Nueva tecnología de imágenes en tiempo real tiene potencial de eliminar necesidad de cirugías secundarias en oncología

Parsin Haji Reza
El investigdor Parsin Haji Reza de la Universidad de Waterloo trabajando en su laboratorio.

El tratamiento del cáncer podría mejorar dramáticamente con un invento de la Universidad de Waterloo, de Ontario, Canadá, que permite localizar con precisión los bordes de los tumores cancerosos durante una cirugía para extirparlos.

Antecedentes

La nueva tecnología de imágenes utiliza una forma en que la luz de los lásers interactúa con los tejidos cancerosos y los sanos para distinguir unos de otros en tiempo real; y sin contacto físico. Es un avance que genera el potencial de eliminar la necesidad de cirugías secundarias para extirpar el tejido maligno.

Este es el futuro, un gran paso hacia nuestro objetivo final de revolucionar la oncología quirúrgica“, dijo Parsin Haji Reza, profesor de ingeniería de diseño de sistemas que dirige el proyecto: “Intraoperatoriamente, durante la cirugía, el médico podrá ver exactamente qué cortar y cuánto cortar“.

Un artículo sobre el trabajo, “All-optical Reflection-mode Microscopic Histology of Unstained Human Tissues” (Histología microscópica en modo de reflexión totalmente óptico de tejidos humanos no teñidos), se publicó el pasado 16 de septiembre en la revista Scientific Reports.

Actualmente los médicos confían principalmente en imágenes de resonancia magnética preoperatorias y tomografía computarizada; además de su experiencia y la inspección visual que realizan, para determinar los márgenes de los tumores durante las operaciones.

Luego, las muestras de tejido se envían a los laboratorios para su análisis, con un tiempo de hasta 2 semanas para que los resultados muestren si el tumor se extirpó por completo o no.

En un 10% de los casos puede haberse omitido una parte del tejido canceroso y se requiere de una segunda operación para removerlo. Las tasas varían ampliamente para los diferentes tipos de tumores.

Tecnología fotoacústica

La tecnología desarrollada en la Universidad de Waterloo es fotoacústica y funciona enviando pulsos de luz láser al tejido objetivo, que los absorbe, calienta, expande y produce ondas de sonido. Un segundo láser lee esas ondas de sonido; que luego se procesan para determinar si el tejido es canceroso o no.

El sistema ya se ha utilizado para hacer imágenes precisas de muestras de tejido humano incluso relativamente gruesas y no tratadas por primera vez. 

Siguientes pasos

Los siguientes pasos incluyen la obtención de imágenes de muestras de tejido recientemente tomadas durante las cirugías; la integración de la tecnología en un microscopio quirúrgico y finalmente, el uso del sistema directamente en los pacientes durante las operaciones.

Esto tendrá un tremendo impacto en la economía de la atención de la salud; será sorprendente para los pacientes y brindará a los médicos una nueva y gran herramienta“, dijo Haji Reza, director de PhotoMedicine Labs en Waterloo:Ahorrará mucho tiempo, dinero y ansiedad“.

Los investigadores esperan desarrollar un sistema completamente funcional dentro de aproximadamente 2 años. El proceso incluye la necesidad de superar obstáculos éticos y asegurar los permisos regulatorios.

Desarrollan báscula para monitorear insuficiencia cardiaca

prototipo
Las señales de balistocardiografía de alta calidad pueden recolectarse en un entorno hogareño y usarse para detectar el estado clínico de los pacientes con IC

Un dispositivo registra un electrocardiograma a través de los dedos de las manos y con una especie de báscula, mide el movimiento del cuerpo que se origina por la energía transmitida desde el corazón hacia las grandes arterias. Con esa información, las herramientas de aprendizaje automático, calculan los síntomas de insuficiencia cardiaca.

Así es como los investigadores del Instituto de Tecnología de Georgia (Georgia Tech, por su nombre en inglés) imaginan que su dispositivo experimental llegará a los pacientes algún día, y en el estudio “Classification of Decompensated Heart Failure from Clinical and Home Ballistocardiography” (Clasificación de la insuficiencia cardíaca descompensada a través de la balistocardiografía clínica y domiciliaria), informaron el éxito de la prueba de concepto al registrar y procesar datos de 43 pacientes con insuficiencia cardíaca

La idea es que una versión comercializable futura de la escala de monitoreo,  notificaría al médico, quien llamaría a la persona para ajustar su medicación en casa, con suerte evitándole una larga estadía en el hospital y un sufrimiento innecesario.

El balistocardiograma es una medición que los investigadores tomaban con más frecuencia hace unos 100 años, pero la abandonaron cuando la tecnología de imagen la superó con creces. Ahora, con la computación moderna, los investigadores la están encontrando útil de nuevo.

De acuerdo con Alberto Barón, en la Revista Colombiana de Cardiología, “El balistocardiograma (BCG) es el registro del movimiento del cuerpo que se origina por la energía transmitida desde el corazón hacia las grandes arterias como consecuencia de la salida de la sangre desde los ventrículos y del retroceso del cuerpo como reacción. Esta energía causa un desplazamiento del cuerpo en sentido cefálico, para luego cambiar en dirección opuesta cuando la sangre fluye por la aorta descendente.

 “Es la primera vez que en nuestro trabajo utilizamos BCG para clasificar el estado de los pacientes con insuficiencia cardíaca“, dijo Omer Inan, investigador principal del estudio y profesor asociado en la Escuela de Ingeniería Eléctrica e Informática de Georgia Tech.

Crisis de salud

La insuficiencia cardíaca (IC) afecta a 6.5 ​​millones de estadounidenses y es una enfermedad de progresión lenta, en la que el corazón funciona cada vez con menos eficacia. Muchas personas lo conocen como insuficiencia cardíaca congestiva porque un síntoma importante es la acumulación de líquido, que puede congestionar los pulmones, dificultar la respiración e incluso, causar la muerte.

Los pacientes sufren hospitalizaciones repetidas para ajustar los medicamentos cuando su condición disminuye, o se “descompensa“, lo que hace que la insuficiencia cardíaca sea un factor importante de ingresos hospitalarios y costos de atención médica. El monitoreo domiciliario reduce las hospitalizaciones, pero actualmente requiere un procedimiento invasivo.

La investigación de Georgia Tech estuvo detrás del lanzamiento de un dispositivo de monitoreo domiciliario de insuficiencia cardíaca implantable en 2011. Pero esta nueva solución potencialmente prescindiría del procedimiento, costaría mucho menos y sería mucho más simple de usar, reduciendo la resistencia de los pacientes al monitoreo domiciliario. 

Dada su etapa inicial, la escala BCG-Electrocardiograma (ECG) del estudio, funcionó bien en las pruebas de hospital pero también en las pruebas en el hogar, lo cual fue prometedor, ya que la solución apunta principalmente al uso eventual en los domicilios.

El equipo de investigación, incluyó colaboradores de la Universidad de California de su sede en San Francisco y de  la Universidad Northwestern, publicó sus resultados en la revista IEEE Transactions on Biomedical Engineering, del  Institute of Electrical and Electronics Engineers (IEEE)

La parte electrocardiograma de la escala experimental no es nueva ni su gran información de diagnóstico, pero por sí sola no dice lo suficiente sobre la insuficiencia cardíaca. La parte de BCG es principalmente nueva, y parece valiosa para monitorear la insuficiencia cardíaca, pero también es difícil de grabar e interpretar.

El ECG tiene ondas características que los médicos han entendido durante 100 años, y ahora, las computadoras lo leen muchas veces“, dijo Inan. “Los elementos de la señal de BCG aún no se conocen bien, y no se han medido mucho en pacientes con insuficiencia cardíaca“.

El electrocardiograma es eléctrico; el cuerpo conduce bien sus señales y las grabaciones son claras. Por el contrario, el BCG es una señal mecánica; la grasa corporal lo amortigua, y enfrenta muchas interferencias en el cuerpo, como variaciones de tejidos y movimientos musculares. Los BCG también son más “ruidosos” en personas con enfermedad cardiovascular.

Los pacientes con insuficiencia cardíaca tienden a ser más débiles, e inicialmente, a los investigadores les preocupaba que se tambalearan en las escalas durante las pruebas en el hogar, agregando aún más ruido a los BCG. Pero las grabaciones fueron muy productivas.

Aunque una lectura del balistocardiograma  es garabato en comparación con los grabados casi uniformes de un ECG, los BCG tienen algunos patrones que son paralelos a los de un electrocardiograma. Por ejemplo, el gran pico ascendente en un ECG es seguido por la gran “onda J” del BCG.

Latidos inconsistentes

Los investigadores procesaron BCG con 3 algoritmos de aprendizaje automático, revelando patrones que difieren cuando se descompensa la insuficiencia cardíaca de un paciente.

En alguien con insuficiencia cardíaca descompensada, el flujo de sangre a través de las arterias se vuelve más desordenado, y lo vemos en la señal mecánica del BCG“, dijo Inan. “Esa diferencia no aparece en el ECG porque es una señal eléctrica“.”La característica más importante era el grado en que el BCG es variable, lo que significaría un flujo sanguíneo inconsistente. Si corta la grabación en intervalos de 20 segundos y los segmentos individuales difieren mucho entre sí, eso es un buen marcador de descompensación“, explicó Inan.

Piel artificial podría ayudar en rehabilitación e incorporar el tacto en la realidad virtual

sistema de sensores y actuadores
El sistema permite que la piel artificial se adapte a la forma exacta de la muñeca del usuario.

Al igual que nuestros sentidos de audición y visión, nuestro sentido del tacto juega un papel importante en la forma en que percibimos e interactuamos con el mundo que nos rodea. La tecnología capaz de replicar nuestro sentido del tacto, es conocida como retroalimentación háptica. Con la que se puede mejorar en gran medida las interfaces humano-computadora y humano-robot para aplicaciones como: la rehabilitación médica y la realidad virtual.

Esto de acuerdo con la información publicada en el artículo “Closed-Loop Haptic Feedback Control Using a Self-Sensing Soft Pneumatic Actuator Skin” (Control de retroalimentación háptica de ciclo cerrado utilizando una piel de actuador neumático suave autodetectable) en la revista Soft Robotics.

Los científicos del Laboratorio de Robótica Reconfigurable (RRL, Reconfigurable Robotics Lab) de la Escuela Politécnica Federal de Lausana (EPFL École Polytechnique Fédérale de Lausanne)  encabezado por Jamie Paik; y el Laboratorio de Interfaces Bioelectrónicas Suaves (LSBI, Laboratory for Soft Bioelectronic Interfaces), encabezado por Stéphanie Lacour en la Escuela de Ingeniería, se han unido para desarrollar una piel artificial suave y flexible hecha de silicona y electrodos. Ambos laboratorios son parte del programa The National Centre of Competence in Research (NCCR) Robotics.

Piel artificial

El sistema de sensores y actuadores suaves permiten que la piel artificial se adapte a la forma exacta de la muñeca de un usuario; y por ejemplo proporcione una retroalimentación háptica en forma de presión y vibración. Los sensores de tensión miden continuamente la deformación de la piel para que la retroalimentación háptica se pueda ajustar en tiempo real y producir una sensación táctil lo más realista posible.

Esta es la primera vez que desarrollamos una piel artificial completamente suave donde se integran sensores y actuadores“, dice Harshal Sonar, autor principal del estudio. “Esto nos da un control de circuito cerrado; lo que significa que podemos modular de manera precisa y confiable la estimulación vibratoria que siente el usuario. Esto es ideal para aplicaciones portátiles, como para probar la propiocepción de un paciente en aplicaciones médicas“.

Háptica intercalada entre capas de silicona

La háptica es una tecnología para crear una experiencia táctil al aplicar fuerza, vibraciones o movimientos al usuario.

La piel artificial contiene suaves actuadores neumáticos que forman una membrana que puede inflarse bombeando aire hacia ella. Los actuadores se pueden sintonizar a presiones y frecuencias variables (hasta 100 Hz, o 100 impulsos por segundo). La piel artificial vibra cuando la membrana se infla y desinfla rápidamente.

En la capa superior de la membrana se encuentra el sensor; y contiene electrodos que son suaves hechos de una mezcla de galio líquido-sólido. Estos electrodos miden continuamente la deformación de la piel y envían los datos a un microcontrolador. Éste utiliza la retroalimentación para ajustar la sensación transmitida al usuario; en respuesta a los movimientos del usuario y los cambios en los factores externos.

La piel artificial puede estirarse hasta 4 veces su longitud original por hasta un millón de ciclos. Eso la hace particularmente atractiva para una serie de aplicaciones del mundo real. Por ahora, los científicos lo han probado en los dedos de los usuarios; y todavía se encuentran trabajando en mejorar la tecnología.

El siguiente paso será desarrollar un prototipo totalmente portátil para aplicaciones en rehabilitación y realidad virtual y aumentada“, dice Sonar. “El prototipo también se probará en estudios neurocientíficos. En donde se puede usar para estimular el cuerpo humano mientras los investigadores estudian la actividad cerebral dinámica en experimentos de resonancia magnética“.

Desarrollan calculadora en la web para clasificar prioridad de riesgos después de la menopausia

Calculadora de riesgo
Una herramienta para ayudar a las mujeres a dejar de preocuparse demasiado por los riesgos para la salud que probablemente no sean factores

A medida que crecen los riesgos de enfermedades cardíacas; derrames cerebrales; y cáncer, una nueva calculadora en línea guía a las mujeres a centrarse en las afecciones que deben ser su principal preocupación.

Expertos en salud pública; medicina; y ciencias de la computación de Estados Unidos y Arabia Saudita han desarrollado una calculadora en la web que ayuda a las mujeres de mediana edad a predecir sus riesgos de afecciones que se vuelven más probables con la edad.

Dirigido por John Robbins del Centro Médico Davis de la Universidad de California (UC Davis Health), la calculadora de predicción de riesgos es única. En el sentido de que explica simultáneamente múltiples afecciones de salud, en lugar de una a la vez. También identifica la probabilidad cambiante de esas condiciones en el tiempo.

El trabajo fue presentado en el artículo: “Development of a comprehensive health-risk prediction tool for postmenopausal women“; (Desarrollo de una herramienta integral de predicción de riesgos de salud para mujeres posmenopáusicas).

La herramienta “les da a las mujeres y a sus médicos una idea en lo que deben concentrarse“, afirmó Robbins. “La mayoría está preocupada por el cáncer de mama y, por supuesto, deberían estarlo. Pero si su historial y estilo de vida indican que su mayor riesgo es la enfermedad cardíaca, esa debería ser su principal preocupación“.

Basado en datos de WHI

La calculadora se basa en datos de la Iniciativa de la Salud de la Mujer (WHI, Women’s Health Initiative); un estudio a largo plazo de más de 160,000 mujeres estadounidenses de 50 a 79 años. La información demográfica; de estilo de vida; historial médico; y resultados de salud de WHI ha respaldado estudios innovadores centrados en mejorar la atención a las mujeres posmenopáusicas.

Robbins anteriormente utilizó los datos para estudiar cómo la ascendencia derivada genéticamente afecta el riesgo de enfermedad. También fue investigador principal del sitio WHI de UC Davis.

Comparación de riesgos probables

El resultado de su estudio actual basado en WHI es una calculadora interactiva ubicada en una página web. Después de responder entre 35 y 50 preguntas relacionadas con la salud actual y pasada; y los antecedentes familiares; la herramienta muestra a la mujer, la probabilidad de sufrir en los próximos 5, 10 o 15 años:

  • ataque cardíaco
  • cáncer de mama, pulmón o colorrectal
  • derrame cerebral
  • fractura de cadera

El riesgo de una enfermedad siempre es relativo a los riesgos de otra y nuestra herramienta explica esos riesgos competitivos“, dijo Robbins. “El objetivo es ayudar a las mujeres a dejar de preocuparse demasiado por los riesgos para la salud que probablemente no sean factores y se orienten en los que sí lo son“.

Usando inteligencia artificial para “mejorar” visión de equipos en pruebas oftalmológicas

Los investigadores de la Universidad de la Tecnología de Queensland (QUT, Queensland University of Technology) en Australia; desarrollaron un método más preciso y detallado para analizar imágenes de la parte posterior del ojo. Con el fin de ayudar a los médicos a detectar y rastrear mejor las enfermedades oculares, como el glaucoma; y la degeneración macular relacionada con la edad avanzada, usando inteligencia artificial (IA) con técnicas de aprendizaje profundo.

Sus descubrimientos se encuentran en el artículo “Automatic choroidal segmentation in OCT images using supervised deep learning methods” (Segmentación coroidea automática en imágenes de tomografía de coherencia óptica –TCO– usando métodos supervisados ​​de aprendizaje profundo) que ha sido publicado en Nature Scientific Reports.

Tomografía de Coherencia Óptica (TCO)

El autor principal del estudio, el Dr. David Alonso-Caneiro de la Facultad de Salud, Escuela de Optometría y Ciencias de la Visión, dijo que el equipo había explorado una gama de técnicas de aprendizaje profundo de vanguardia para analizar las imágenes de tomografía de coherencia óptica (TCO).

El TCO es un instrumento comúnmente utilizado por optometristas y oftalmólogos. Toma imágenes transversales del ojo y muestra las diferentes capas de tejido. Estas imágenes son de alta resolución, aproximadamente 4 micras. Un cabello humano, tiene aproximadamente 100 micras de espesor.

El Dr. Alonso-Caneiro señaló que usar el escaneo TCO para mapear y monitorear el grosor de las capas de tejido en el ojo puede ayudar a los médicos a detectar enfermedades oculares.

Usando inteligencia artificial para “mejorar” visión

En nuestro estudio buscamos un nuevo método para analizar las imágenes de las principales capas del tejido en la parte posterior del ojo: la retina; y la coroides. Con especial interés en la coroides“, dijo.

La coroides es el área entre la retina y la esclerótica; y contiene los principales vasos sanguíneos que proporcionan nutrientes y oxígeno al ojo“.

Las técnicas estándar de procesamiento de imágenes utilizadas con TCO definen y analizan bien las capas de tejido retiniano. Pero muy pocos instrumentos clínicos de TCO tienen un software que analice el tejido coroideo“.

Así que capacitamos a una red de aprendizaje profundo para reconocer las características clave de las imágenes, definir con precisión y automáticamente los límites de la coroides y la retina“.

El equipo recolectó escáner ocular coriorretiniano de TCO de un estudio longitudinal de 18 meses de 101 niños con buena visión y ojos sanos; y usó estas imágenes para entrenar al programa a detectar patrones y definir los límites coroideos.

Resultados

Posteriormente compararon con lo que desarrollaron usando métodos estándar de análisis de imágenes y determinaron que su programa era confiable y más preciso.

Poder analizar imágenes TCO ha mejorado nuestra comprensión de los cambios en el tejido ocular relacionados con el desarrollo normal del ojo; el envejecimiento; los errores de refracción; y las enfermedades oculares“, dijo el Dr. Alonso-Caneiro.

Nuestro programa proporciona imágenes e información más confiable de la coroides. Es importante clínicamente y también permite avanzar en nuestra comprensión del ojo a través de la investigación“.

Creemos que nuestros métodos podrían proporcionar una manera de identificar; y monitorear mejor los cambios en el tejido coroideo y potencialmente diagnosticar oportunamente enfermedades oculares“.

El Dr. Alonso-Caneiro dijo que el nuevo programa se había compartido con investigadores oculares tanto en Australia como en otros países; y se esperaba que los fabricantes de instrumentos comerciales de TCO pudieran estar interesados ​​en aplicarlo.

El equipo también quiere realizar más investigaciones para probar el programa en imágenes con poblaciones mayores; y personas con enfermedades diagnosticadas.

Desarrollan nueva clase de electrodo usando aprendizaje profundo para controlar amplia gama de dispositivos desde computadoras hasta sillas de ruedas

Persona probando el circuito de electrónica inalámbrica flexible colocado en la parte posterior del cuello
Persona probando el circuito de electrónica inalámbrica flexible colocado en la parte posterior del cuello

La combinación de nuevas clases de electrodos de nanomembrana con electrónica flexible y un algoritmo de aprendizaje profundo podría ayudar a las personas discapacitadas a controlar de forma inalámbrica: una silla de ruedas eléctrica; interactuar con una computadora; y hasta operar un pequeño vehículo robótico. Sin tener que ponerse un voluminoso casco de electrodos capilares o enredarse con los cables.

Interfaz cerebro-máquina inalámbrica totalmente portátil

Al proporcionar una interfaz cerebro-máquina inalámbrica totalmente portátil, el sistema podría ofrecer una mejora con respecto a la electroencefalografía (EEG) para medir “señales potenciales visualmente evocadas” en el cerebro humano

La capacidad del sistema para medir las señales de EEG para la Interfaz Cerebro-Máquina (ICM) se ha evaluado con 6 sujetos humanos. Pero no se ha estudiado con personas con discapacidad.

El proyecto, realizado por investigadores del Instituto de Tecnología de Georgia;, la Universidad de Kent; y la Universidad Estatal de Wichita, se informó en el artículo “Fully portable and wireless universal brain–machine interfaces enabled by flexible scalp electronics and deep learning algorithm” (Interfaces cerebro-máquina universales totalmente portátiles e inalámbricas habilitadas por electrónica flexible del cuero cabelludo y algoritmo de aprendizaje profundo). Fue publicado el 11 de septiembre de 2019 en la revista Nature Machine Intelligence.

Este trabajo informa sobre estrategias fundamentales para diseñar un sistema de EEG ergonómico y portátil para una amplia gama de dispositivos de asistencia, sistemas domésticos inteligentes e interfaces de neurojuegos“, dijo Woon-Hong Yeo; profesor asistente en la Escuela George W. Woodruff de Georgia Tech. Ingeniería Mecánica y Wallace H. Coulter, del Departamento de Ingeniería Biomédica. “La principal innovación está en el desarrollo de un paquete completamente integrado de sistemas y circuitos de monitoreo de EEG de alta resolución dentro de un sistema miniaturizado para ser colocado en la piel“.

La ICM es una parte esencial de la tecnología de rehabilitación que permite a las personas con esclerosis lateral amiotrófica (ELA); accidente cerebrovascular crónico u otras discapacidades motoras graves controlar los sistemas protésicos. La recopilación de señales cerebrales conocidas como potenciales virtualmente evocados en estado estacionario (SSVEP, steady-state visually evoked potential) actualemten requieren del uso de una gorra para el cabello con electrodos que utiliza electrodos húmedos; adhesivos y cables para conectarse con equipos informáticos que interpretan las señales.

Sensores inalámbricos y electrónicos flexibles

sensores inalámbricos y electrónicos flexibles
Electrodo estirable, impreso con chorro de aerosol. La estructura de malla abierta que se muestra en el recuadro.

Yeo y sus colaboradores están aprovechando una nueva clase de sensores inalámbricos; y electrónicos flexibles que se pueden aplicar fácilmente a la piel. El sistema incluye 3 componentes principales:

  1. Electrodos altamente flexibles colocados en el cabello que hacen contacto directo con el cuero cabelludo a través del cabello
  2. Electrodo de nanomembrana ultradelgada
  3. Un circuito suave y flexible con una unidad de telemetría usando Bluetooth

Los datos del EEG grabados del cerebro se procesan en el circuito flexible. Posteriormente se envían inalámbricamente a una tableta a través de Bluetooth desde una distancia de hasta 15 metros.

Retos y desafíos

Más allá de los requisitos de sensibilidad, la detección y el análisis de las señales SSVEP han sido un desafío debido a la baja amplitud de la señal. Las cuales se encuentran en el rango de decenas de microvoltios, similar al ruido eléctrico en el cuerpo. Los investigadores también deben lidiar con la variación en el cerebro humano. Sin embargo, medir con precisión las señales resulta esencial para determinar lo que el usuario quiere que ejecute el sistema.

Para abordar esos desafíos, el equipo de investigación recurrió a algoritmos de redes neuronales de aprendizaje profundo que se ejecutan en los circuitos flexibles.

Los métodos de aprendizaje profundo, comúnmente utilizados para clasificar imágenes de cosas cotidianas como gatos y perros; se utilizan para analizar las señales de EEG“, dijo Chee Siang (Jim) profesor titular de Multimedia/Sistemas Digitales en la Universidad de Kent. “Al igual que las imágenes de un perro que pueden tener muchas variaciones; las señales de EEG tienen el mismo desafío de alta variabilidad. Los métodos de aprendizaje profundo han demostrado funcionar bien con imágenes; y demostramos que también funcionan muy bien con las señales de EEG“.

Además, los investigadores utilizaron modelos de aprendizaje profundo para identificar qué electrodos son los más útiles en recopilar información para clasificar las señales de EEG. “Descubrimos que el modelo es capaz de identificar las ubicaciones relevantes en el cerebro para el ICM; lo cual está de acuerdo con expertos humanos“, agregó Ang. “Esto reduce la cantidad de sensores que necesitamos, disminuyendo costos y mejorando la portabilidad“.

El sistema utiliza 3 electrodos elastoméricos del cuero cabelludo colocados en la cabeza con una banda de tela electrónica inalámbrica ultradelgada sujetada al cuello y un electrodo impreso colocado sobre la piel debajo de una oreja. Los electrodos son suaves y secos; se adhieren a la piel y no usan adhesivo ni gel. Junto con la facilidad de uso, el sistema podría reducir el ruido y la interferencia. Lo que proporciona mayores tasas de transmisión de datos, en comparación con los sistemas existentes.

Evaluación

El sistema fue evaluado con 6 sujetos humanos. El algoritmo de aprendizaje profundo con clasificación de datos en tiempo real podría controlar una silla de ruedas eléctrica y un pequeño vehículo robótico. Las señales también podrían usarse para controlar un sistema de visualización sin usar un teclado; joystick u otro dispositivo controlador, dijo Yeo.

Los sistemas EEG típicos deben cubrir la mayoría del cuero cabelludo para recibir señales. Pero los usuarios potenciales pueden ser sensibles al usarlos“, agregó Yeo. “Este dispositivo miniaturizado es blando y portátil. Es totalmente integrado y diseñado para ser cómodo para un uso de largo plazo“.

Siguiente paso

En un siguiente paso se incluirán mejoras en los electrodos y hacer que el sistema sea más útil para las personas con discapacidad motriz.

Un siguiente estudio se centraría en la investigación de electrodos autoadhesivos inalámbricos totalmente elastoméricos que se puedan montar en el cuero cabelludo sin ningún soporte del casco, junto con una mayor miniaturización de la electrónica para incorporar más electrodos que mejoren su uso con otros estudios“, dijo Yeo. “El sistema EEG también se puede reconfigurar para monitorear los potenciales evocados por el motor o la imaginación motora de los sujetos con discapacidad motora, que se estudiará más a fondo como un trabajo futuro en aplicaciones terapéuticas“.

A largo plazo, el sistema puede tener potencial para otras aplicaciones donde un monitoreo EEG más simple sería útil.  Por ejemplo, en los estudios de sueño realizados por Audrey Duarte, profesora asociada de la Facultad de Psicología de Georgia Tech.

Este sistema de monitoreo de EEG tiene el potencial de finalmente permitir a los científicos monitorear la actividad neuronal humana de una manera relativamente discreta a medida que los sujetos realizan sus vidas“, afirmo Duarte. “Por ejemplo, el Dr. Yeo y yo estamos usando un sistema similar para monitorear la actividad neuronal mientras las personas duermen en la comodidad de sus hogares. En lugar de estar en el laboratorio con equipos voluminosos, rígidos e incómodos, como se hace habitualmente. la actividad neuronal relacionada con un sistema imperceptible puede permitirnos identificar nuevos biomarcadores no invasivos de la patología neural relacionada con la enfermedad de Alzheimer que predice la demencia

Nuevo espacio pensado para que estudiantes aprendan bases de la Inteligencia Artificial (IA), adquieran habilidades digitales y lleven soluciones al mundo y más allá

Corte de listón en en el Edificio Q de la Facultad de Ingeniería de la UNAM
Corte del listón del nuevo Laboratorio IA ubicado en el Edificio Q de la Facultad de Ingeniería de la UNAM

En la Universidad Nacional Autónoma de México (UNAM) se inauguró el pasado 12 de septiembre de 2019 un nuevo Laboratorio de Inteligencia Artificial (IA). La propuesta es impulsar el aprendizaje de las bases de la IA en toda la comunidad universitaria y más allá. Se busca sumar esfuerzos para desarrollar nuevas tecnologías que ayuden a resolver problemas sociales, ambientales y de la industria en general. Donado y acondicionado por Microsoft México, dicho laboratorio responderá a las demandas de los alumnos sobre IA y habilidades digitales.

Laboratorio de Inteligencia Artificial

Se informa que será un espacio con tecnología de punta, donde entre los temas que se impulsarán están diversas habilidades para el aprovechamiento de la IA. Entre las habilidades en las que se trabajará en el nuevo espacio se encuentran:

  • resolución automática de problemas informáticos
  • programación,
  • aprendizaje automático,
  • gestión de sistemas
  • cibernética
  • redes neuronales
  • otras habilidades.

El laboratorio se encuentra ubicado en el Edificio Q de la Facultad de Ingeniería (FI). Fue diseñado para que los jóvenes, una vez que hayan estudiado los conceptos teóricos, puedan aplicar sus conocimientos en casos prácticos que los preparen para aportar soluciones a los retos del mundo real usando la tecnología.

Abriendo un mundo de oportunidades

Con el adecuado aprovechamiento de la inteligencia artificial se abre un mundo de posibilidades. Puede mejorar aspectos relacionados con temas tan variados como la salud y el transporte, así como generar nuevas economías, afirmó Ricardo Adolfo Vidal Castro, coordinador de Administración de Proyectos Tecnológicos e Innovación de la UNAM. Agregó que un punto importante, “realmente valioso”, es el acceso a los servicios de Azure y de inteligencia artificial en la nube, dijo.

Este laboratorio no sólo está pensado para la Facultad de Ingeniería, “la idea es expandirlo a las demás escuelas y facultades, que toda la comunidad universitaria venga. Debe abrirse a los estudiantes de bachillerato, licenciatura y posgrado”.

Orlando Zaldívar Zamorategui, jefe de la División de Ingeniería Eléctrica, destacó que para la IA es importante que una empresa líder instale un laboratorio de inteligencia artificial. La tecnología define nuestros tiempos, regirá  y tendrá una influencia tal que prácticamente todas las actividades sociales; culturales; de salud; y económicas girarán en torno a ella.

El académico subrayó que la Facultad tiene entre sus funciones formar recursos humanos del más alto nivel en el área de la ingeniería, así como participar en los procesos de investigación para proponer soluciones a problemas que enfrenta la sociedad.

Asimismo, agradeció que esta entidad universitaria sea el núcleo para generar una serie de acciones que resultarán en beneficio de toda la Universidad y aseguró “nuestros profesores, investigadores y alumnos tendrán acceso a la tecnología más avanzada para desarrollar sus actividades”.

Impulsando el descubrimiento del conocimiento


Con tecnología de punta, este espacio está pensado para que estudiantes aprendan las bases de la IA y adquieran habilidades digitales

Enrique Pérezyera, director general de Microsoft México, dijo que con la apertura del Laboratorio se abre camino a la innovación y creatividad. Con los dispositivos de este espacio se abre la puerta a la nube y a más de 100 centros de datos. Microsoft cuenta con cuenta con una fuerte inversión financiera de la empresa en investigación y desarrollo.

Abrimos para la comunidad universitaria un ecosistema de cómputo virtualmente infinito que permite llevar datos de cualquier disciplina y procesarlos utilizando los algoritmos de la IA, de forma que aprendamos cosas que antes no sabíamos”, expuso el experto.

La trascendencia de la IA es tal, que científicos y economistas la comparan con el surgimiento de las máquinas de vapor, la electricidad o la electrónica. Los primeros países que adoptaron esas tecnologías registraron un crecimiento de su PIB dos o tres veces mayor al de otras geografías. “Si México adopta la nube de la inteligencia artificial en la academia, las empresas y el gobierno, su PIB crecería al cuatro por ciento anual, con la generación de una enorme cantidad de fuentes de trabajo”, sostuvo.

Paola Bellizia, directora de operaciones Microsoft en Latinoamérica, agradeció a la UNAM la oportunidad de abrir el laboratorio.

Como compañía, explicó, nuestra misión es empoderar a las personas para lograr más. La tecnología es un medio, no un fin; queremos mejorar la educación y al país, ser más inclusivos.

Ramiro Luz, director de LinkedIn para Hispanoamérica y ligado a la División de Soluciones de Talento, mencionó que esa plataforma tiene la misión de conectar a los profesionales y hacerlos más productivos y exitosos. “Tenemos 645 millones de usuarios en el mundo y 13 millones son mexicanos. Eso genera una cantidad de información que permite hacer análisis interesantes de cuáles son las dinámicas del mercado laboral, y tomar decisiones en empresas, universidades o políticas públicas”.

México cuenta con 3,800 profesionales con conocimiento en inteligencia artificial, pero la cifra está creciendo rápidamente. “La demanda de contratación es alta; así que hay enormes oportunidades para la academia y los estudiantes que vamos a preparar”.

Facultad de Medicina de la UNAM renovó el PET-CT, tiene ahora el equipo más moderno de Latinoamérica


Unidad PET/CT de la Facultad de Medicina de la UNAM

Estamos muy contentos con la adquisición, porque nos permite hacer estudios por tomografía por emisión de positrones. La tecnología que cambiamos es la primera en América Latina, remarcó Belén Rivera Bravo, responsable de la Unidad PET-CT.

Con un nuevo equipo para obtener imágenes moleculares de manera más precisa y con menos exposición de los pacientes a radiación, la Unidad de Tomografía por Emisión de Positrones (PET-CT) de la UNAM se mantiene a la vanguardia.

Belén Rivera Bravo, y Rosa María Wong Chew

Belén Rivera Bravo, responsable de la Unidad PET-CT y Rosa María Wong Chew, jefa de la Subdivisión de Investigación Clínica, de la Facultad de Medicina de la UNAM

La Facultad de Medicina (FM) tiene ahora el equipo más moderno de Latinoamérica. Su cámara, con 60 mil cristales detectores de radiación, cuenta con las últimas licencias de procesamiento de imágenes de oncología, neurología y cardiología.

Este equipo puede hacer estudios más rápidos, permite detectar estructuras más pequeñas y disminuye la dosis de radiación que recibe el paciente durante el estudio; con ello “tenemos mayor certeza diagnóstica”.

Rivera Bravo subrayó que también se ponen a la vanguardia en investigación y formación de recursos humanos especializados, “algo que nos ha caracterizado, además de la atención a pacientes durante 17 años de servicios”.

Por su parte, Rosa María Wong Chew, jefa de la Subdivisión de Investigación Clínica, en la División de Investigación de la FM, destacó que la Facultad de Medicina va a la delantera en medicina nuclear.

Hemos hecho renovaciones, pues la tecnología avanza, y eso es importante para dar el mejor servicio a los pacientes, además de que somos un centro de enseñanza que es referente a nivel nacional e internacional.

Renovación constante

PET-CT
PET-CT, con una cámara de 60 mil cristales detectores de radiación, útiles para generar imágenes de oncología, neurología y cardiología

El primer PET se adquirió en enero 2002 y con él se atendió a cerca de 4 mil pacientes. En 2007 se actualizó para dar origen a la Unidad PET-CT, y en los 17 años de operaciones se ha atendido a más de 51 mil pacientes.

La tecnología es operada por un equipo multidisciplinario, entre otros:

Consulta de imagenes PET-CT
En la Facultad de Medicina se renovó el PET-CT
  • médicos nucleares,
  • médicos radiólogos,
  • técnicos en radiología,
  • enfermeras
  • físicos médicos

También se llevan a cabo actividades de docencia e investigación, pues se imparten diplomados y cursos de posgrados a médicos nucleares, médicos radiólogos, físicos e ingenieros.

Las líneas de investigación son de imagen molecular PET, que incluyen protocolos de infectología, cardiología, oncología y enfermedades inflamatorias.

En 17 años de existencia, el 80% de sus pacientes han sido de oncología, y el resto se divide en neurología y cardiología.

Radiofarmacia de la UNAM
En 17 años de funciones, ha atendido a más de 51 mil pacientes y se mantienen a la vanguardia en tecnología, afirmó Belén Rivera Bravo, responsable de la unidad

Nuevo motor de IA acelera validación experimental en descubrimiento de fármacos e impulsa a industria de la longevidad en todo el mundo

Ilustración de un robot con interfaz virtual
Se demuestra el verdadero potencial disruptivo que tiene la inteligencia artificial en términos de acelerar el ritmo del progreso en el descubrimiento de fármacos.

Un equipo de investigadores que han logrado utilizar la Inteligencia Artificial (IA) para diseñar, sintetizar y validar un nuevo fármaco candidato en solo 46 días. Esto en comparación con los típicos 2 a 3 años (736 a 1,104 días) requeridos utilizando el enfoque estándar de hit to lead (H2L) utilizado por la mayoría de las corporaciones farmacéuticas. Es decir, de 16 veces a 24 veces más rápido.

Mediante el uso de una combinación de Redes Adversarias Generativas (GAN, Generative Adversarial Network) y Aprendizaje por Refuerzo (RL, Reinforcement Learning), el equipo de investigadores de Insilico Medicine que respaldó el estudio “Deep learning enables rapid identification of potent DDR1 kinase inhibitors” (Aprendizaje profundo permite la identificación rápida de potentes inhibidores de la quinasa DDR1); publicado en Nature Biotechnology este mes de septiembre, ha logrado validar el poder que tiene la IA para agilizar los tiempos en el descubrimiento y desarrollo de fármacos. 

Lo que tiene el potencial de transformar todo el proceso de lanzamiento de nuevos fármacos al mercado. Desde un proceso aleatorio plagado de callejones sin salida y giros incorrectos; a un proceso inteligente, enfocado y dirigido, que tenga en cuenta las propiedades moleculares específicas de una enfermedad en particular desde el primer paso.

La Fundación de Investigación Biogerontology ha colaborado con Insilico Medicine en una serie de proyectos y estudios, y ha abogado durante mucho tiempo por el potencial que tiene la IA en términos de hacer que el proceso de descubrir y validar nuevos medicamentos sea un proceso más rápido y eficiente. Especialmente porque pertenece a la investigación sobre el envejecimiento la longevidady al desarrollo de medicamentos capaces de extender la salud humana y reducir la incidencia de enfermedades relacionadas con la edad en los últimos años de vida.

Si bien este es una etapa en una larga línea de pasos y logros con el objetivo de convertir en práctica los potenciales teóricos de la IA para la investigación de la longevidad, también es el paso más grande realizado hasta el momento; y va muy lejos en términos de demostrar ese potencial a través de ciencia dura.

El logro más reciente alcanzado por Insilico Medicine, una empresa en inteligencia artificial para el descubrimiento de fármacos y la longevidad; y socio oficial de Aging Research en King’s, demuestra el verdadero potencial disruptivo que tiene la inteligencia artificial en términos de acelerar el ritmo del progreso en el descubrimiento de fármacos

“Además, éste es solo el último paso en una agenda mucho más amplia de la aplicación de IA para el envejecimiento y la longevidad, en la traducción acelerada de esa investigación en terapias en el mundo real para pacientes humanos.”

“También es bastante notable que el equipo lanzó el código detrás de su algoritmo en un formato de código abierto. Esto permite a otros investigadores aplicar sus técnicas y construir sobre sus logros para el avance de todo el campo de la IA en el diseño de medicamentos, la investigación del envejecimiento y la longevidad“, dijo Richard Siow, Ph.D.; director de Investigación del Envejecimiento en el King’s College London; y ex Vicedecano (Internacional), de la Facultad de Ciencias de la Vida y Medicina, King’s College London.

En un comunicado de prensa se explica que la Fundación de Investigación Biogerontology, espera que este estudio motive a investigadores a aprovechar el potencial de la IA en la investigación de la longevidad y proporcione incentivos para que los desarrolladores de medicamentos más grandes comiencen a incorporar la IA en sus programas de descubrimiento y desarrollo. Todo ello con el objetivo de acelerar el tiempo que se requiere para que los medicamentos que salvan vidas, lleguen a manos de los pacientes.

Diabetes, cáncer y cardiopatía isquémica, protagonistas del DHFM


Diabetes, cáncer de mama y cardiopatía isquémica 3 padecimientos a abordarse por los ponentes de DHFM

En la próxima edición del Digital Health Forum en México (DHFM), a realizarse el 16 y 17 de octubre próximo; se debatirá sobre cómo la tecnología puede influir positivamente en los procesos de salud y enfermedad.

Y al mismo tiempo se expondrá por primera vez con ejemplos aterrizados sobre cómo aplicar las llamadas 4 Ps en medicina en 3 padecimientos específicos que están entre los que más afectan a la población mexicana.

Diabetes, cáncer de mama y cardiopatía isquémica serán los 3 padecimientos a abordarse por los ponentes de DHFM. Desde un enfoque de atención basado en la predicción, la prevención, la personalización y la participación.

4 P’s

La gran visión del DHFM es acortar la brecha existente entre la creciente demanda y la limitada oferta de los servicios de salud. Esto a través de tecnologías disruptivas que se apliquen bajo un esquema de esas 4 P’s que no deben faltar en un sistema de salud.

En este sentido, los organizadores de DHFM han explicado cada uno de esos cuatro aspectos que pueden hacer más eficiente y efectiva la atención de una enfermedad:

  • Predicción – Con base en la carga genética de las personas puede preverse qué enfermedades podrían padecer.
  • Prevención – Una vez que se determina el riesgo genético para ciertas enfermedades; se brindan al paciente una serie de medidas para su prevención.
  • Personalización – De acuerdo con el código genético de cada persona, los cuidados y tratamiento son personalizados.
  • Participación – Las personas tienen que ser más conscientes de hacerse cargo de su propia salud. Deben participar más y ser corresponsables de su propio cuidado.

Tres enfermedades

La aportación novedosa en la próxima edición del DHFM en octubre es que los especialistas compartirán sus experiencias en torno a tres enfermedades puntuales y las fórmulas que han ubicado para que, con base en esos cuatro pilares, se puedan lograr avances y resultados tangibles en favor de los pacientes.

En el primer día, después de exponerse lo último en torno a las 10 tecnologías más importantes aplicadas en el ámbito de la salud; se hablará de cómo el modelo de las 4 Ps se está aterrizando en cáncer de mama.

En el segundo día, por la mañana se hablará de similar manera sobre el modelo de las 4 P’s aplicado en cardiopatía isquémica. Por la tarde se abordará la aplicación del mismo esquema de las 4 Ps en diabetes mellitus;, enfermedad por la cual existe en México una declaración de emergencia.

El evento que tendrá lugar en el Palacio de la Antigua Escuela de Medicina. Es organizado en forma conjunta por:

  • Fundación Mexicana de la Salud (Funsalud)
  • Facultad de Medicina de la Universidad Nacional Autónoma de México (UNAM)
  • Tec Salud
  • Asociación Mexicana de la Industria de Investigación Farmacéutica (AMIIF)