La inteligencia artificial ha influido en muchos sectores y ha logrado transformar campos como el comercio electrónico, el marketing online y la logística. En realidad, todos los sectores que disponen de cantidades muy grandes de datos, tienen la oportunidad de utilizarlos tanto para la investigación y desarrollo de nuevos productos, como para dar un mejor servicio a sus clientes. Sin darnos cuenta, se ha integrado en nuestro día a día. Un ejemplo de esto son los productos relacionados a alguna compra que hayamos realizado online, anuncios sobre algo que hemos estado hablando o mirando y las noticias que aparecen en nuestras redes sociales.
La inteligencia artificial es un campo de la informática que analiza y desarrolla sistemas que pueden realizar tareas que hace la inteligencia humana, como reconocer a otra persona por su rostro. En algunos casos, estos sistemas aprenden a realizar tareas con autonomía. Sin embargo, aunque las máquinas son capaces de hacer mejores tareas repetitivas o extraer patrones de grandes volúmenes de datos, todavía no aplican la creatividad, no son capaces de aprender de experiencias pasadas y no saben improvisar respuestas.
Investigadores de IA en Google dieron a conocer una red neuronal que puede predecir la función de una proteína a partir de su secuencia de aminoácidos, lo que puede ayudar a los biólogos a entender lo que hace una proteína recién descubierta.
Los defensores de la IA dicen que nadie está hablando de sacar a los investigadores humanos de la ecuación y el mantra. El objetivo es "aumentar y mejorar la capacidad de toma de decisiones de los científicos", afirma Jackie Hunter, exejecutiva de investigación de GlaxoSmithKline que ahora lidera programas clínicos en BenevolentAI. A corto plazo, es más probable que las simulaciones basadas en IA se usen para determinar si los fármacos prospectivos serán efectivos antes de ir a un ensayo clínico completo.
Una empresa aeroespacial "no construirá y volará un avión sin diseñarlo primero en la computadora y simularlo bajo muchas condiciones", asegura Colin Hill de GNS Healthcare, un emprendimiento que usa IA para modelar enfermedades, cuyos inversionistas incluyen a Amgen Inc. En el futuro, los laboratorios no comenzarán los ensayos clínicos sin una prueba virtual, dice.
En cualquier caso, la sorpresa de México ha aumentado el ritmo. DeepMind "básicamente abatió a todos por un margen considerable", asegura AlQuraishi, el investigador de Harvard. Si los fabricantes de fármacos no toman en serio la amenaza, dice, podrían quedar mordiendo el polvo.
La inteligencia artificial se podría usar para escanear millones de imágenes celulares de alta resolución —más de las que los humanos podrían procesar por su cuenta— para identificar terapias que podrían hacer que las células enfermas sean más saludables de formas inesperadas.
En Recursión, uno de los primeros emprendimientos en usar estos métodos, cada semana los robots aplican miles de fármacos potenciales a varios tipos de células enfermas, en 400,000 a 500,000 experimentos en miniatura que generan entre 5 y 10 millones de imágenes celulares. Luego, los algoritmos de aprendizaje automático escanean las imágenes en busca de compuestos que interrumpan la enfermedad sin dañar las células sanas.
Los algoritmos iniciales se codificaron a mano para interpretar las funciones celulares básicas, pero Recursion usa cada vez más los métodos de redes neuronales que interpretan directamente las imágenes y pueden identificar patrones que los programadores humanos no habrían buscado. Los informáticos trabajan en conjunto con los biólogos en el laboratorio para refinar las búsquedas.
La compañía, con acuerdos para enfermedades raras con Takeda Pharmaceutical Co. Ltd. y Sanofi, generó más de 2.5 petabytes de datos en los últimos años, un total que excede aproximadamente el ancho de banda de todas las películas de Hollywood.
Lo que está haciendo la compañía "no era factible hace seis, siete, u ocho años", asegura Gibson, su fundador.
Gibson incursionó en el aprendizaje automático como estudiante de posgrado en la Universidad de Utah, en busca de tratamientos para la malformación cavernosa cerebral, que causa grupos anormales de vasos sanguíneos con fugas en el cerebro.
El trastorno afecta a aproximadamente 1 de cada 500 personas, según Angioma Alliance, y aunque suele ser silencioso, puede provocar convulsiones, dificultades en el habla o la visión y hemorragias cerebrales devastadoras. Un medicamento que Gibson probó en la Universidad de Utah según la comprensión de la enfermedad en el momento empeoró sus síntomas en animales.
Frustrados, Gibson y sus colegas usaron un software de aprendizaje abierto para escanear imágenes celulares e investigar los efectos de 2,100 compuestos, buscando aquellos que mejoraran la apariencia y la función de las células de los vasos sanguíneos que portaban los genes defectuosos.
Los algoritmos apuntaban a un químico inesperado que reducía los vasos sanguíneos con fugas en pruebas con animales en un 50%. Ese fármaco, listo para entrar en ensayos en humanos de segunda etapa, condujo a la fundación de Recursión.
No obstante, los investigadores están trabajando para que, en un futuro, la inteligencia artificial pueda combatir enfermedades o reducir sus efectos. está llamada a revolucionar prácticamente todos los ámbitos de nuestra vida. El CEO de Google, Sundar Pichai, afirma que esta tecnología va a tener aún más impacto que dominio del fuego o la electricidad. mejora sustancial del tiempo de detección de las enfermedades y de la eficacia de los tratamientos prescritos.
La inteligencia artificial puede contribuir en el avance hacia una medicina personalizada, gracias a soluciones que den soporte al profesional sanitarios en la toma de decisiones clínicas y ofrezcan toda la información pertinente. No se trata de sustituir al personal sanitario, sino de incorporarla como un elemento más en el que confiar. Asimismo, el paciente requiere también asesoramiento continuo en la gestión de su salud, siendo la inteligencia artificial la solución para cubrir los espacios y momentos en los que el profesional sanitario no está disponible.
Podemos vislumbrar un futuro en el que los enfermos o los ancianos estén acompañados en sus hogares por robots, capaces de realizar tareas básicas y hacer un seguimiento para detectar tempranamente posibles complicaciones o emergencias. Hay que tener en cuenta el papel que puede jugar la inteligencia artificial en la prevención y la predicción.
La aplicación de la inteligencia artificial en el ámbito sanitario no es una opción que contemplemos para el futuro, sino que ya es un hecho. El procesamiento ‘inteligente’ de información clínica, como las notas del médico o las imágenes de soporte al diagnóstico, están suponiendo una revolución en el diagnóstico precoz de enfermedades y búsqueda de las mejores opciones de tratamiento. En estos casos, el ‘conocimiento’ que se extrae de cáncer de mama, de piel y de degeneración macular basado en redes neuronales e imagen digital llamado Digital EYe, que pronto verá la luz
Los proveedores de servicios sanitarios han de garantizar que la inteligencia artificial participa del cuidado del paciente sólo en aquellos casos en los que el paciente y el profesional confían en su labor, En cuanto a la veracidad de los datos sobre los que se sustenten estas soluciones, hace hincapié en que es imprescindible que carezcan de sesgos de partida que desvirtúen los servicios basados en inteligencia artificial
Buena parte de lo que la ciencia médica sabe sobre las enfermedades procede de investigaciones hechas usando modelos de ratón (ratones específicamente criados para tener las características de la enfermedad que se está estudiando). Además, cada nuevo fármaco tendrá primero que demostrar cierto nivel de eficacia y seguridad en ratones. Pero los ratones no son humanos, y las diferencias entre especies han sido consecuentemente un obstáculo para trasladar la investigación del laboratorio a algo que sea valioso para pacientes y doctores.
El innovador modelo de aprendizaje automático de CytoReason traslada los resultados de nuevos experimentos con ratones a la afección humana equivalente. (Imagen: CytoReason / Technion). Hasta ahora, no se ha incorporado de forma sistemática el conocimiento de las diferencias entre las especies a la interpretación de los modelos animales. Intentando superar este gran problema, científicos de la empresa CytoReason, con sede en Israel, y el Instituto Tecnológico de Israel (el Technion), trabajaron en el desarrollo de un modelo de conversión de datos de ratón a humano.
El resultado de esta labor ha tenido éxito y ahora se ha presentado públicamente. Los datos de dolencias obtenidos de modelos de ratón son traducidos eficazmente por el sistema en datos de enfermedades humanas.
Dicho modelo de ratón a humano, denominado FIT (por las siglas de Found In Translation), ha demostrado su gran capacidad de extrapolar los resultados de investigaciones médicas hechas en ratones. Probado en modelos de ratón de 28 enfermedades humanas diferentes, el FIT ha obtenido buenos resultados, superando en hasta un 50 por ciento a los métodos tradiciones de extrapolación.
La Inteligencia Artificial (IA) utiliza las máquinas para analizar un elevado número de datos y extraer la información más relevante que estos puedan ofrecer. El objetivo es lograr una mayor eficacia, aligerar tiempos y poder trabajar con cantidades que serían inviables de forma manual.
Existen cuatro modelos básicos de análisis de datos: descriptivos, predictivos, proactivos y prescriptivos. Los primeros "contrastan la información y, en base al contexto y a los objetivos marcados, generan los patrones que modelizan ese negocio",. En el área de la salud, por ejemplo, podrían mostrar por qué algunos fármacos son más efectivos que otros o por qué ciertos medicamentos son mejores para unos pacientes y no para otros.
Una vez que conocemos estas reglas, "ante nuevos pacientes o nuevos datos, se pueden aplicar los conocimientos adquiridos para saber lo que va a pasar y hacer ciertas predicciones. Qué sucederá a determinado paciente sí sigue tomando este medicamento, cuáles serán las consecuencias de no tomar ninguna medicación, etc.
Los modelos proactivos, por su parte, nos indican quién se está comportando de una forma normal y quién no De esta manera, podemos centrarnos en aquellos que son más críticos o que presentan alguna anomalía.
Por último, se encuentran los prescriptivos, que recomiendan impactos. Por ejemplo: "Si tengo un paciente que va a ir mal, pero tengo información de casos similares que van a ir bien; y observando sus diferencias nutricionales y médicas, el sistema nos va a decir qué tiene que tomar o hacer para mejorar su situación.
Con más de 10 años de experiencia en el campo de la Inteligencia Artificial, Ibermática se sirve de las últimas tecnologías y las más punteras innovaciones en campos tan diversos como la industria, la salud, el márquetin o la agricultura. En el mundo de la salud, esta compañía ha creado un proyecto que pretende poner el foco en la alimentación personalizada para prevenir enfermedades y alergias, mejorar el estado de ánimo y optimizar el rendimiento físico, entre otros. "Hasta ahora, las recomendaciones de los nutricionistas son muy generalistas", indica Aitor Moreno. La IA trata de cambiar esta tendencia. Gracias a ella, se realiza un análisis rápido y efectivo de los millones de informaciones que intervienen en los procesos de la nutrición de cada persona, como los datos clínicos del individuo, sus preferencias culinarias, cómo funcionan las bacterias de su flora intestinal, sus dolencias o patologías, etc. El objetivo: "Poder pautar una alimentación a medida que genere un impacto positivo en la salud del paciente", concluye. En la actualidad se prosiguen haciendo estudios al algodón de carácter genético para hacerlos comestibles. Y ya hay jugos de ese perfil que ya es ofrecido en algunos mercados.