mayo 2024

Un algoritmo avanzado impulsado por IA podría mejorar las predicciones sobre enfermedades autoinmunes, así como descubrir nuevas terapias para un tratamiento oportuno. Un nuevo algoritmo de inteligencia artificial (IA) desarrollado por un equipo de la escuela de Medicina de Penn State, mostró resultados significativos para mejorar las predicciones y encontrar nuevas terapias para enfermedades autoinmunes. Este modelo algorítmico avanzado basado en IA puede conducir a mejores y más tempranas predicciones, así como terapias innovadoras para enfermedades autoinmunes. Terapias que evitan que el sistema inmunológico ataque por error a las propias células y tejidos sanos del cuerpo. El algoritmo profundiza en el código genético subyacente para identificar genes de riesgo adicionales y para modelar con precisión cómo se expresan y regulan los genes asociados con enfermedades autoinmunes específicas. El estudio publicado en Nature Communications, reveló que este modelo superó las metodologías existentes e identificó un 26% más de asociaciones de genes y rasgos novedosos. “Todos portamos algunas mutaciones en el ADN y necesitamos descubrir cómo cualquiera de estas mutaciones pueden influir en la expresión genética relacionada con la enfermedad para que podamos predecir el riesgo de enfermedad de manera temprana. Esto es especialmente importante para las enfermedades autoinmunes”, dijo Dajiang Liu, director de inteligencia artificial e informática biomédica de la Escuela de Medicina de Penn State. De esta forma, este algoritmo podría predecir con mayor precisión el riesgo de enfermedades autoinmunes, lo que permitiría intervenciones tempranas. La información del ADN es crucial en este proceso, ya que la cantidad o la poca expresión de un gen pueden influir en el riesgo de enfermedad. La genómica, especialmente los estudios de asociación de todo el genoma (GWAS, en inglés), es un enfoque muy utilizado en la investigación de genética humana, que puede centrarse en regiones del genoma asociadas con una enfermedad, sin embargo, no pueden identificar los genes específicos que se afectan o aquellos que incrementan el resigo de enfermedad. En este sentido, este estudio muestra una nueva forma para la identificación de genes a través de un algoritmo de IA. El método desarrollado, denominado EXPRESSO por EXpression PREdiction with Summary Statistics Only, analiza datos y rasgos cuantitativos de expresión unicelular, integra datos genómicos 3D y epigenética, entre otros datos y funciones. Los investigadores aplicaron EXPRESSO a conjuntos de datos GWAS para 14 enfermedades autoinmunes como lupus, enfermedad de Crohn, colitis ulcerosa y artritis reumatoide. “Con este nuevo método, pudimos identificar muchos más genes de riesgo para enfermedades autoinmunes que en realidad tienen efectos específicos de tipo celular, lo que significa que solo tienen efectos en un tipo de célula particular y no en otras”, explicó Bibo Jiang, profesor asistente en Penn State y autor principal del estudio. La información obtenida fue utilizada par a identificar potenciales terapias para enfermedades autoinmunes. “La mayoría de los tratamientos están diseñados para mitigar los síntomas, no para curar la enfermedad”, resaltó Laura Carrel, profesora de bioquímica y biología en Penn State y coautora principal del estudio. Además, agregó que se trata de un dilema saber que las enfermedades autoinmunes necesitan un tratamiento a largo plazo, pero los tratamientos existentes a menudo tienen efectos secundarios tan malos que no pueden usarse de manera prolongada. Sin embargo, reconoció que tanto la genómica como la IA, son una ruta prometedora para el desarrollo de nuevas terapias. Actualmente, el equipo de investigadores se encuentra colaborando con otros científicos para validar y evaluar sus hallazgos en un laboratorio y posteriormente iniciar los ensayos clínicos. Consulta el estudio completo en el siguiente enlace: https://www.nature.com/articles/s41467-024-48143-1 BIBLIOGRAFÍA NATURE https://www.nature.com/articles/s41467-024-48143-1 PENN STATE https://www.psu.edu/news/research/story/new-ai-algorithm-may-improve-autoimmune-disease-prediction-and-therapies/

Investigadores de la Escuela de Medicina Icahn en Mount Sinai descubren que la IA generativa puede predecir con precisión la necesidad de admisión hospitalaria en pacientes de urgencias. Un reciente estudio realizado por investigadores de la Escuela de Medicina Icahn en Mount Sinai ha demostrado que la inteligencia artificial (IA) generativa, específicamente el modelo GPT-4, puede predecir con precisión si un paciente en la sala de emergencias necesita ser admitido al hospital. Esto es posible incluso con un entrenamiento mínimo y utilizando un número limitado de registros. Los detalles de la investigación fueron publicados en la Journal of the American Medical Informatics Association. En este estudio retrospectivo, los investigadores analizaron registros de siete hospitales del Sistema de Salud Mount Sinai. Utilizaron tanto datos estructurados, como signos vitales, y datos no estructurados, como notas de triaje de enfermería, de más de 864 mil visitas a salas de emergencia, excluyendo cualquier dato identificable de los pacientes. De estas visitas, 159,857 (18.5%) resultaron en la admisión del paciente al hospital. De esta forma, los investigadores compararon el desempeño de GPT-4 con modelos tradicionales de machine learning, como Bio-Clinical-BERT para datos de texto y XGBoost para datos estructurados. Posteriormente, evaluaron su capacidad para predecir las admisiones hospitalarias tanto de manera independiente como combinada con los métodos tradicionales. El Dr. Eyal Klang, coautor principal del estudio y director del Programa de Investigación de IA Generativa en la División de Medicina Digital y Basada en Datos (D3M) en Icahn Mount Sinai, comentó que el objetivo del estudio era evaluar si la IA generativa podría mejorar la predicción de admisiones en entornos de alto volumen como el Departamento de Emergencias. Klang destacó que GPT-4 sorprendió al adaptarse bien al entorno de urgencias y proporcionar razonamientos claros para sus decisiones, algo que diferencia a esta tecnología de los modelos tradicionales. “Nuestro objetivo es mejorar la toma de decisiones clínicas a través de esta tecnología. Nos sorprendió lo bien que GPT-4 se adaptó al entorno de urgencias y proporcionó razonamientos para sus decisiones. Esta capacidad de explicar su lógica lo distingue de los modelos tradicionales y abre nuevas vías para la IA en la toma de decisiones médicas”, explicó el Dr. Klang. Otros modelos de machine learning tradicionales requieren millones de registros para su entrenamiento, mientras que los grandes modelos de lenguaje o LLMs, pueden aprender con pocos ejemplos. Además, estos modelos pueden incorporar predicciones de machine learning tradicional, mejorando su rendimiento. El Dr. Girish N. Nadkarni, coautor principal del estudio y Profesor de Medicina en Icahn Mount Sinai, señaló que la investigación sugiere que la IA pronto podría apoyar a los médicos en las salas de emergencias, ayudándoles a tomar decisiones rápidas e informadas sobre la admisión de pacientes. Nadkarni enfatizó que, aunque los resultados son prometedores, la tecnología aún actúa como un apoyo y no reemplaza la parte humana del cuidado médico. El equipo de investigación continúa explorando cómo aplicar los LLM a los sistemas de salud, buscando integrarlos con métodos tradicionales de machine learning para resolver desafíos complejos y tomar decisiones en tiempo real en entornos clínicos. Por su parte, el Dr. Brendan Carr, coautor del estudio y director ejecutivo del Sistema de Salud Mount Sinai, afirmó que el estudio demuestra cómo los LLMs pueden integrarse en las operaciones de atención médica, subrayando su potencial para proporcionar información valiosa incluso en entornos complejos. Este estudio allana el camino para futuras investigaciones sobre la integración de la IA en diversos aspectos de la atención médica. BIBLIOGRAFÍA MOUNT SINAI https://www.mountsinai.org/about/newsroom/2024/ai-can-help-improve-er-admission-decisions-mount-sinai-study-finds

Honduras refuerza su compromiso con la vigilancia genómica con el Taller Subregional de Secuenciación y Análisis Bioinformáticos para Patógenos Bacterianos. La Organización Panamericana de Salud (OPS) y la Asociación de Laboratorios de Salud Pública (APHL), se encuentra realizando el Taller Subregional de Secuenciación y Análisis Bioinformáticos para Patógenos Bacterianos con el propósito de avanzar en la implementación de vigilancia genómica de patógenos bacterianos en Honduras. El taller forma parte de una serie de acciones impulsadas por las iniciativas PULSENET PAHOGEN, en el marco de la estrategia de vigilancia genómica regional aprobada por la Conferencia Sanitaria Panamericana en 2022. El propósito de estas iniciativas es la propiciación y respuesta ante epidemias y pandemias por parte de las autoridades sanitarias nacionales. El evento se está llevando a cabo desde el 20 hasta el 31 de mayo en Tegucigalpa, y algunos de los temas del taller son, salud humana, salud animal, seguridad alimentaria en el manejo de tecnologías de secuenciación, entre otros. El uso de tecnologías de secuenciación de segunda y tercera generación, es clave para la secuenciación de patógenos bacterianos críticos como la Salmonella, que provoca enfermedades con alta incidencia y temporalidad en Honduras. De esta forma, este tipo de talleres representan un avance significativo hacia la implementación efectiva de herramientas que mejoren la vigilancia genómica en el país y en la región. Además, el taller se desarrolla en dos fases intensivas: la primera semana dedicada a la práctica de secuenciación usando tecnologías Illumina y Oxford Nanopore, con la participación de técnicos y especialistas de diversas instituciones hondureñas como el Laboratorio de Secuenciación Genómica y el Laboratorio Nacional de Bacteriología (SESAL), el Instituto Hondureño de Investigaciones Médico Veterinario del Servicio Nacional de Sanidad e Inocuidad Agroalimentaria (SAG-SENASA), el Laboratorio Nacional de Análisis de Residuos (LANAR-OIRSA) y la Escuela de Microbiología de la Universidad Nacional Autónoma de Honduras (UNAH). Por otro lado, la segunda semana cuenta con la participación de profesionales de los laboratorios de genómica de Centroamérica y miembros de la Red PulseNet para América Latina y el Caribe (PNALC). En este sentido, los participantes están recibiendo formación por parte de consultores internacionales en genómica y salud pública, con el objetivo de renovar sus capacidades en análisis bioinformático, gestión de datos genómicos y prevención y control de infecciones relacionadas con patógenos transmitidos por alimentos. Este taller busca mejorar la calidad de los servicios de salud pública, y destaca la necesidad de la cooperación regional y la innovación tecnológica en la lucha contra enfermedades transmitidas por alimentos BIBLIOGRAFÍA OPS https://www.paho.org/es/noticias/23-5-2024-honduras-avanza-implementacion-vigilancia-genomica-patogenos-bacterianos-con