La IA está integrada en numerosas tecnologías que las personas usan diariamente. Crédito: iStock-metamorworks
La Inteligencia Artificial (IA): Es la combinación de algoritmos planteados con el propósito de crear máquinas que presenten las mismas capacidades que el ser humano. Una tecnología que todavía nos resulta lejana y misteriosa, pero que desde hace unos años está presente en nuestro día a día a todas horas.
Cuáles son los tipos de IA y en qué se diferencian?
Inteligencia Artificial: Una función con la cual las máquinas aprenden a realizar tareas, en lugar de simplemente hacer cálculos que son ingresados por usuarios humanos.
Las primeras aplicaciones de IA incluían máquinas que podían jugar juegos como damas y ajedrez, y programas que podían reproducir lenguaje.
Aprendizaje Automático: Un enfoque de la IA en el que se desarrolla un algoritmo de computadora (una serie de reglas y procedimientos) para analizar y hacer predicciones a partir de datos que se introducen en el sistema.
¿Cómo utilizan la IA los investigadores financiados por el NIBIB en su investigación biomédica?
Diagnóstico temprano de la Enfermedad de Alzheimer (EA) mediante el análisis de redes cerebrales.
La degeneración neurológica relacionada con la EA comienza mucho antes de que aparezcan los síntomas clínicos. La información proporcionada por los datos de neuroimagen de una IRM funcional (fMRI, por sus siglas en inglés), los cuales pueden detectar cambios en el tejido cerebral durante las primeras etapas de la EA, tiene potencial para la detección y tratamiento tempranos.
Los investigadores están combinando la capacidad de la fMRI para detectar cambios cerebrales sutiles con la capacidad del aprendizaje automático para analizar múltiples cambios cerebrales a través del tiempo. Este enfoque intenta mejorar la detección temprana de la EA, así como otros trastornos neurológicos, incluyendo la esquizofrenia, el autismo y la esclerosis múltiple.
Predicción de los niveles de glucosa en la sangre utilizando sensores portátiles
Los investigadores financiados por el NIBIB están construyendo modelos de aprendizaje automático para mejorar el manejo de los niveles de glucosa en la sangre mediante el uso de datos obtenidos de sensores portátiles. Las nuevas tecnologías de detección portátiles proporcionan mediciones continuas que incluyen el ritmo cardiaco, la conductancia de la piel, la temperatura, y los movimientos del cuerpo. Los datos se utilizarán para entrenar una red de inteligencia artificial que ayude a predecir cambios en los niveles de glucosa en la sangre antes de que ocurran. El poder anticipar y prevenir los problemas de control de glucosa en la sangre mejorará la seguridad del paciente y reducirá las costosas complicaciones.
Análisis de imagen optimizado para una mejor detección del cáncer colorrectal.
Representación artística de una red neuronal profunda reconstruyendo una lámina de histopatología para revelar características microscópicas del tejido humano. Crédito: Laboratorio Ozcan, UCLA
Este proyecto intenta desarrollar un sistema avanzado de escaneo de imágenes con una alta sensibilidad de detección muy enfocada a los cánceres de colon. Los investigadores desarrollarán redes neuronales profundas que pueden analizar un campo más amplio en las imágenes radiográficas obtenidas durante una cirugía. Estos escaneos más amplios abarcarán las áreas lesionadas sospechosas y más tejido circundante. Las redes neuronales compararán las imágenes del paciente con imágenes de casos diagnosticados en el pasado. Se espera que este sistema supere a los sistemas actuales asistidos por computadora en el diagnóstico de lesiones colorrectales. La adopción generalizada podría mejorar la prevención y el diagnóstico temprano del cáncer.
Ropa inteligente para reducir el dolor lumbar
Se está desarrollando ropa inteligente de asistencia ciber-física (CPAC, por sus siglas en inglés) en un esfuerzo por reducir la alta prevalencia del dolor lumbar. Las fuerzas en los músculos de la espalda y los discos que ocurren durante las tareas diarias son los principales factores de riesgo para el dolor de espalda y las lesiones.
Los investigadores están recopilando una serie de datos públicos de más de 500 movimientos, medidos de cada sujeto, para informar un algoritmo de aprendizaje automático.
La información se utilizará para desarrollar ropa de asistencia que pueda detectar condiciones inseguras e intervenir para proteger la salud de la espalda baja. La visión a largo plazo es crear ropa inteligente que pueda monitorear la carga lumbar; entrenar patrones de movimiento seguros; ayudar directamente a los usuarios a reducir la incidencia del dolor lumbar; y reducir los costos relacionados con los gastos de atención médica y el trabajo perdido.
