
Desarrollan nueva herramienta basada en IA para combatir la resistencia antimicrobiana a nivel global
Investigadores desarrollan AMR-Policy GPT, una nueva herramienta basada en IA para combatir la resistencia antimicrobiana a nivel global.
Investigadores desarrollan AMR-Policy GPT, una nueva herramienta basada en IA para combatir la resistencia antimicrobiana a nivel global.
Investigadores desarrollaron ePOCT+, un algoritmo de apoyo para la prescripción de antibióticos en pacientes atención ambulatoria pediátrica. La resistencia antimicrobiana es una amenaza importante para la salud pública a nivel mundial, siendo responsable de un gran número de muertes, especialmente en regiones como África subsahariana. La prescripción inapropiada y excesiva de antibióticos impacta negativamente a las poblaciones, especialmente en niños. Para ello es importante abordar este problema debido a las proyecciones que indican un aumento continuo en el uso de antibióticos y la resistencia a ellos. Las herramientas digitales pueden ser parte de la solución al ayudar a reducir la prescripción innecesaria de antibióticos, contribuyendo así a enfrentar la resistencia antimicrobiana. Un artículo reciente publicado en Nature Medicine, presentó un estudio sobre un algoritmo de Salud Digital denominado ePOCT+, diseñado para asistir a proveedores de atención médica en niños enfermos menores de 15 años. ePOCT+ es un sistema digital de apoyo clínico que combina pruebas de laboratorio, como el test de proteína C-reactiva, hemoglobina y saturación de oxígeno, con mentoría para ayudar a los prestadores de servicios de salud a evaluar y manejar menores de 15 años. El algoritmo proporciona pautas sobre qué síntomas evaluar, qué pruebas realizar y cómo proceder con diagnósticos, tratamientos y manejo clínico. Este algoritmo se diseñó para ser utilizado en entornos de atención primaria en zonas remotas, ayudando a los médicos a tomar decisiones más informadas sobre el uso de antibióticos y el tratamiento de los niños enfermos. El estudio realizado con niños en Tanzania, realizó una comparación del impacto de ePOCT+ con la atención habitual en la reducción de la prescripción de antibióticos y los resultados clínicos a los 7 días. En este sentido, encontraron que el uso de ePOCT+ redujo significativamente la prescripción de antibióticos en comparación con la atención habitual 23.2% contra 70.1%. Además, los resultados clínicos a los 7 días fueron similares entre los pacientes tratados con ePOCT+ y aquellos bajo atención normal. De esta forma, el estudio sugiere que ePOCT+ podría ayudar a abordar el problema urgente de la resistencia antimicrobiana al reducir de manera segura la prescripción de antibióticos. Además, el estudio detalla que ePOCT+ podría ser especialmente útil para contribuir a la salud infantil sin comprometer la eficacia del tratamiento. BIBLIOGRAFÍA NATURE https://www.nature.com/articles/s41591-023-02633-9
Herramienta de IA desarrollada por investigadores de Penn Medicine podría descubrir nuevos antibióticos a partir de moléculas antiguas. La resistencia a los antibióticos es una preocupación creciente para la salud pública a nivel mundial, ya que los microbios han desarrollado defensas contra estos medicamentos debido al uso indebido y generalizado a lo largo de los años. En este sentido, investigadores de la Universidad de Pensilvania (UPenn), liderados por César de la Fuente, han desarrollado una herramienta de inteligencia artificial (IA) para explorar elementos genéticos de moléculas antiguas en busca de nuevos antibióticos. César de la Fuente, profesor asistente de la Escuela de Medicina Perelman, encabezó un equipo interdisciplinario en el desarrollo de esta innovadora herramienta de IA. “‘Asegúrate de terminar tu curso de antibióticos, incluso si te sientes mejor’ es un mantra médico que muchos escuchan, pero ignoran”, explica de la Fuente. La falta de cumplimiento con este consejo ha contribuido al surgimiento de bacterias resistentes a los medicamentos, una crisis de salud global que causa aproximadamente 4.95 millones de muertes al año. El equipo de investigación publicó sus hallazgos en la revista Nature Biomedical Engineering, destacando cómo utilizaron la IA para analizar más de 10 millones de moléculas de organismos modernos y extintos, descubriendo candidatos potenciales para nuevos antibióticos. Los métodos tradicionales toman alrededor de seis años para el desarrollo de nuevos fármacos candidatos preclínicos, lo que representa no solo un proceso laborioso sino también que requiere grandes recursos económicos. Según de la Fuente, su enfoque de deep learning “puede reducir drásticamente el tiempo necesario para identificar nuevos candidatos a fármacos preclínicos, pasando de años a solo unas pocas horas”. De esta manera, los investigadores empezaron aplicando algoritmos simples para identificar pequeñas moléculas antibióticas dentro de las secuencias de aminoácidos de proteínas individuales. Conforme mejoraba la eficiencia computacional, pudieron ampliar su análisis a proteomas completos. Esto permitió el descubrimiento de miles de nuevas moléculas antimicrobianas en el proteoma humano y en los proteomas de antiguos homínidos como los neandertales y los denisovanos. La herramienta de IA, denominada Antibiotic Peptide de-Extinction o APEX, emplea una combinación de redes neuronales recurrentes y redes de atención para identificar fragmentos de proteínas con propiedades antimicrobianas. “Las redes neuronales recurrentes son excelentes para procesar secuencias como las proteínas, mientras que las redes de atención mejoran la capacidad de la red para centrarse en partes específicas de la estructura de la proteína que probablemente estén involucradas en la actividad antimicrobiana”, explica Fangping Wan, coautor del estudio. APEX fue capaz de analizar más de 10 millones de péptidos e identificar 37,176 secuencias con actividad antimicrobiana de amplio espectro, incluyendo 11,035 secuencias no encontradas en organismos actuales. Además, algunas de estas secuencias mostraron efectividad en modelos preclínicos de ratones, acercándolas un paso más hacia los ensayos clínicos y el uso terapéutico eventual. El trabajo computacional realizado en el laboratorio de de la Fuente desde 2019 ha acelerado significativamente la capacidad para descubrir nuevos antibióticos. “Lo que antes tomaba muchos años de trabajo meticuloso con métodos tradicionales, ahora puede hacerse en solo unas pocas horas con la IA”, afirma el investigador. BIBLIOGRAFÍA UPENN https://penntoday.upenn.edu/news/looking-ai-solve-antibiotic-resistance
La OMS lanzó un panel de GLASS para la visualización de datos sobre la resistencia y el uso de antimicrobianos, como parte de una estrategia que comenzó desde 2015. La resistencia antimicrobiana (RAM) represente una gran amenaza para la salud humana a nivel global, además de tener implicaciones significativas a nivel económico y de seguridad. En 2015 los estados miembros de la Organización Mundial de la Salud (OMS), aprobaron de manera unánime el Plan de Acción Global para enfrentar la RAM y con ello crearon el Sistema Mundial de Vigilancia de Resistencia y Uso de Antimicrobianos (GLASS, en inglés) cuyo objetivo es “garantizar, durante el mayor tiempo posible, la continuidad del tratamiento exitoso y la prevención de enfermedades infecciosas con medicamentos eficaces y seguros, de calidad garantizada, utilizados de manera responsable y accesibles a todos los que los necesitan”. GLASS, fue el primer esfuerzo colaborativo mundial para estandarizar la vigilancia de la RAM. La OMS considera a la vigilancia como una herramienta fundamental para el desarrollo de políticas y respuestas orientadas a la prevención y control de infecciones, por lo que GLASS desde su creación ha promovido un cambio de enfoques de vigilancia, los cuales pasaron de utilizar solo datos de laboratorio a un sistema integral que incluye datos epidemiológicos, clínicos y de población. En este sentido GLASS proporciona un enfoque estandarizado para la recopilación, análisis, interpretación e intercambio de datos entre países y busca apoyar activamente el desarrollo de capacidades y monitorear los sistemas de vigilancia nacionales para su mejora constante. En este sentido, la OMS anunció el lanzamiento de un dashboard o panel de GLASS para la visualización de datos sobre RAM y sobre uso de antimicrobianos (AMU, en inglés). Este panel muestra un conjunto completo de datos con sobre RAM y AMU actualizado con información de 2016 hasta 2021. Cabe mencionar que cuenta con información de 127 países, áreas y territorios. El panel de GLASS resume las tasas de resistencia de 23 antibióticos en 11 clases de antibacterianos, en ocho patógenos bacterianos. El dashboard proporciona información sobre el estado de implementación, la garantía de calidad y los estándares de los sistemas nacionales de vigilancia de la RAM. Los datos mostrados indican que el 67% de los países y territorios cumplieron o superaron el objetivo de la OMS del 60% de consumo nacional de antibióticos, asimismo el 25% superó el 80%. De esta manera, gracias a este panel se pueden obtener datos sobre los antibacterianos que más utilizados a nivel nacional en los territorios y países que forman parte de GLASS. De igual forma detalla el uso general como el consumo relativo por categorías, subgrupos farmacológicos y vía de administración. Consulta esta plataforma en el siguiente enlace: https://worldhealthorg.shinyapps.io/glass-dashboard/_w_e4554c8c/#!/home BIBLIOGRAFÍA OMS https://www.who.int/initiatives/glass https://www.who.int/news/item/13-02-2024-information-note—glass-data-visualization-dashboard https://worldhealthorg.shinyapps.io/glass-dashboard/_w_e4554c8c/#!/home
Estrategias de sistemas de aprendizaje antimicrobiano combinados con inteligencia artificial podrían convertirse en una herramienta fundamental contra la resistencia antimicrobiana. La resistencia antimicrobiana (AMR, en inglés) es un reto importante en el cuidado de las infecciones, ya que demanda tanto la optimización de antimicrobianos como una atención más amplia a las infecciones. De esta manera, la gestión eficaz de la AMR involucra tanto el control del uso de antimicrobianos (AMS, en inglés) como la prevención y el control de infecciones (IPC, en inglés). Los equipos de AMS e IPC trabajan para implementar una vigilancia activa y diversas intervenciones en sistemas de salud, caracterizados por la captura incompleta de datos, la escasez de nuevos antimicrobianos, los formularios de tratamiento antimicrobiano universales, las presiones de recursos y los avances diagnósticos poco valorados o implementados. Según un estudio reciente publicado en The Lancet Digital Health, los sistemas de inteligencia artificial (IA) orientados a la AMR (AMR-AI) podrían ser valiosos para estos equipos de profesionales. Su capacidad para procesar, interpretar y actuar rápidamente sobre datos clínicos brinda flexibilidad en entornos que cambian constantemente. Sin embargo, los sistemas de salud suelen estar adaptados a evaluar e implementar intervenciones fijas para objetivos que también son fijos. La implementación eficaz de modelos adaptables de AMR-AI requiere un enfoque de implementación a medida. Los autores proponen un enfoque sistemático específico para AMR (AMR-AI) como parte de entidades sociotécnicas llamadas sistemas de aprendizaje antimicrobiano (ALSs). El marco de trabajo adaptable aborda la identificación del problema de la AMR, regulaciones, apoyo organizativo, procesamiento de datos, desarrollo y mantenimiento de la IA, y la capacidad de escalar estas soluciones en contextos clínicos y poblacionales. La implementación exitosa de sistemas de aprendizaje antimicrobiano adaptativos, basados en IA, puede ser crucial para mejorar el uso de antimicrobianos y la atención a las infecciones en entornos de salud desafiantes. Este marco proporciona un paso importante para la creación de modelos de IA que puedan adaptarse a la evolución constante de la AMR y mejorar la gestión de infecciones en contextos clínicos y de salud pública. Conoce más en el siguiente enlace: https://www.thelancet.com/journals/landig/article/PIIS2589-7500(23)00221-2/fulltext BIBLIOGRAFÍA THE LANCET https://www.thelancet.com/journals/landig/article/PIIS2589-7500(23)00221-2/fulltext
La Reunión Anual de la Red PulseNet América Latina y el Caribe presentó avances en vigilancia genómica en la región.
Investigadores del MIT utilizaron machine learning y deep learning para identificar compuestos que son letales para microbios inactivos. La resistencia antimicrobiana es un problema de salud pública a nivel mundial según la Organización Mundial de la Salud (OMS). Esto sucede cuando una infección se trata repetidamente y existe el riesgo de que las bacterias se vuelvan resistentes a los antibióticos. Diversos estudios sugieren que las bacterias pueden estar volviéndose metabólicamente inertes y escapan de la detección de los antibióticos tradicionales que solamente responden a la actividad metabólica. “La resistencia se produce cada vez más con el tiempo, y las infecciones recurrentes se deben a esta latencia”, explicó la Dra. Jackie Valeri, especialista en biología y machine learning del MIT. La Dra. Valeri y colegas del Laboratorio Collins del MIT, publicaron en Cell Chemical Biology un artículo que detalla cómo el machine learning podría ayudar a detectar compuestos que son letales para las bacterias inactivas. El estudio detalla la importancia de desarrollar antibióticos no tóxicos que sean eficaces contra bacterias metabólicamente inactivas. Asimismo, el estudio explica que combinaron un método de detección en fase estacionaria con pantallas virtuales impulsadas por deep learning y filtrado de toxicidad para descubrir compuestos letales contra bacterias metabólicamente inactivas y perfiles de toxicidad favorables. De esta manera, los investigadores pudieron identificar un compuesto denominado semapimod, un fármaco antiinflamatorio utilizado para enfermedad de Crohn. De igual forma el estudio reveló que el semapimod tiene la capacidad para alterar las membranas de las bacterias Gram negativas que son resistentes a los antibióticos. En este sentido, el semapimod, sensibiliza las bacterias Gram negativas a fármacos que normalmente solo son activos contra bacterias Gram positivas. Algunas bacterias gram negativas son Escherichia coli, Acinetobacter baumannii, Salmonella y Pseudomonis, para las cuales es difícil encontrar nuevos antibióticos. “Una de las formas en que descubrimos el mecanismo del semapimod fue que su estructura era realmente grande y nos recordaba a otras cosas que apuntan a la membrana externa”, explica la Dra. Valeri. “Cuando empiezas a trabajar con muchas moléculas pequeñas… a nuestros ojos, es una estructura bastante única”, agregó. BIBLIOGRAFÍA CELL https://www.cell.com/cell-chemical-biology/abstract/S2451-9456(23)00387-2 MIT https://news.mit.edu/2024/mit-scientists-are-using-artificial-intelligence-target-sleeper-bacteria-0408
La pandemia por COVID-19, favoreció la digitalización de los servicios en el ISSSTECALI incluyendo la educación continua. El Instituto de Seguridad y Servicios Sociales de los Trabajadores del Gobierno y Municipios del Estado de Baja California (ISSSTECALI), fortaleció sus esfuerzos en telemedicina y teleenseñanza durante la pandemia por COVID-19. En este sentido gracias a estos esfuerzos los trabajadores del ISSSTECALI crearon la plataforma educativa virtual de Autoaprendizaje Virtual de Educación en Salud o AVES. AVES es una plataforma innovadora y flexible que facilita la educación y capacitación continua virtual de los trabajadores del instituto, además se trata de la primera plataforma educativa en salud institucional en todo el estado. Lanzada en julio de 2020 durante la emergencia sanitaria, AVES se posicionó como una plataforma educativa importante para la actualización del personal médico en el instituto. La plataforma de AVES permite conectarse desde cualquier dispositivo y todos sus cursos cuentan con valor curricular vigente por parte del Comité Normativo Nacional de Medicina General (CONAMEGE). Actualmente, en 2023, AVES cuenta con una oferta educativa de 29 cursos activos de los cuáles hay contenidos enfocados para el público en general, hasta cursos más específicos sobre enfermedades como hepatitis virales, síndrome de intestino irritable, y resistencia antimicrobiana. Además, cada año se actualizan los cursos para mantener el interés de los usuarios. Durante su primer año, AVES emitió mil 260 constancias, número que ascendió en 2021 a 2 mil 344, sin embargo, en 2022 y 2023 (hasta octubre) se han emitido mil 521 y mil 422 respectivamente. De esta forma en más de tres años de su creación AVES ha emitido 6 mil 547 constancias. Cabe mencionar que AVES fue desarrollado completamente por el personal interno de la Dirección de Informática de ISSSTECALI. BIBLIOGRAFÍA CENETEC https://cenetec-difusion.com/observatoriotelesalud/wp-content/uploads/2023/12/Boletin-ISSSTECALI.pdf
La OPS establece redes clave para mejorar la detección temprana de patógenos en las Américas. La Organización Panamericana de la Salud (OPS) ha liderado la iniciativa de la primera reunión de las Redes de Vigilancia Genómica Regional de la OPS (PAHOGen) con el propósito de fortalecer la vigilancia de patógenos emergentes en las Américas. Esta colaboración estratégica, respaldada por la Fundación Wellcome Trust, resalta el papel esencial de la OPS y sus redes de vigilancia en la protección de la salud pública regional y global. El enfoque en la vigilancia genómica es de suma importancia para detectar rápidamente patógenos emergentes y comprender la resistencia antimicrobiana. La OPS ha colaborado de manera cercana con los estados miembros para mejorar la capacidad de secuenciación en laboratorios regionales y nacionales, generando datos precisos para fortalecer sistemas de vigilancia. En este sentido, redes como PulseNet América Latina y el Caribe (PNALC) y la Red de Vigilancia de la Resistencia a los Antimicrobianos (RELAVRA+) destacan el compromiso de la OPS con la salud pública en la región. La implementación de redes especializadas, como COVIGEN para COVID-19 y RESVIGEN para virus respiratorios, subraya su adaptación a desafíos emergentes. La reunión realizada en la ciudad de Brasilia reunió a 120 expertos de 26 países y territorios, con el objetivo de compartir experiencias, estrategias para mejorar la recolección de datos, y la calidad de la información. La colaboración entre epidemiología y clínica fue resaltada durante la reunión, así como su importancia para alcanzar una mejor integración de datos en políticas de salud pública. De esta manera la OPS se mantiene impulsando en la vigilancia genómica de patógenos, estableciendo un plan para mejorar la capacidad de vigilancia y secuenciación. En este sentido El Dr. Jairo Méndez, líder del proyecto “Estableciendo Centros de Epidemiología Genómica en América Latina”, destacó el apoyo de la OPS y la Fundación Wellcome Trust, e hizo hincapié en la necesidad la colaboración continua para mejorar la salud en la región. BIBLIOGRAFÍA OPS https://www.paho.org/es/noticias/17-11-2023-ops-inaugura-pahogen-con-su-primera-reunion-redes-vigilancia-genomica-regional
Argentina, Brasil, Chile, Colombia, Paraguay, Perú y Uruguay forman parte de un proyecto financiado por la Unión Europea para combatir la resistencia a los antimicrobianos (RAM). La estrategia “Trabajando juntos para combatir la resistencia a los antimicrobianos” busca coordinar esfuerzos para mitigar riesgos en la salud humana, animal y del medio ambiente, utilizando diversas herramientas de vigilancia epidemiológica. Este proyecto estratégico tiene como objetivo apoyar los esfuerzos para combatir la resistencia a los antimicrobianos a través de la implementación de los Planes de Acción Nacional de Argentina, Brasil, Chile, Colombia, Paraguay, Perú y Uruguay. Además, el proyecto está liderado por la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO), la Organización Mundial de Sanidad Animal (OIE) y la Organización Panamericana de la Salud. En Uruguay, el desempeño de estas acciones se realiza bajo la supervisión de la Consultora Nacional de Resistencia Antimicrobiana, la Dra. Grisel Rodríguez Cunsa, quien ha realizado un trabajo de capacitación y entrenamiento del personal del Laboratorio Referente Nacional y la Red de Laboratorios del país. La capacitación contó con la colaboración de la OPS, específicamente en el entrenamiento del personal de laboratorios y servicios informáticos del país, así como el Instituto Malbrán y el Laboratorio Nacional de Referencia (LNR) de Argentina. Uno de los principales objetivos de esta estrategia fue la adopción de un lenguaje único para la vigilancia epidemiológica de la resistencia antimicrobiana y la detección de mecanismos de resistencia, para ello se utilizó la herramienta WHONET de la OMS/OPS. WHONET, es una herramienta para crear bases de datos para laboratorios de microbiología, actualmente disponible en 44 idiomas, y aplicado a nivel local, nacional y regional en más de 2 mil 300 establecimientos de salud pública y salud animal. Durante el curso de trabajo para generar una red de detección rápida de la RAM en vigilancia epidemiológica de infecciones. En este sentido la red permitirá estar alerta y responder de manera inmediata y conjunta ante una amenaza para la salud pública. BIBLIOGRAFÍA OPS https://www.paho.org/es/noticias/2-9-2022-vigilancia-epidemiologica-ram-con-lenguaje-unico