. El algoritmo de IA, denominado COMPOSER, desarrollado previamente por el equipo de investigación, resultó en una reducción del 17% en la mortalidad. Este modelo emplea datos en tiempo real para predecir la sepsis antes de que se manifiesten clínicamente, monitoreando continuamente más de 150 variables del paciente, como resultados de laboratorio, signos vitales, medicamentos actuales, datos demográficos e historial médico. “Funciona de forma silenciosa y segura entre bastidores, vigilando continuamente a cada paciente en busca de signos de posible sepsis”, explicó el Dr. Gabriel Wardi, jefe de la División de Cuidados Críticos del Departamento de Medicina de Urgencias de la UC San Diego. El algoritmo alerta al personal de enfermería si detecta múltiples variables que indican un alto riesgo de infección por sepsis, lo que permite una intervención temprana y un plan de tratamiento adecuado. El estudio, que examinó más de 6 mil admisiones de pacientes antes y después de la implementación de COMPOSER, es el primero en informar mejoras en los resultados del paciente mediante el uso de un modelo de aprendizaje profundo de IA. “Estos algoritmos avanzados de IA pueden detectar patrones que inicialmente no son obvios para el ojo humano”, explicó el coautor del estudio, el Dr. Shamim Nemati, profesor asociado de informática biomédica y director de análisis predictivo en la UC San Diego. “El sistema puede analizar estos factores de riesgo y llegar a una predicción muy precisa de la sepsis. Por el contrario, si los patrones de riesgo pueden ser explicados por otras condiciones con mayor confianza, entonces no se enviarán alertas”, resaltó. El COMPOSER, activado en diciembre de 2022, se utiliza ahora en varias unidades hospitalarias dentro del UC San Diego Health, y pronto estará operativo en el nuevo campus de salud, UC San Diego Health East Campus.  De esta manera, este modelo de IA mostró el potencial de ser una alternativa capaz de prevenir la muerte de pacientes con sepsis. BIBLIOGRAFÍA UC SAN DIEGO https://health.ucsd.edu/news/press-releases/2024-01-23-study-ai-surveillance-tool-successfully-helps-to-predict-sepsis-saves-lives NATURE https://www.nature.com/articles/s41746-023-00986-6

Un nuevo estudio publicado por investigadores de IBM y Cleveland Clinic detalla cómo la IA puede ser diseñada para desarrollar mejores tratamientos de inmunoterapia. Investigadores de IBM y Cleveland Clinic publicaron el primer estudio desarrollado a través de su colaboración Discovery Accelerator, que busca avanzar en la investigación en atención médica y ciencias de la vida. Por medio de esta colaboración instalaron la primera computadora cuántica del mundo ideada para la investigación en salud. El equipo colaboró en el desarrollo de un modelo de inteligencia artificial (IA) supervisada y no supervisada, con el propósito de encontrar las características moleculares de antígenos peptídicos, que son pequeños fragmentos de moléculas proteínicas que las células inmunitarias utilizan para reconocer amenazas para el organismo. El estudio publicado en Briefings in Bioinformatics explica que los métodos de IA no supervisada permite identificar características sutiles que impulsan las diferencias de inmunogenicidad entre un neoantígeno del cáncer y su contraparte peptídica. El Dr. Timothy Chan, presidente del Centro de Inmunoterapia e Inmuno-oncología de precisión de Cleveland Clinic, explicó que anteriormente, todos los datos sobre objetivos de antígenos cancerígenos procedían del ensayo y error. “La asociación con IBM nos permite ampliar los límites de la inteligencia artificial y la investigación en ciencias de la salud para cambiar la forma en que desarrollamos y evaluamos objetivos para la terapia del cáncer”, explicó. En este sentido, durante décadas los científicos han investigado cómo identificar mejor los antígenos y utilizarlos para atacar células cancerosas o infectadas por virus. Esto ha significado un gran reto ya que la investigación se ha visto limitada por diversas variables que afectan la forma de reconocer estos objetivos, además requiere de mucho tiempo con la informática actual. De esta manera, la investigación de Cleveland Clinic e IBM muestra que los modelos de IA que tienen en cuenta los cambios de forma molecular a lo largo del tiempo, pueden describir con precisión cómo reconocen los sistemas inmunitarios un antígeno objetivo. Este avance permite a los investigadores determinar qué procesos son fundamentales para los tratamientos de inmunoterapia como vacunas y celular inmunitarias artificiales. Este nuevo enfoque podría incorporarse a otros modelos de IA para identificar objetivos de inmunoterapias más eficaces. “Estos descubrimientos son un ejemplo del éxito de esta colaboración: la combinación de los recursos computacionales de vanguardia de IBM con los conocimientos médicos de Cleveland Clinic”, explicó el Dr. Jeff Weber, investigador científicos investigador senior en IBM. Además, destaco que estos nuevos descubrimientos fueron posibles debido a la experiencia en inmunoterapia del cáncer de los especialistas de Cleveland Clinic, así como los especialistas de simulación basada en física e IA de IBM. BIBLIOGRAFÍA BRIEFING IN BIOINFORMATICS https://academic.oup.com/bib/article/25/1/bbad504/7560312 CLEVELAND CLINIC https://newsroom.clevelandclinic.org/2024/01/23/cleveland-clinic-and-ibm-researchers-publish-findings-on-artificial-intelligence-and-immunity/

UCLA y UC Irvine hicieron pública una base de datos con más de 83 mil resultados de cirugía, para entrenar modelos de IA y desarrollar herramientas predictivas que mejoren el cuidado de pacientes postcirugía. Investigadores de la Universidad de California, Los Angles (UCLA) y de la Universidad de California Irvine (UC Irvine), crearon un repositorio de expedientes clínicos digitales con datos de 83 mil cirugías. Estos datos utilizarse para entrenar modelos de inteligencia artificial (IA), que ayuden a mejorar los resultados de pacientes y a ayudar en su cuidado luego de cirugía. Los datos del repositorio denominado Medical Informatics Operating Room Vitals and Events Repository (MOVER), fueron modificados para eliminar identificadores de pacientes y proteger su privacidad de acuerdo con las leyes correspondientes en Estados Unidos. Los investigadores de UCLA y UC Irvine publicaron un estudio en JAMIA Open, donde describen los detalles de la base de datos y sus usos potenciales y esperados. Los autores detallan que la IA tiene el potencial de transformar la industria de la salud, sin embargo, su implementación y adopción limitada se debe en gran parte a la poca disponibilidad pública de datos clínicos en línea, así como la falta de transparencia en los algoritmos de IA. “Esperamos que ayude a la comunidad de investigación a desarrollar nuevos algoritmos, nuevas herramientas predictivas, para mejorar la atención de los pacientes quirúrgicos básicamente a nivel mundial”, explicó dijo Cannesson. “Es la primera vez que se publica una base de datos quirúrgica como ésta. Es un espectro muy amplio de cirugías”, el Dr. Maxime Cannesson de catedrático de UCLA y director del proyecto. La primera versión de MOVER incluye pacientes adultos que se sometieron a una cirugía en los centros médicos de UCLA y UC Irvine de 2015 a 2022. Los datos capturados fueron capturados a por medio de dos fuentes distintas: formas de onda fisiológicas de alta fidelidad capturados en tiempo real en todos los quirófanos y datos de los registros médicos electrónicos. En este sentido, existe una cantidad mínima de mínima públicos disponibles para que investigadores puedan poner a prueba y entrenar algoritmos basados en IA. Por ello presentaron e hicieron público el repositorio MOVER. Asimismo, el repositorio incluye datos de 58,799 pacientes únicos y 83,468 cirugías. “Esta información es realmente información que los médicos y el equipo de atención utilizan para tomar decisiones clínicas en el entorno de cuidados intensivos”, indicó el Dr. Cannesson. MOVER está disponible para cualquier persona que firme el acuerdo de uso de datos, ya que se busca limitar su uso solo a investigadores legítimos. Es posible descargarlo en el siguiente enlace: https://doi.org/10.24432/C5VS5Ge. Según los investigadores, MOVER es el único repositorio público de datos de libre acceso que contiene datos de pacientes sometidos a cirugía. Su utilización busca acelerar la integración de la IA en entornos sanitarios, lo que favorecerá a la mejora de resultados de los pacientes. “El objetivo es, en última instancia, aumentar la confianza que los médicos y los pacientes tienen con lo que veremos en el futuro cercano: el desarrollo de cada vez más modelos basados ​​en inteligencia artificial, especialmente para el entorno quirúrgico”, finalizó, el Dr. Cannesson. BIBLIOGRAFÍA JAMIA OPEN https://academic.oup.com/jamiaopen/article/6/4/ooad084/7320357 UCLA HEALTH https://www.uclahealth.org/news/new-database-more-83000-surgical-outcomes-aimed-advancing

Un nuevo modelo de IA desarrollado por la Universidad de Michigan muestra alta precisión en la predicción de riesgos en procedimientos cardíacos. Un equipo de investigadores de Michigan Medicine ha desarrollado un algoritmo impulsado por inteligencia artificial (IA) que puede prever con precisión complicaciones y fallecimientos después de una intervención coronaria percutánea (PCI, en inglés), un procedimiento utilizado para tratar arterias cardíacas bloqueadas. Un estudio publicado en European Heart Journal muestra los resultados de esta IA y destaca su utilidad para los profesionales de la salud al tomar decisiones sobre el tratamiento. El líder del estudio, David E. Hamilton, explicó que: “Los riesgos para los pacientes sometidos a la intervención coronaria percutánea varían considerablemente según el paciente individual, y tanto los pacientes como los médicos históricamente han subestimado y sobreestimado los daños asociados con la PCI”. De igual forma, el algoritmo desarrollado puede reconocer diversos resultados después de la PCI y se presenta como una herramienta útil para la toma de decisiones compartida entre proveedores de atención y pacientes. Según los autores del estudio, a diferencia de otras herramientas de estratificación de riesgos, este modelo incorporó datos de pacientes, utilizando el registro Blue Cross Blue Shield of Michigan Cardiovascular Consortium (BMC2). Este conjunto de datos incluyó más de 20 características preoperatorias, como edad, presión arterial y colesterol total, para crear un modelo de predicción de riesgos mediante el software de aprendizaje automático XGBoost. El modelo de IA mostró una alta precisión en la predicción de muertes, eventos de sangrado significativos y la necesidad de transfusiones sanguíneas, superando a otros modelos que utilizaron las mismas características preoperatorias. Por su parte, Hitinder Gurm, coautor del estudio, señaló: “Combinamos el modelo predictivo con la retroalimentación de los pacientes del Consejo Asesor de Pacientes de PCI para transformar el aprendizaje automático en esta herramienta de predicción de riesgos individualizada centrada en el paciente”. La tecnología innovadora se ha integrado en una aplicación para computadora y teléfono que permite su uso gratuito y generalizado. Este avance en IA mejora la precisión en la predicción de riesgos en pacientes sometidos a angioplastia, y además destaca la importancia de incorporar datos de pacientes en el desarrollo de estas herramientas emergentes. La posibilidad de integrar este sistema en registros de salud electrónicos promete facilitar la toma de decisiones para los proveedores de atención y mejorar la educación de los pacientes sobre los riesgos asociados con la PCI. BIBLIOGRAFÍA MICHIGAN MEDICINE https://www.michiganmedicine.org/health-lab/ai-model-predicts-death-complications-patients-undergoing-angioplasty-stents

Google Cloud colabora con Apollo 24 | 4 la empresa de atención médica digital más grande de India. Google Cloud se encuentra utilizando MedLM  su gran modelo de lenguaje (LLM, en inglés) especializado en salud para desarrollar un motor de inteligencia clínica (CIE, en inglés) en colaboración con Apollo 24|7, la plataforma de atención médica digital  y Salud Digital más grande de India. MedLM es un modelo de lenguaje factual de Google que está entrenado en un conjunto de datos masivo de texto y código. Este LLM incluye datos e información de artículos médicos, libros de texto, publicaciones científicas y otros recursos de salud. MedLM tiene la capacidad generar texto, traducir idiomas, escribir diferentes tipos de contenido creativo y responder a preguntas de manera informativa. En este sentido, el CIE de Apollo 24|7 desarrollado en colaboración con Google, utiliza MedLM para analizar los registros médicos de los pacientes. El modelo puede identificar medicamentos relevantes, evaluaciones de laboratorio, procedimientos médicos y posibles diagnósticos. Además, esta herramienta tiene la capacidad de ayudar a los médicos a tomar decisiones más informadas sobre el tratamiento de los pacientes. La colaboración entre Google Cloud y Apollo 24|7 demuestra el avance de la IA generativa y de los LLM, y además muestra un ejemplo de cómo estas tecnologías se están utilizando para mejorar la atención médica. El CIE tiene el potencial de mejorar la precisión y la eficiencia de la atención médica, lo que puede conducir a mejores resultados para los pacientes. Google Cloud mostró ejemplos específicos de cómo el CIE de Apollo 24|7 puede ayudar a los médicos: El modelo puede identificar posibles interacciones medicamentosas que los médicos pueden haber pasado por alto. El modelo es capaz sugerir pruebas de laboratorio adicionales que pueden ser necesarias para diagnosticar una condición. El modelo ayuda a los médicos a determinar el mejor curso de tratamiento para un paciente. “Esta solución, basada en MedLM y complementada con un gráfico de conocimiento clínico, puede analizar los historiales médicos de un paciente y generar información sobre medicamentos relevantes, evaluaciones de laboratorio, procedimientos médicos y posibles diagnósticos para que los revise el médico”, explicó Abdussamad M, jefe de ingeniería de Apollo 24|7. “Al generar estos conocimientos basados en pruebas, esta solución de IA genérica pretende mejorar los flujos de trabajo clínicos, reducir los errores y mejorar los resultados de los pacientes. Y es muy importante entender que esto es solo la punta del iceberg de las capacidades de la IA, que es muy potente, pero siempre ayuda a los médicos”, agregó. Aunque el CIE de Apollo 24|7 continúa en desarrollo, ya ha mostrado el potencial de revolucionar los modelos de atención médica. Además, el modelo promete ayudar a los profesionales a brindar una atención más personalizada y precisa a sus pacientes. BIBLIOGRAFÍA GOOGLE CLOUD https://cloud.google.com/blog/topics/healthcare-life-sciences/building-a-clinical-intelligence-engine-using-medlm

Investigadores de Cedars-Sinai Cancer, utilizaron una herramienta de medicina de precisión para identificar biomarcadores que podrían relacionarse con el cuidado de cáncer de páncreas. Investigadores de Cedars-Sinai Cancer, han utilizado un nuevo método de medicina de precisión e inteligencia artificial (IA) llamada Molecular Twin Precision Oncology Platfom. Esta herramienta tiene la capacidad de identificar biomarcadores que superan la prueba estándar de predicción de supervivencia de cáncer de páncreas. Además, la plataforma cuenta con el respaldo de un estudio publicado en Nature Cancer, en el cual se demuestra la viabilidad de esta herramienta y su potencial para guiar hacia un mejor tratamiento para los pacientes con cáncer. Según el Dr. Dan Theodorescu director de Cedars-Sinai Cancer, la plataforma de gemelo molecular o Molecular Twin puede ser utilizado en estudios sobre cualquier tipo de tumores, incluyendo cáncer de páncreas que tiene mayor dificultar para su tratamiento. “Utilizando nuestra tecnología Molecular Twin, prevemos crear pruebas que puedan utilizarse incluso en lugares que carecen de acceso a recursos y tecnología avanzados, emparejando a los pacientes con las terapias más eficaces y ampliando la disponibilidad de la medicina de precisión”, agregó. El estudio incluyó el análisis, a través de Molecular Twin, de muestras de tejidos y de sangre de 74 pacientes con los tipos más comunes y más agresivos de cáncer de páncreas. Posteriormente, los investigadores combinaron 6,363 datos biológicos distintos incluyendo información genética y molecular para crear el modelo, el cual predijo con exactitud la supervivencia de la enfermedad en el 87% de los pacientes. A continuación, utilizaron IA para crear un modelo que funcionara de la misma forma, pero solo usando 589 puntos de datos. Estos modelos mejoraron los resultados de la única prueba de cáncer de páncreas aprobada por la Administración de Alimentos y Medicamentos (FDA, en inglés). Además, los resultados fueron validados por conjuntos de datos independientes de The Cancer Genome Atlas, Massachusetts General Hospital, y Johns Hopkins University. “Ya habíamos emprendido una recogida exhaustiva de muestras de sangre y tejidos de pacientes con cáncer de páncreas, lo que nos brindó una buena oportunidad para probar la plataforma Molecular Twin. A medida que ampliemos la plataforma con más pacientes, Molecular Twin se convertirá en una herramienta aún más sólida, no sólo en el cáncer de páncreas, sino en todos los tipos de cáncer”, explicó Arsen Osipov, líder del programa de la Clínica Multidisciplinar de Cáncer de Páncreas y del Programa de Medicina de Precisión del Cedars-Sinai Cancer. Por su parte, la Dra. Jennifer Van Eyk, directora de biosistemas clínicos avanzados en Cedars-Sinai, explicó que las proteínas resultaron ser los principales impulsores de los modelos de cáncer de páncreas y así conocer la respuesta del organismo de los pacientes con cáncer. De esta forma, esta plataforma y estos modelos pueden ayudar al descubrimiento de biomarcadores de otros tipos de cáncer y abrir el camino hacia el desarrollo de nuevos tratamientos contra estas enfermedades. BIBLIOGRAFÍA CEDARS SINAI https://www.cedars-sinai.org/newsroom/cedars-sinai-develops-new-tools-to-improve-pancreatic-cancer-patient-care/ NATURE https://www.nature.com/articles/s43018-023-00697-7