La IA y el aprendizaje automático tienen potencial en la lucha contra las enfermedades infecciosas

Nov 24, 2023

Fuente: Getty Images

Por Mark Melchionna

26 de julio de 2023: un nuevo estudio describió que, a pesar de la continua amenaza de las enfermedades infecciosas para la salud pública, las capacidades de la inteligencia artificial (IA) y el aprendizaje automático (ML) pueden ayudar a manejar este problema y proporcionar un marco para futuras pandemias.

Independientemente de la investigación y los avances biológicos, las enfermedades infecciosas siguen siendo un problema. Para mantenerse al día con el conflicto, los métodos comunes que se aplican incluyen terapias y diagnósticos. A menudo, los enfoques de la biología sintética proporcionan una plataforma para la innovación. Las investigaciones indicaron que la biología sintética a menudo se divide en dos categorías de desarrollo: hipótesis biológicas cuantitativas y datos de experimentación, y la comprensión de factores como los ácidos nucleicos y los péptidos, que permiten el control de la biología.

Según la investigación, los avances en IA han considerado estos factores. Dadas las complejidades de la biología y las enfermedades infecciosas, existe un alto nivel de potencial. Así, los investigadores revisaron cómo la relación entre la IA y la biología sintética puede combatir las enfermedades infecciosas.

La revisión describió tres usos de la IA en enfermedades infecciosas: descubrimiento de fármacos antiinfecciosos, biología de infecciones y diagnóstico.

A pesar de la preexistencia de varios fármacos antiinfecciosos, la resistencia a los mismos a menudo supera su eficacia. La IA y el aprendizaje automático pueden desempeñar un papel importante en el desarrollo de nuevos medicamentos mediante la búsqueda en bases de datos de moléculas pequeñas mientras se utilizan modelos de capacitación para definir nuevos medicamentos o aplicar medicamentos existentes.

Las complicaciones de la biología de la infección son extensas, en gran parte debido a la actividad de patógenos bacterianos, eucariotas y virales. Estos factores pueden afectar las respuestas del huésped y, por tanto, el curso de la infección.

Sin embargo, los modelos de aprendizaje automático pueden analizar ácidos nucleicos, proteínas y otras variables para determinar los aspectos de las interacciones huésped-patógeno y las respuestas inmunitarias. La investigación también indica que pueden definir genes e interacciones entre proteínas que se vinculan con cambios en la célula huésped, predicción de inmunogenicidad y otras actividades.

Además, la optimización de la expresión genética y la predicción de antígenos han ayudado al desarrollo de vacunas y fármacos a través de modelos supervisados.

La IA y el ML tienen aplicaciones en el diagnóstico. Como han demostrado casos anteriores, la velocidad de detección de enfermedades infecciosas juega un papel importante en la forma en que se produce la propagación. Sin embargo, a través de la IA y el aprendizaje automático, los investigadores pueden identificar infecciones y prever la resistencia a los medicamentos. Esto se debe principalmente a su capacidad para programar bien elementos y resaltar información esencial de redes biomoleculares.

Independientemente de las oportunidades y desafíos que puedan plantear estos métodos, son esenciales para el futuro del tratamiento de enfermedades infecciosas. A medida que continúa el desarrollo de la IA, es fundamental considerar una amplia gama de conjuntos de datos para evitar sesgos.

Diversos esfuerzos de investigación también han mostrado las capacidades de la IA y cómo puede hacer avanzar la atención sanitaria.

La investigación de abril de 2022, por ejemplo, implicó la creación de un modelo de IA que utiliza imágenes de TC abdominal sin contraste para analizar factores relacionados con la salud del páncreas, determinando el riesgo de diabetes tipo 2.

Utilizando cientos de imágenes y diversas mediciones, los investigadores definieron los factores que se correlacionaban con la diabetes. Los resultados consistentes y precisos permitieron a los investigadores determinar que este análisis era un enfoque eficaz para detectar la diabetes.

"Este estudio es un paso hacia un uso más amplio de métodos automatizados para abordar los desafíos clínicos", dijeron los autores del estudio Ronald M. Summers, MD, PhD, y Hima Tallam, estudiante de MD y PhD, en un comunicado de prensa. "También puede servir de base para trabajos futuros que investiguen el motivo de los cambios pancreáticos que se producen en pacientes con diabetes".

Esfuerzos de investigación como estos son ejemplos integrales de cómo la IA continúa desempeñando un papel en la atención médica.