Resultados de búsqueda para: all of us– Página 6

Durante el evento HLTH ’23 Google Cloud y lideres en el cuidado de la salud compartieron cómo la IA generativa está transformando la industria sanitaria La inteligencia artificial generativa o IA generativa, está emergiendo como un actor clave en la transformación de la industria de la salud. En el evento HLTH ‘23 Google Cloud, en colaboración con líderes de la atención médica, ha compartido cómo esta tecnología está revolucionando la forma en que abordamos la atención médica y las ciencias de la vida. Desde la asistencia a los médicos en la documentación hasta la aceleración de la investigación médica, la IA generativa ofrece un potencial transformador para mejorar la calidad de vida y la eficiencia en el campo de la salud. Uno de los aspectos más importantes en la aplicación de la IA generativa en la atención médica radica en su capacidad para ayudar a las personas a encontrar la información correcta y obtener información útil de esta. Esto beneficia tanto a las organizaciones de atención médica como a los médicos, ya que les permite funcionar de manera más eficiente y mejorar la atención al paciente. Además, las compañías de salud y ciencias de la vida pueden utilizar la IA generativa para mejorar la eficiencia operativa y respaldar herramientas como la medicina de precisión, por ejemplo. Google Cloud compartió también sus avances de la IA generativa en la atención médica, por ejemplo, Vertex AI Search, una herramienta que ayuda a los trabajadores de la salud a encontrar información relevante en datos clínicos, incluso en datos no estructurados como notas de pacientes y documentos escaneados. Asimismo, destacó el uso de grandes modelos de lenguaje (LLM, en inglés) y otras herramientas de IA generativa para personalizar materiales para los miembros y mejorar la experiencia de los pacientes. De igual manera, Google Cloud destaca la importancia de construir una base sólida de nube y datos en la atención médica, como el caso de Hackensack Meridian Health, que ha realizado una migración con éxito sus sistemas de registro de salud electrónicos (EHR, en inglés) a Google Cloud, lo que ha mejorado la agilidad, la confiabilidad y la seguridad de la organización. Por otra parte, Google Cloud también presentó avances sobre Med-PaLM 2, su LLM diseñado para la industria médica. Este modelo, fue creado para cumplir con las regulaciones de privacidad de la Norma de Privacidad de la Ley de Responsabilidad y Portabilidad del Seguro de Salud de Estados Unidos (HIPAA, en inglés) y es uno de los productos insignia de Google en IA generativa, ya que tiene el potencial de mejorar significativamente las experiencias en el campo de la salud. Med-PaLM 2 es utilizado para facilitar discusiones informativas, responder preguntas médicas complejas, buscar información en textos médicos complicados y estructurar respuestas tanto cortas como largas. Esta herramienta fue lanzada en septiembre de manera de prueba para diversas organizaciones líderes en la industria de la salud. Además, una de sus funciones es que Google Cloud permite a sus clientes beneficiarse de la combinación de Vertex AI Search y Med-PaLM 2, lo que les brinda herramientas con una gran capacidad para acceder y comprender información médica compleja, lo que agiliza la toma de decisiones informadas en organizaciones de atención médica. Según Google Cloud, esta colaboración con organizaciones del sector de la salud ayudará a desplegar nuevas soluciones de IA generativa, lo cual consideran un paso crítico importante hacia el desarrollo de tecnología basada en IA segura y útil. BIBLIOGRAFÍA GOOGLE CLOUD https://cloud.google.com/blog/topics/healthcare-life-sciences/google-cloud-talks-generative-ai-at-hlth-23

Paige, una compañía de salud especializada en IA anunció una colaboración con Microsoft para la creación del modelo de imágenes más grande para la investigación oncológica. Microsoft formará parte de una colaboración con Paige, una compañía líder en la investigación y desarrollo de soluciones clínicas basadas en inteligencia artificial (IA) para la lucha contra enfermedades. El objetivo de esta colaboración es la creación es la construcción del modelo de imágenes basado en IA más grande para transformar el diagnóstico de cáncer. Paige es un pionero en la creación de soluciones integrales de patología digital e IA clínica. Entre sus soluciones destacan el primer modelo de gran tamaño que utiliza más de mil millones de imágenes de medio millón de portaobjetos de patología de viarios tipos de cáncer. En esta ocasión están desarrollando en colaboración con Microsoft un nuevo modelo de IA, el cual será configurado con millones de parámetros. Este nuevo modelo busca captar las diversas complejidades del cáncer y ser un bastión para nueva generación de aplicaciones clínicas y biomarcadores computacionales. En este sentido esta colaboración entre Paige y Microsoft tiene como propósito generar avances significativos en la investigación del cáncer y ayudar a mejorar las vidas de los pacientes que se ven afectados por esta enfermedad. “La tecnología Paige ya va más allá de lo que es humanamente posible hoy en día y ayuda a los médicos a ofrecer una mejor atención oncológica con el apoyo de la IA. Al hacer realidad el potencial de la IA generativa a una escala sin precedentes, la colaboración del modelo Paige con Microsoft es un hito en la historia de la oncología. Abre una ventana al mundo microscópico con una fidelidad extraordinaria, lo que permite no solo una precisión mucho mayor, sino capacidades completamente novedosas”, dijo explicó el Dr. Thomas Fuchs, fundador y jefe científico de Paige. En la siguiente etapa de este proyecto, Paige plantea la incorporación de cuatro millones de portaobjetos de microscopía digitalizados de múltiples tipos de cáncer. Para ello necesita la infraestructura computacional de Microsoft, para entrenar la tecnología necesaria para escalar el modelo y promover su despliegue en hospitales y laboratorios a nivel mundial. “Al combinar la investigación de clase mundial y la infraestructura en la nube de Microsoft con la profunda experiencia y los datos a gran escala de Paige, estamos creando nuevos modelos de IA que permitirán una visión sin precedentes de la patología del cáncer”, mencionó Desney Tan, vicepresidente y director de Microsoft Health Futures. BIBLIOGRAFÍA BUSINESS WIRE https://www.businesswire.com/news/home/20230907172627/en/Paige-Announces-Collaboration-with-Microsoft-to-Build-the-World%E2%80%99s-Largest-Image-Based-AI-Model-to-Fight-Cancer

Además, anunciaron la creación de una nueva publicación especializada en inteligencia artificial denominada NEJM AI, la cual comenzará su publicación en 2024. New England Journal of Medicine (NEJM) una de las publicaciones más importantes del mundo en cuanto a investigación sobre medicina y salud, publicó una colección de artículos con algunos de los avances más relevantes en inteligencia artificial (IA) y aprendizaje automático en medicina. La colección e, muestra una recopilación de artículos previamente publicados que detallan el creciente impacto que ha tenido la IA y el aprendizaje automático en la investigación, tomando en cuenta sus diversos usos y aplicaciones clínicas como la interpretación de imágenes, la vigilancia de enfermedades infecciosas, los diagnósticos en tiempo real y las consideraciones éticas. Durante los últimos años, la IA ha ganado mayor popularidad y relevancia gracias a la creación de modelos de aprendizaje profundo capaces de generar textos e imágenes con la mínima intervención humana. Esto también ha profundizado la discusión sobre el potencial de la IA en diversos aspectos de la vida, entre ellos la salud y la investigación médica. En este sentido NEJM, expone en esta colección diversos artículos de revisión, reportes especiales y estudios de caso. La colección abre con una editorial firmada por diversos especialistas acerca de la relevancia de la IA en la medicina. Posteriormente continua con el artículo de revisión de la Dra. Charlotte J. Haug, corresponsal internacional de NJEM, y sus colegas acerca de la evolución de la IA desde el desarrollo del concepto durante las décadas de los 40 y 50, hasta el 2023. Esta revisión realiza un recorrido sobre las tecnologías asociadas con la IA que se desarrollaron en dicho periodo. El siguiente artículo aborda el presente y el futuro de la interpretación de imágenes médicas a través de IA. Este artículo realiza una extensa revisión sobre los principales usos de la IA en especialidades como la radiología y cómo se han desarrollado diversas herramientas para el análisis de imágenes, como radiografías de pecho, tomografías computarizadas o mamografías. Otro de los artículos de revisión realiza un análisis acerca de los avances de la IA en la vigilancia de enfermedades infecciosas tomando en cuenta la experiencia de la pandemia por COVID-19. La IA ha demostrado ser útil para apoyar en tareas de evaluación de riesgos, la identificación de fuentes de infección, clasificación de patógenos, entre otras. Esta colección también presenta un reporte acerca de los beneficios, límites y riesgos del modelo de lenguaje GPT-4 como un chatbot médico,  un tema que ha tomado especial relevancia desde finales de 2022 con la aparición de ChatGPT. Finalmente, la colección cierra con artículos y revisiones sobre el aprendizaje automático o machine learning en la medicina; el uso de IA para mejorar los flujos de trabajo colaborativo en la atención médica; y el uso de IA en tiempo real para el diagnóstico durante una colonoscopia. Nueva revista especializada en IA Además de la colección y la seria AI in Medicine, NEJM anunció la creación de una nueva revista NEJM AI para el próximo año, con el objetivo de proporcionar una plataforma para compartir pruebas y recursos de alta calidad para la IA médica, a la par con debates informados sobre su potencial, pero también sobre sus limitaciones. “Como revista médica, nos enfrentamos a dos nuevos retos en la publicación de NEJM AI. El primero es la amplitud de las aplicaciones potenciales de la IA. Prácticamente no existe ningún ámbito de la medicina y la asistencia sanitaria que no se esté viendo afectado por la IA”, se lee en el anuncio. BIBLIOGRAFÍA NEJM https://ai.nejm.org/

Investigadores de Johns Hopkins desarrollaron un nuevo modelo de aprendizaje profundo que podría ayudar a la terapia personalizada contra el cáncer. Ingenieros e investigadores de cáncer de Johns Hopkins han desarrollado un nuevo método de aprendizaje profundo capaz de predecir con precisión fragmentos de proteínas relacionadas con el cáncer y que podrían desencadenar una respuesta al sistema inmunitario. A pesar de que aún falta su validación en ensayos clínicos, esta tecnología sería de gran utilidad para los científicos para el desarrollo de vacunas e inmunoterapias personalizadas. El avance fue presentado a través de un estudio en la revista Nature Machine Intelligence, donde se detalla que el método de aprendizaje profundo denominado BigMHC, es capaz de identificar fragmentos de proteínas en células cancerosas que provocan una respuesta inmunitaria que destruye las células tumorales. Este hallazgo será crítico para componer la respuesta a la inmunoterapia y promover el desarrollo de terapías personalizadas contra el cáncer. La inmunoterapia contra el cáncer tiene como objetivo activar el sistema inmunológico de los pacientes y destruir las células que provocan el cáncer. “Un paso crítico en el proceso es el reconocimiento de las células cancerosas por parte del sistema inmunitario a través de la unión de las células T a fragmentos de proteínas específicas del cáncer en la superficie celular”, explicó la Dra. Rachel Karchin, profesora de ingeniería biomédica en Johns Hopkins. Los autores explican que los fragmentos de la proteína cancerígena que provoca la respuesta inmunitaria pueden originarse a partir de cambios en la composición genética de estas células. El tumor de cada paciente es distinto y tiene un conjunto único de detalles que determinan que tan complejo es el tumor y su composición, como la presentación de antígenos. A través de BigMHC, los investigadores y científicos serían capaces de identificar componentes asociados a las mutaciones en el tumor de cada paciente, así como determinar las probabilidades de desencadenar la respuesta inmunitaria deseada. El modelo de aprendizaje profundo de BigMHC, aprende a identificar antígenos de la superficie celular del tumor y posteriormente realiza el reconocimiento de células T. Este modelo fue probado en un gran conjunto de datos independentes para demostrar si mostraba resultados mejores para la predicción de presentación de antígenos que otros métodos más tradicionales.  BigMHC logró superar a siete métodos en la identificación de neoantígenos que desencadenan la respuesta de células T. “La esperanza es que BigMHC pueda guiar a los inmunólogos del cáncer a medida que desarrollan inmunoterapias que se pueden usar para múltiples pacientes, o desarrollan vacunas personalizadas que estimularían la respuesta inmunitaria de un paciente para matar sus células cancerosas”, explicó el autor principal Benjamin Alexander Albert. De esta manera, esta clase de modelos y herramientas basadas en aprendizaje profundo y aprendizaje automático son capaces de ayudar a los médicos e investigadores a desarrollar enfoques personalizados para el tratamiento de diversos tipos de cáncer. BIBLIOGRAFÍA NEWS WISE https://www.newswise.com/articles/new-machine-learning-method-may-aid-personalized-cancer-therapy NATURE https://www.nature.com/articles/s42256-023-00694-6