Cómo la inteligencia artificial ayuda en la investigación médica

Inteligencia artificial e investigación médica

Cómo la inteligencia artificial ayuda en la investigación médica

La inteligencia artificial (IA) es la capacidad de las máquinas de realizar tareas que normalmente requieren inteligencia humana, como el reconocimiento de patrones, el aprendizaje, la toma de decisiones o el procesamiento del lenguaje natural. La IA tiene un gran potencial para mejorar la calidad y la eficiencia de la investigación médica, así como para descubrir nuevos tratamientos, diagnósticos y prevenciones para diversas enfermedades.

En este artículo, vamos a ver algunos ejemplos de cómo la IA está ayudando en la investigación médica, tanto en el ámbito académico como en el industrial. También veremos algunos casos reales de éxito y algunos desafíos y limitaciones que aún existen.

La IA aplicada a la genómica y la proteómica

La genómica es el estudio de los genomas, es decir, el conjunto completo de información genética de un organismo. La proteómica es el estudio de las proteínas, que son las moléculas que realizan la mayoría de las funciones biológicas en las células. Ambas disciplinas generan una enorme cantidad de datos que requieren un análisis complejo y sofisticado.

La IA puede ayudar a analizar estos datos de forma más rápida y precisa, identificando patrones, relaciones y anomalías que pueden revelar información relevante para la investigación médica. Por ejemplo, la IA puede ayudar a:

  • Secuenciar y ensamblar genomas completos a partir de fragmentos de ADN.
  • Comparar genomas entre individuos o especies para encontrar diferencias o similitudes.
  • Detectar mutaciones o variantes genéticas asociadas a enfermedades o rasgos.
  • Predecir la estructura y la función de las proteínas a partir de su secuencia de aminoácidos.
  • Diseñar proteínas artificiales con propiedades específicas.
  • Descubrir nuevos fármacos o dianas terapéuticas basados en el conocimiento molecular.

Algunos casos reales de uso de la IA en la genómica y la proteómica son:

  • AlphaFold: un sistema desarrollado por DeepMind (una empresa subsidiaria de Google) que utiliza redes neuronales profundas para predecir la estructura tridimensional de las proteínas a partir de su secuencia. Este sistema ha logrado superar a los métodos tradicionales y ha sido reconocido como un hito en la biología computacional.
  • EMBL-EBI: un centro europeo de bioinformática que ofrece servicios y recursos basados en la IA para el análisis y la interpretación de datos genómicos y proteómicos. Por ejemplo, ofrece herramientas para el alineamiento, la anotación, la comparación y la visualización de secuencias, así como para la búsqueda y el descubrimiento de biomarcadores, fármacos o dianas.
  • Deep Genomics: una empresa canadiense que utiliza la IA para descubrir nuevos medicamentos basados en el ARN (ácido ribonucleico), una molécula que interviene en la expresión de los genes. Su plataforma combina el aprendizaje automático con el conocimiento biológico para predecir los efectos de las variantes genéticas y diseñar moléculas terapéuticas.

La IA aplicada a la imagen médica

La imagen médica es el conjunto de técnicas que permiten obtener imágenes del interior del cuerpo humano con fines diagnósticos o terapéuticos. Algunos ejemplos son las radiografías, las ecografías, las resonancias magnéticas o las tomografías computarizadas.

La IA puede ayudar a procesar estas imágenes de forma más eficiente y precisa, extrayendo información relevante para la investigación médica. Por ejemplo, la IA puede ayudar a:

  • Mejorar la calidad y la resolución de las imágenes.
  • Segmentar y clasificar las regiones o los objetos de interés en las imágenes.
  • Detectar y cuantificar anomalías o lesiones en las imágenes.
  • Generar imágenes sintéticas o realistas a partir de datos incompletos o ruidosos.
  • Comparar imágenes entre individuos o grupos para encontrar diferencias o similitudes.

IBM Watson Health

Algunos casos reales de uso de la IA en la imagen médica son:

  • IBM Watson Health: una división de IBM dedicada a aplicar la IA al ámbito sanitario. Entre sus productos se encuentra Watson for Medical Imaging, una plataforma que utiliza algoritmos de visión por computador y aprendizaje automático para analizar imágenes médicas y extraer información clínica relevante.
  • Arterys: una empresa estadounidense que ofrece soluciones basadas en la IA para el análisis y la visualización de imágenes médicas. Su plataforma permite realizar mediciones automáticas, segmentaciones precisas y diagnósticos asistidos por ordenador en diversas modalidades como cardiología, oncología o neurología.
  • Subtle Medical: una empresa estadounidense que utiliza la IA para mejorar la calidad y la eficiencia de las imágenes médicas. Su tecnología permite reducir el tiempo y la dosis de radiación necesarios para obtener imágenes claras y detalladas.

La IA aplicada a los ensayos clínicos

Los ensayos clínicos son estudios experimentales que se realizan con personas voluntarias para evaluar la seguridad y la eficacia de nuevos tratamientos, diagnósticos o prevenciones para diversas enfermedades. Los ensayos clínicos son esenciales para el avance de la investigación médica, pero también son costosos, complejos y demorados.

La IA puede ayudar a optimizar los ensayos clínicos, reduciendo los costes, los riesgos y el tiempo necesarios para obtener resultados fiables. Por ejemplo, la IA puede ayudar a:

  • Diseñar los protocolos y los criterios de los ensayos clínicos.
  • Reclutar y seleccionar a los participantes adecuados para los ensayos clínicos.
  • Monitorizar y evaluar el progreso y los efectos adversos de los ensayos clínicos.
  • Analizar e interpretar los datos y los resultados obtenidos en los ensayos clínicos.
  • Comunicar y difundir los hallazgos y las conclusiones derivados de los ensayos clínicos.

Algunos casos reales de uso de la IA en los ensayos clínicos son:

  • Antidote: una empresa británica que utiliza la IA para conectar a pacientes con ensayos clínicos relevantes para su condición. Su plataforma permite buscar e inscribirse en ensayos clínicos disponibles en todo el mundo mediante un cuestionario interactivo basado en el lenguaje natural.
  • Saama Technologies: una empresa estadounidense que ofrece soluciones basadas en la IA para acelerar los ensayos clínicos. Su plataforma permite integrar y analizar datos procedentes de diversas fuentes como registros electrónicos, dispositivos portátiles o laboratorios clínicos.
  • Deep 6 AI: una empresa estadounidense que utiliza la IA para encontrar pacientes candidatos para ensayos clínicos. Su tecnología permite extraer información relevante sobre los pacientes a partir de datos no estructurados como notas médicas, informes o historiales.

 

inteligencia artificial e investigación clinica creada con dall-e
Creada con Dall-e

Desafíos y limitaciones

A pesar del gran potencial que tiene la IA para ayudar en la investigación médica, también existen algunos desafíos y limitaciones que deben ser tenidos en cuenta. Algunos ejemplos son:

  • La calidad y cantidad de los datos: La IA depende en gran medida de disponer de datos suficientes, relevantes y fiables para entrenar sus modelos y generar sus predicciones. Sin embargo, obtener estos datos no siempre es fácil ni barato, y puede implicar problemas éticos o legales relacionados con el consentimiento, la privacidad o la seguridad.
  • La explicabilidad e interpretabilidad: La IA suele funcionar como una caja negra, es decir, no siempre se sabe cómo llega a sus conclusiones ni qué factores influyen en ellas. Esto puede dificultar su validación científica o su aceptación social, sobre todo cuando se trata de decisiones que afectan a la salud o a la vida de las personas.
  • La generalización y transferibilidad: La IA suele estar adaptada a contextos o dominios específicos, lo que puede limitar su capacidad para generalizar o transferir sus resultados a otros escenarios o poblaciones diferentes a las originales. Esto puede requerir ajustes o validaciones adicionales para asegurar su fiabilidad o aplicabilidad.

Conclusión

La inteligencia artificial es una herramienta poderosa que puede ayudar en la investigación médica, facilitando el análisis y el descubrimiento de nuevos conocimientos y soluciones para diversas enfermedades. Hemos visto algunos ejemplos de cómo la IA se aplica a la genómica y la proteómica, a la imagen médica y a los ensayos clínicos, así como algunos casos reales de éxito. Sin embargo, también hemos señalado algunos desafíos y limitaciones que aún existen y que deben ser superados para aprovechar al máximo el potencial de la IA en este campo.

Esperamos que este artículo te haya resultado útil e informativo. Si quieres saber más sobre cómo la IA puede mejorar la salud y el bienestar de las personas, te invitamos a visitar nuestro blog https://ricardomena.es, donde encontrarás más artículos y recursos sobre este tema.

Referencias y bibliografía

  • DeepMind. (2021). AlphaFold: a solution to a 50-year-old grand challenge in biology. https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology
  • EMBL-EBI. (2021). Artificial Intelligence at EMBL-EBI. https://www.ebi.ac.uk/about/our-impact/artificial-intelligence
  • Deep Genomics. (2021). Our Platform. https://www.deepgenomics.com/our-platform/
  • IBM Watson Health. (2021). Watson for Medical Imaging. https://www.ibm.com/watson-health/imaging
  • Arterys. (2021). Arterys Platform. https://arterys.com/platform
  • Subtle Medical. (2021). SubtleMR™. https://subtlemedical.com/subtlemr
  • Antidote. (2021). Find clinical trials for your condition. https://www.antidote.me/
  • Saama Technologies. (2021). Life Science Analytics Cloud (LSAC). https://www.saama.com/life-science-analytics-cloud/
  • Deep 6 AI. (2021). AI for Clinical Trial Recruitment. https://deep6.ai/

Post escrito en colaboración con ChatGPT

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *