Publicidad
Publicidad

Pruebas de Inteligencia Artificial afinan las predicciones en Alzheimer y cáncer

Determinar por el olfato qué personas han padecido Covid-19, saber por qué la Dermatología se centra en los casos de personas caucasianas y calcular cuántos años se puede predecir la propensión a desarrollar la enfermedad de Alzheimer son algunas de las apuestas más recientes de la Inteligencia Artificial. Sin olvidar el potencial del Deep Learning para afinar el sistema inmune en neoplasias.

07/04/2021

La compañía IBM reunió este miércoles, 7 de abril, a científicos de América Latina y España para dar a difundir nuevas pistas sobre la Inteligencia Artificial (IA) aplicada a disciplinas tan diversas como las enfermedades degenerativas, la confirmación diagnóstica de la Covid-19 por pruebas verbales de olfato, el descuido en ...

La compañía IBM reunió este miércoles, 7 de abril, a científicos de América Latina y España para dar a difundir nuevas pistas sobre la Inteligencia Artificial (IA) aplicada a disciplinas tan diversas como las enfermedades degenerativas, la confirmación diagnóstica de la Covid-19 por pruebas verbales de olfato, el descuido en la literatura científica de aspectos étnicos en Dermatología y la creciente capacidad de predecir y diseñar una respuesta inmunitaria cada vez más personalizada en cáncer.

pruebas-de-texto-con-inteligencia-artificial-afinan-las-predicciones-e

Ajay Royyuru

El vicepresidente de Healthcare & Life Sciences Research de IBM, Ajay Royyuru, afirmó en su introducción que la digitalización es la intersección entre las ciencias de la vida y el ámbito de la salud.

Gracias, entre otras cosas, a que la salud computacional gana terreno en los encuentros médicos porque estos ya son mayoritariamente online. Con beneficios como poder inferir cosas más precisas a la hora de anticiparse al progreso de las enfermedades o de reclutar pacientes para los ensayos clínicos, entre otras posibilidades. Mediante la comprensión por parte de los dispositivos del habla y el lenguaje escrito de los pacientes.

pruebas-de-texto-con-inteligencia-artificial-afinan-las-predicciones-e

Caro Cueliche

Caro Cueliche, Communications Leader for Cloud, Research & Quantum de IBM en America Latina, añadió a lo anterior que es tarea de los investigadores, dentro y fuera de la compañía tender a modelos transparentes y explicables, además de útiles en las distintas áreas terapéuticas analizadas durante la reunión virtual.

pruebas-de-texto-con-inteligencia-artificial-afinan-las-predicciones-e

Guillermo Cecchi

Dentro de esta cita de IBM Research con la IA y la investigación biomédica, Guillermo Cecchi, gerente del Laboratorio de Psiquiatría Computacional y Neuroimágenes del IBM Thomas J. Watson Research Center, puso al día la detección temprana de la enfermedad de Alzheimer, fundamentalmente a través del uso de marcadores del habla.

Se trata de estrategias que permiten el procesamiento de señales, la identificación del tono del habla de la persona y la presencia en el discurso de metáforas.

Partió Cecchi de la inferencia del Mini Estado Mental (MMSE) de Deterioro Cognitivo, con origen a mediados del siglo XX, y la prueba lingüística "del robo de la galleta", relatado brevemente por varios sujetos.

Sugirió que estos análisis realizados en apenas unos minutos pueden ahorrar consultas de más de una hora con los psicoterapeutas. Al igual que el estudio con novicias y religiosas (Nun Study) permitió predecir qué hermanas desarrollarían Alzheimer, a partir de sus diarios personales.

Mientras que el estudio realizado en la población norteamericana de Framingham (Massachussetts) marcó como frontera del debut de la enfermedad los 85 años de edad. Con una anticipación de 7,6 años respecto a la aparición de los primeros síntomas de la enfermedad. De forma que, aseguró, se puede aplicar esta estrategia cada 6 meses en las intervenciones no farmacológicas y los tratamientos químicos.

pruebas-de-texto-con-inteligencia-artificial-afinan-las-predicciones-e

"Kely" y Pablo Meyer Rojas

Seguidamente, dos investigadores se aplicaron a detallar la relación que existe entre el sentido del olfato y algunas enfermedades como la Covid-19. En primer lugar, Pablo Meyer Rojas, gerente de análisis y modelados biomédicos del mismo centro de IBM, detectó cierto desdén histórico de la ciencia por estudiar el olfato a fondo. Probablemente, asumió, porque el bulbo olfativo ocupa un espacio muy pequeño dentro del cerebro humano. Lo que no impide, objetó, que este sentido sea ampliamente explotado en la enología y los perfumes, por citar sólo dos ejemplos del mundo empresarial. Tal como reflejó un estudio desarrollado por la Universidad de Rockefeller de Nueva York (EEUU), única investigación masiva en la materia.

Aportó Meyer Rojas detalles de un estudio realizado con 50 personas que olieron 500 moléculas en varias concentraciones, a las que pudieron asignar atributos según palabras como olor a pan, a quemado, a orina y así hasta completar 21 términos.

En el referido estudio, se presentaron olores a la computadora con una red concéntrica de atributos que permitió predecir el olor de cada molécula, como suerte de ingeniería olfativa inversa.

También aludió este investigador a los numerosos cambios que operan en el olfato a lo largo de patologías y desarrollos como el Parkinson o el Alzheimer.

A lo anterior, Raquel Norel "Kely", investigadora de Digital Health, añadió representaciones vectoriales de palabras, para comparar respuestas binarias y de texto libre en posibles pacientes de Covid-19. Con una precisión del 85% atribuida al segundo tipo de respuestas, como se ha publicado recientemente en la portada del New York Times portada.

Para Kely y Meyer Rojas, el análisis de un par de líneas de texto escrito por una persona es suficiente para saber si ha pasado la Covid-19, o no.

pruebas-de-texto-con-inteligencia-artificial-afinan-las-predicciones-e

Celia Cintas

Durante su turno de palabra, Celia Cintas, investigadora de AI Science en IBM Research para África, describió nuevos usos en la detección, corrección y uso de los datos, sin incurrir en sesgos de corte étnico que puedan alterar los diagnósticos o puedan restar eficacia a los tratamientos en Dermatología.

A partir de una primera conclusión como es que las poblaciones de personas afrodescendientes ven retrasados sus diagnósticos cuando desarrollan un melanoma. Por lo que propuso armonizar el aprendizaje automático para diagnóstico de esta grave enfermedad de la piel con una visión computacional más abierta a los distintos tipos de piel. Para lo que se fijó en modelos que permiten la selección de pixels por tonalidad. Al existir también la clasificación Typology Angle (ITA) que atribuye valores superiores a 50 a las pieles más claras y por debajo de 10 a las más oscuras.

También hizo referencia a modelos entrenados Mask-R CNN con máscaras binarias de blanco para la lesión cutánea y de negro para la piel sana, en la visualización de las afecciones de la piel

Señaló esta investigadora, además, el predominio de poblaciones caucásicas en la bibliografía científica dermatológica y apuntó a que esto también se produce en relación con la edad y el género.

pruebas-de-texto-con-inteligencia-artificial-afinan-las-predicciones-e

María Rodríguez Martínez

Finalmente, María Rodríguez Martínez, investigadora del IBM Zurich Research Laboratory, analizo los nuevos cauces existentes a la hora de predecir y diseñar la respuesta inmunitaria mediante modelos de aprendizaje profundo (Deep Learning). Planteamiento que le llevó a afirmar que cada tipo de cáncer requiere su propio modelo de AI, ya sea puro o mixto.

Introdujo a los asistentes en la Biología de Sistemas mediante datos moleculares de las células para combatir el cáncer. Para identificar sus mecanismos y grado de agresividad en el objetivo de llegar a mejores terapias.

Explicó los modelos híbridos multiescala del sistema inmunitario. De forma que pueda ser modificado, o "reeducado", para que el cuerpo humano pueda defenderse de manera más contundente.

Dentro de las nuevas tendencias, citó la posibilidad de combinar los modelos deterministas como los estocásticos y los de IA.

Puso para ello como ejemplo un modelo matemático estocástico multiescala de desarrollo y maduración de células B para la destrucción de agentes invasores. Al brindar capacidad para detectar las proteínas específicas de virus y otros patógenos, conocer sus itinerarios, generar anticuerpos y optar a otros comportamientos celulares. Como ya se logra, aseveró, en su aplicabilidad a ciertos linfomas.

También citó un modelo de IA con capacidad de predicción de reconocimiento de antígenos por células T, tal como se estudia en las últimas inmunoterapias ya disponibles o en investigación.

Para, entre otras opciones, determinar la afinidad mediante modelo de Deep Learning, con introducción de epitopos y proteínas para saber si las células T son capaces de reconocerlos.

Además, aludió al aprendizaje profundo en dominios ricos de datos que deben atender al criterio de interpretabilidad sobre receptores. Con atención a que las secuencias pueden ser vistas como "cajas negras" que permitan conocer las causas intrínsecas de los fenómenos. Dado que existen aminoácidos importantes en las interacciones, según concretó.

En busca, por todo ello, de un modelo multiescala e híbrido de sistemas, en palabras de Rodríguez Martínez.

Publicidad
Publicidad
Nuestros Podcasts