Republicar

Sin costo alguno, usted o su medio pueden publicar este artículo en línea o de manera impresa, gracias a nuestra Licencia de Atribución de Creative Commons. Lo animamos a hacerlo siguiendo estas sencillas instrucciones:
  1. Dar el crédito a los autores.
  2. Dar el crédito a SciDev.Net y si le es posible incluir nuestro logo y un enlace al final que lleve al artículo original.
  3. Puede también publicar las primeras líneas del artículo y luego añadir: "Lea el artículo completo en SciDev.Net" e incluir un enlace al artículo original.
  4. Si además quiere tomar las imágenes que publicamos en esta historia, deberá confirmar con la fuente original si le permite hacerlo.
  5. El modo más fácil de publicar este artículo en su sitio es usando el código que incluimos a continuación.
Para mayor información revise nuestras instrucciones de reproducción y la página de medios.

The full article is available here as HTML.

Press Ctrl-C to copy

Científicos usan algoritmos, big data y machine learning para prevención y control de enfermedades pese a falta de apoyos, escribe Martín De Ambrosio.

El investigador dominicano Rainier Mallol se encontraba en la Universidad Singularity de la NASA, en Silicon Valley, California, cuando conoció a quien sería su futuro socio. El epidemiólogo malayo Dhesi Raja le contó acerca de lo difícil que era para los funcionarios de salud planificar estrategias para el control del dengue porque desconocían cuándo aparecería la próxima epidemia.

“Fue ahí que pensé que sería una buena idea crear un algoritmo de machine learning para indentificar [un potencial brote] por adelantado”, dice Mallol, nombrado como uno de los más innovadores de menos de 35 años más destacados de Latinoamérica por el MIT Technology Review en 2017.

Así creó AIME (Artificial Intelligence in Medical Epidemiology, por sus siglas en inglés), tecnología que se usa en Malasia, que fue probada en Río de Janeiro y se espera que se pueda aplicar pronto en San Pablo (Brasil).

“La literatura científica señala que las lluvias, las temperaturas más altas y los vientos en ciertas regiones aumentan las posibilidades de un brote de dengue. Mi plan fue trazar un mapa de datos acumulados con bases de todo el mundo”, explica. “Al principio tenía 800 variables, incluyendo de qué material estaban hechas las casas, que luego reduje a poco menos de 300”, agregó. Toda esa información genera como respuesta la predicción de la probabilidad de una nueva epidemia con hasta tres meses de antelación.

El de Mallol es uno de los muchos proyectos que han creados científicos, investigadores y emprendedores de Latinoamérica con inteligencia artificial, lo que incluye algoritmos, machine learning y big data para diferentes aplicaciones de salud. Y van desde la anticipación de epidemias hasta la malnutrición, el diagnóstico del Alzheimer a la detección de células madre.

Estos innovadores trabajan de manera aislada y descoordinada sin un apoyo de los gobiernos y con la habitual reticencia de las grandes compañías a invertir en investigación y desarrollo. “Existe una falta de coordinación de los esfuerzos, que por lo general provienen de intereses personales de los investigadores o de ciertos institutos o empresas”, dice Germán González, investigador en bioinformática del Instituto de Diversidad y Ecología Animal (IDEA/Universidad Nacional de Córdoba).

La fácil y relativamente barata posibilidad de usar algoritmos así como la existencia de personal calificado en la región hacen que la IA sea un área de gran potencial en el campo de la medicina para la región.

Justamente, predecir dengue, zika y chikungunya y otras enfermedades cuyo vector es el mosquito es el objetivo de otro proyecto de la Universidad Nacional de Córdoba, en Argentina.

“La IA da sus primeros pasos, hay mucho para comprender y mejorar todavía. Los sistemas inteligentes aún no pueden hacer mejores diagnósticos que los médicos”.

Germán González, Conicet/Argentina.


Allí, un equipo liderado por Juan Scavuzzo usa machine learning para identificar con anticipación la probabilidad de la emergencia de las colonias de Aedes aegypti, la especie de mosquitos en cuestión. El sistema ya fue probado en la ciudad salteña de Tartagal, en el norte del país, donde las condiciones de calor son propicias para la diseminación de la enfermedad.

La meta final del equipo es la creación de un mapa geoespacial de riesgo para todo el país, y no solo para dengue y zika. “Nuestra idea es continuar mezclando datos geoespaciales con IA para hacer frente a asuntos de salud”, dice Scavuzzo. “Estamos a punto de publicar un paper en la revista Geospatial Health donde mostramos cómo las redes neuronales pueden predecir el mal de Chagas, enfermedad de las zonas rurales de varios países sudamericanos”, agregó.

Predecir los problemas
Cristian Yones, un ingeniero de la Universidad Nacional del Litoral, en Santa Fe (Argentina), por su parte desarrolló una idea que llama Child Growth Prediction Tree (CGPT). Se trata de un algoritmo que puede predecir la malnutrición infantil usando medidas antropométricas como peso, altura e índice de masa corporal, entre otros.

“El sistema está entrenado con datos de 80.000 niños, una cantidad que un pediatra nunca podría procesar; de todos modos, no buscamos desplazar al especialista sino ayudarlo con una herramienta útil”, dice Yones.

El CGPT será probado próximamente en el Hospital Ramón Carrillo, en Santiago del Estero, y hay planes para que se extienda a hospitales de las provincias de San Juan y Mendoza.

Estos algoritmos, diseñados apropiadamente, podrían ayudar también a predecir otras condiciones médicas y biológicas, tales como desórdenes psiquiátricos y diferenciación de células madre.
 
Solo con una foto
Santiago Miriuka no es ingeniero sino físico. Sin embargo, se las arregló para desarrollar un software de Inteligencia Artificial que lo ayuda en su trabajo cotidiano en el laboratorio.

“Queremos predecir la diferenciación de las células madre en un momento muy temprano, de modo que diseñamos un algoritmo que puede hacerlo con 90 por ciento de precisión en media hora, y de 100 por ciento en una hora”, dice Miriuka, investigador del Conicet argentino en el centro de investigación médica Fleni, en Buenos Aires. Su equipo necesita apenas una foto de la célula madre para obtener una respuesta del sistema; en otras palabras, puede saber en qué tipo de célula en particular se transformará la célula madre: si será una neurona o un hepatocito (célula del hígado), por ejemplo. “Podemos ver la expresión genética en tiempo real con costo cero, apenas con una foto y correr el algoritmo”, agrega.

Sus resultados fueron publicados en marzo en la revista Cell. La intención es usar la aplicación para reconocer también la apoptosis, o muerte celular. “Esto tiene un gran potencial en los ensayos de nuevos medicamentos. La IA cambiará la medicina por completo, los algoritmos no se equivocan”, concluye Miriuka.
 
Una dosis de IA
La IA también tiene aplicaciones en las instituciones de salud. El ingeniero Fredi Vivas explica cómo su empresa RockingData procesa datos de movimientos y costumbres de los usuarios para mejorar el manejo de esas instituciones.

“Nuestra búsqueda no es predecir enfermedades, no tenemos ese glamour”, bromea. “Nos concentramos en la eficiencia de los sistemas, como la cancelación de citas por parte de los pacientes: algo que podemos predecir, como lo hacen las aerolíneas que pueden sobrevender pasajes casi sin daños colaterales”, dice.

El software también es usado para detectar fraudes en los servicios de salud, como citas facturadas por los profesionales pero a las que finalmente los pacientes no acuden. “El algoritmo hace zoom en los datos para reconocer la probabilidad de este dolo, y luego es un humano el que verifica el estado de la situación”, agrega.

A todo esto, ¿qué significan todos estos avances? ¿Van a cambiar la medicina por completo, tal como predice Miriuka? En ese caso, ¿cuál será el rol de América Latina en esta revolución de IA?

Germán González, que también investiga para el Conicet, responde: “La IA está dando sus primeros pasos, aún hay un montón de asuntos que es necesario comprender y mejorar. Los sistemas inteligentes aún no pueden hacer un diagnóstico mejor que un médico”.

“En América Latina, y en todo el mundo, la IA está en transición hacia el mundo real. Hoy, la mayor parte de los desarrollos están en la academia y faltan aplicaciones. De modo que si la región toma algunas decisiones estratégicas claves podríamos, al menos, ponernos en un pie de igualdad con otras regiones del mundo”, concluyó.