• Deportes
  • Entretenimiento
  • Mundo
  • Negocio
  • Noticias
  • Salud
  • Tecnología
Notiulti
Noticias Ultimas
Inicio » Machine learning » Página 2
Tag:

Machine learning

Salud

Envejecimiento cerebral: Factores individuales y resiliencia cognitiva.

by Editora de Salud marzo 9, 2026
written by Editora de Salud

La edad es más que un simple número. Mientras que los neurocientíficos solían considerar el envejecimiento cognitivo como una única tendencia, ahora se dan cuenta de que las vastas diferencias individuales requieren un enfoque más predictivo y personalizado. A medida que descubren más factores que afectan la cognición con el tiempo, se están dando cuenta de que modelar el cerebro envejecido requiere datos más diversos de los que se capturaban tradicionalmente.

«Necesitamos reconocer que la forma en que las personas envejecen es un proceso tan biológico como social», afirma Randy McIntosh de la Universidad Simon Fraser, quien preside un simposio en la reunión anual de la Sociedad de Neurociencia Cognitiva (CNS) sobre la resiliencia cerebral.

«Esto significa que no existe una sola molécula o proteína que sea un biomarcador del envejecimiento cerebral saludable; habrá una combinación de varios factores. Y capturar la intersección entre lo que sucede en nuestros cerebros y lo que sucede en nuestro entorno y en nuestra cultura es difícil, pero también es una oportunidad emocionante, especialmente en esta era de aprendizaje automático», explica.

De hecho, como se presentará hoy en la conferencia de la CNS en Vancouver, Columbia Británica, los investigadores ahora están buscando más allá del escáner de resonancia magnética funcional (fMRI) para incorporar una amplia gama de datos en sus estudios de la cognición a lo largo de la vida, desde el sueño y la salud vascular hasta la religiosidad y el estilo de vida.

Al mismo tiempo, también están ampliando el grupo de personas que estudian, moviéndose hacia muestras más representativas de la población, así como las condiciones en las que prueban la salud cerebral, pasando de tareas de laboratorio estrictamente controladas a entornos más naturalistas, como ver películas. Nuevos datos muestran cómo, por ejemplo, incluso niveles bajos de depresión pueden influir en el deterioro cognitivo.

En conjunto, estos esfuerzos están creando una imagen más amplia del cerebro envejecido, una que no solo puede ayudar a informar el diagnóstico y el tratamiento de trastornos clínicos como la depresión, la demencia y la enfermedad de Alzheimer, sino que también puede ayudar a las personas sanas a optimizar mejor su cognición.

Descubriendo el papel de la depresión

La neurocientífica cognitiva Audrey Duarte ha visto un cambio tremendo en el envejecimiento cognitivo en las últimas décadas.

“Antiguamente, veíamos la edad como joven versus viejo, pero cuando analizábamos nuestros datos, dos personas de 70 años podían ser increíblemente diferentes en cómo se desempeñaban en las evaluaciones cognitivas, su salud general, enfermedades relacionadas con la edad, y así sucesivamente. Y nuestros modelos de envejecimiento cognitivo simplemente no incorporaban factores de diferencia individual»,

Audrey Duarte, Neurocientífica Cognitiva, Sociedad de Neurociencia Cognitiva

Para Duarte y su equipo de la Universidad de Texas en Austin, este cambio ha significado mirar más allá de los factores genéticos que contribuyen al envejecimiento para comprender algunos de los factores más «maleables», cosas que las personas pueden cambiar o hacer a cualquier edad para ayudar a conferir resiliencia cerebral con el tiempo. Es importante destacar que su equipo también quiere ampliar de quién están recopilando datos, con un gran estudio multisitio de unos 330 participantes, de entre 18 y 75 años, de diversos orígenes raciales y étnicos.

En su segundo año de este proyecto de cinco años, el equipo de Duarte ya está descubriendo nuevas perspectivas sobre el cerebro envejecido. Como presentarán en la CNS, nuevos hallazgos no publicados muestran que incluso niveles mínimos de depresión pueden provocar una disfunción ejecutiva que subyace a las deficiencias de memoria a medida que las personas envejecen. Están descubriendo que este efecto puede exacerbarse en afroamericanos y mexicoamericanos, quienes, según las pruebas, experimentan niveles más altos de depresión y prevalencia de la enfermedad de Alzheimer que los blancos no hispanos.

En un trabajo de la investigadora postdoctoral de Duarte, Sarah Henderson, que también se presentará en la CNS, también han estado investigando los mecanismos por los cuales se producen los déficits de memoria relacionados con la depresión. Vinculando los síntomas de depresión reportados en su cohorte de investigación a una serie de tareas de memoria que los participantes realizaron mientras estaban en un escáner de fMRI, los investigadores encontraron que una capacidad deteriorada para combatir la interferencia de información competitiva contribuye al deterioro de la memoria relacionado con la depresión.

Otros hallazgos del trabajo de Duarte han descubierto factores sociales, como la religiosidad, que parecen conferir resiliencia cognitiva en el envejecimiento, y han descubierto información de factores de estilo de vida como el sueño. Establecer estas conexiones ha requerido un esfuerzo sostenido en las comunidades locales para generar confianza con grupos que han estado subrepresentados en la investigación en neurociencia. «Al escuchar a las personas hablar sobre sus experiencias con el envejecimiento y las experiencias de sus padres, hemos aprendido mucho sobre los factores de apoyo social y otros factores de apoyo emocional, así como sobre los factores de estilo de vida que contribuyen a cómo envejecen las personas», dice Duarte.

El objetivo general es vincular estos nuevos datos con las demandas de función ejecutiva en el cerebro, para que los investigadores puedan comprender cómo el envejecimiento a lo largo de la vida difiere según los diferentes orígenes raciales, étnicos o sociales. «¿Existen factores que puedan conferir más resiliencia o exacerbar las deficiencias de memoria relacionadas con la depresión, por ejemplo?», se pregunta Duarte.

Responder a estas preguntas puede conducir a un enfoque personalizado para mejorar el envejecimiento cognitivo. Por ejemplo, en los participantes cuyos escáneres cerebrales mostraron una alta carga vascular de materia blanca, la actividad física podría ser un tratamiento eficaz para su depresión, ya sea en lugar de o junto con la medicación. «Nuestro objetivo es construir un árbol de decisiones que pueda ayudar a navegar por todas estas diferencias individuales», dijo Duarte.

Descubriendo el poder del entorno natural

El trabajo de Karen Campbell sobre el envejecimiento cognitivo comenzó de manera personal, observando cómo su abuela conservaba su memoria hasta el final, capaz de recordar recuerdos de su infancia en Polonia, su tiempo en el campo de concentración de Auschwitz durante la Segunda Guerra Mundial y, finalmente, mudarse a Canadá para construir una nueva vida. «Eso despertó mi fascinación por el envejecimiento y la memoria y lo que hace que algunas personas sean resistentes a la disminución relacionada con la edad frente al trauma», dice Campbell de la Universidad Brock en Ontario.

Cuando Campbell comenzó a estudiar el envejecimiento durante su investigación de doctorado, rápidamente se dio cuenta de cómo los estudios de memoria difieren de cómo las personas usan la memoria en la vida cotidiana. Si bien las tareas de laboratorio piden a los participantes del estudio que estudien listas de palabras o imágenes y luego las recuerden o las reconozcan intencionalmente, «en el mundo real, las personas a menudo se guían por su conocimiento de una situación determinada y permiten que las cosas les vengan a la mente de forma involuntaria», dice. Esa realización la impulsó a buscar oportunidades para estudiar la memoria y la percepción en entornos más naturalistas, como mientras las personas ven películas o leen historias.

Como presentará hoy en la conferencia de la CNS, los hallazgos del equipo de Campbell han revelado que los cerebros de adultos jóvenes y mayores no difieren tanto como se informó anteriormente cuando se encuentran en condiciones naturales. Basándose en trabajos anteriores que muestran que las tareas de laboratorio artificiales pueden inducir un tipo diferente de actividad cerebral que el procesamiento natural del lenguaje, su trabajo reciente muestra que los participantes de estudio más jóvenes y mayores que vieron una película percibieron y recordaron de manera similar. Los participantes vieron la película de forma natural, sin ninguna tarea, y luego respondieron preguntas sobre la película, incluida la identificación de los cambios en la historia. «Los hallazgos sugieren que un mecanismo neural similar subyace a una mejor memoria en ambos grupos», dice Campbell.

En general, la investigación de Campbell encuentra que «el envejecimiento no es del todo malo», dice. «La mayoría de las personas mayores funcionan bien en la vida cotidiana, especialmente cuando pueden aprovechar el conocimiento existente y su experiencia acumulada», explica Campbell. «Todavía necesitamos descubrir qué lleva a algunas personas hacia un envejecimiento patológico, pero tenemos algunas pistas: ejercicio, use audífonos si los necesita y trate de mantener las conexiones sociales».

Ahora, el equipo de Campbell está trabajando en una intervención para ayudar con la memoria para la vida cotidiana: los participantes ven una película y la pausan en puntos específicos para pedirles que propongan palabras clave que describan el evento que acababan de ver. «Por ejemplo, estamos usando Sherlock de la BBC, por lo que al final de una escena, los participantes podrían decir: ‘Sherlock, morgue, látigo'», dice. «Creemos que generar estas palabras clave obliga a las personas a reflexionar sobre lo que acaba de suceder y a ensayar las partes importantes». Este tipo de práctica de recuperación ha impulsado la memoria en paradigmas de aprendizaje de listas más estándar, por ejemplo, pero no se ha aplicado ampliamente en escenarios más naturalistas, dice Campbell. Sus resultados preliminares sugieren que esta intervención puede mejorar la memoria y ayudar a que los eventos individuales sean más distintos entre sí.

«Lo que está surgiendo es una visión del envejecimiento cerebral que es fundamentalmente sobre la posibilidad», dice McIntosh, quien está trabajando para crear modelos generativos basados en los diversos conjuntos de datos nuevos y emergentes. «Al modelar cómo la biología, la experiencia y el entorno interactúan con el tiempo, estamos pasando de los promedios a una ciencia que respeta las vidas individuales y abre nuevos caminos para la resiliencia a lo largo de la vida».

Fuentes:

Cognitive Neuroscience Society

 

marzo 9, 2026 0 comments
0 FacebookTwitterPinterestLinkedinEmail
Tecnología

ChatGPT Salud: Riesgos en Urgencias y Crisis Suicidas

by Editor de Tecnologia febrero 24, 2026
written by Editor de Tecnologia

ChatGPT Health, una herramienta de inteligencia artificial (IA) de uso común que ofrece orientación médica directamente al público –incluyendo consejos sobre la urgencia con la que se debe buscar atención médica– podría no dirigir adecuadamente a los usuarios a recibir atención de emergencia en un número significativo de casos graves, según investigadores de la Icahn School of Medicine at Mount Sinai.

El estudio, publicado de forma acelerada en la edición en línea del 23 de febrero de 2026 de Nature Medicine [https://doi.org/10.1038/s41591-026-04297-7], es la primera evaluación de seguridad independiente de la herramienta basada en un modelo de lenguaje grande (LLM) desde su lanzamiento en enero de 2026. También identificó serias preocupaciones con las salvaguardias de la herramienta en casos de crisis y suicidio.

«Los LLM se han convertido en la primera parada de los pacientes para obtener consejos médicos, pero en 2026 son menos seguros en los extremos clínicos, donde el juicio separa las emergencias perdidas de la alarma innecesaria», afirma Isaac S. Kohane, MD, PhD, Presidente del Departamento de Informática Biomédica de la Harvard Medical School, quien no participó en la investigación. «Cuando millones de personas utilizan un sistema de IA para decidir si necesitan atención de emergencia, lo que está en juego es extraordinariamente alto. La evaluación independiente debe ser rutinaria, no opcional.»

En las semanas posteriores a su lanzamiento, OpenAI, el creador de ChatGPT Health, informó que alrededor de 40 millones de personas estaban utilizando la herramienta diariamente para buscar información y orientación sobre salud, incluyendo consejos sobre si buscar atención urgente o de emergencia. Al mismo tiempo, según los investigadores, había poca evidencia independiente sobre cuán segura o confiable era su asesoría.

Esta brecha motivó nuestro estudio. Queríamos responder a una pregunta muy básica pero crítica: si alguien está experimentando una emergencia médica real y recurre a ChatGPT Health en busca de ayuda, ¿le indicará claramente que vaya a la sala de emergencias?

Ashwin Ramaswamy, MD, autor principal, Instructor de Urología, Icahn School of Medicine, Mount Sinai

Con respecto a las alertas de riesgo de suicidio, ChatGPT Health fue diseñado para dirigir a los usuarios a la Línea de Ayuda para la Prevención del Suicidio y Crisis 988 en situaciones de alto riesgo. Sin embargo, los investigadores encontraron que estas alertas aparecían de manera inconsistente, a veces activándose en escenarios de menor riesgo, mientras que, alarmantemente, no aparecían cuando los usuarios describían planes específicos de autolesión.

«Este fue un hallazgo particularmente sorprendente y preocupante», dice Girish N. Nadkarni, MD, MPH, Barbara T. Murphy Chair del Windreich Department of Artificial Intelligence and Human Health, Director del Hasso Plattner Institute for Digital Health, y Profesor Irene y Dr. Arthur M. Fishberg de Medicina en la Icahn School of Medicine at Mount Sinai, y Director de Inteligencia Artificial de Mount Sinai Health System. «Si bien esperábamos cierta variabilidad, lo que observamos fue más allá de la inconsistencia. Las alertas del sistema se invirtieron en relación con el riesgo clínico, apareciendo de manera más confiable para escenarios de menor riesgo que en los casos en que alguien compartía cómo tenía la intención de hacerse daño. En la vida real, cuando alguien habla sobre exactamente cómo se haría daño, eso es una señal de peligro más inmediato y grave, no menos.»

Como parte de la evaluación, el equipo de investigación creó 60 escenarios clínicos estructurados que abarcan 21 especialidades médicas. Los casos variaron desde afecciones menores apropiadas para el cuidado en el hogar hasta emergencias reales. Tres médicos independientes determinaron el nivel correcto de urgencia para cada escenario utilizando las pautas de 56 sociedades médicas.

Cada escenario se probó bajo 16 condiciones contextuales diferentes, incluyendo variaciones en la raza, el género, las dinámicas sociales (como alguien que minimiza los síntomas) y las barreras para la atención médica, como la falta de seguro o transporte. En total, el equipo realizó 960 interacciones con ChatGPT Health y comparó sus recomendaciones con el consenso de los médicos.

Al probar los 60 escenarios de pacientes realistas desarrollados por los médicos, los investigadores encontraron que, si bien la herramienta generalmente manejó correctamente las emergencias claras, subestimó la gravedad de más de la mitad de los casos que los médicos determinaron que requerían atención de emergencia.

Los investigadores también se sorprendieron por cómo el sistema falló en los casos de emergencia médica. La herramienta a menudo demostró que reconocía hallazgos peligrosos en sus propias explicaciones, pero aún así tranquilizaba al paciente.

«ChatGPT Health funcionó bien en emergencias clásicas como un derrame cerebral o una reacción alérgica grave», dice el Dr. Ramaswamy. «Pero tuvo dificultades en situaciones más matizadas donde el peligro no es inmediatamente obvio, y esos son a menudo los casos donde el juicio clínico es más importante. En un escenario de asma, por ejemplo, el sistema identificó las primeras señales de insuficiencia respiratoria en su explicación, pero aún así aconsejó esperar en lugar de buscar atención de emergencia.»

Los autores del estudio aconsejan que, ante el empeoramiento o la aparición de síntomas preocupantes, como dolor en el pecho, dificultad para respirar, reacciones alérgicas graves o cambios en el estado mental, las personas deben buscar atención médica directamente en lugar de depender únicamente de la orientación de un chatbot. En los casos que involucren pensamientos de autolesión, las personas deben comunicarse con la Línea de Ayuda para la Prevención del Suicidio y Crisis 988 o acudir a un departamento de emergencias.

A pesar de ello, los investigadores enfatizan que los hallazgos no sugieren que los consumidores deban abandonar por completo las herramientas de salud basadas en IA.

«Como estudiante de medicina que se forma en una época en que las herramientas de salud basadas en IA ya están en manos de millones de personas, las veo como tecnologías que debemos aprender a integrar cuidadosamente en la atención en lugar de sustitutos del juicio clínico», dice Alvira Tyagi, estudiante de primer año de medicina en la Icahn School of Medicine at Mount Sinai y segundo autor del estudio. «Estos sistemas están cambiando rápidamente, por lo que parte de nuestra formación ahora debe considerar aprender a comprender sus resultados de manera crítica, identificar dónde fallan y utilizarlos de manera que protejan a los pacientes.»

El estudio evaluó el sistema en un momento específico. Debido a que los modelos de IA se actualizan con frecuencia, el rendimiento puede cambiar con el tiempo, lo que subraya la necesidad de una evaluación independiente, dicen los investigadores.

«Comenzar la formación médica junto con herramientas que evolucionan en tiempo real deja claro que los resultados de hoy no están escritos en piedra», dice la Sra. Tyagi. «Esa realidad exige una revisión continua para garantizar que las mejoras en la tecnología se traduzcan en una atención más segura.»

El equipo planea continuar evaluando las versiones actualizadas de ChatGPT Health y otras herramientas de IA orientadas al consumidor, ampliando futuras investigaciones a áreas como la atención pediátrica, la seguridad de los medicamentos y el uso de idiomas que no sean el inglés.

El artículo se titula «ChatGPT Health performance in a structured test of triage recommendations».

Los autores del estudio, según figura en la revista, son Ashwin Ramaswamy, MD, MPP; Alvira Tyagi, BA; Hannah Hugo, MD; Joy Jiang, PhD; Pushkala Jayaraman, PhD; Mateen Jangda, MSc; Alexis E. Te, MD; Steven A. Kaplan, MD; Joshua Lampert, MD; Robert Freeman, MSN, MS; Nicholas Gavin, MD, MBA; Ashutosh K. Tewari, MBBS, MCh; Ankit Sakhuja, MBBS MS; Bilal Naved, PhD; Alexander W. Charney, MD, PhD; Mahmud Omar, MD; Michael A. Gorin, MD; Eyal Klang, MD; Girish N. Nadkarni, MD, MPH.

Fuente:

Mount Sinai Health System

Referencia del diario:

Ramaswamy, A., et al. (2026). ChatGPT Health performance in a structured test of triage recommendations. Nature Medicine. DOI: 10.1038/s41591-026-04297-7. https://www.nature.com/articles/s41591-026-04297-7

febrero 24, 2026 0 comments
0 FacebookTwitterPinterestLinkedinEmail
Salud

Resistencia a la insulina y cáncer: IA predice el riesgo

by Editora de Salud febrero 19, 2026
written by Editora de Salud

Un modelo de aprendizaje automático que predice la resistencia a la insulina sugiere una relación con el cáncer.

La resistencia a la insulina –cuando el cuerpo no responde adecuadamente a la insulina, una hormona que ayuda a controlar los niveles de glucosa en sangre– es una de las causas fundamentales de la diabetes. Además de la diabetes, se sabe ampliamente que la resistencia a la insulina puede conducir a enfermedades cardiovasculares, renales y hepáticas. Si bien la resistencia a la insulina está estrechamente asociada con la obesidad, ha sido difícil evaluar la resistencia a la insulina en la clínica. Por primera vez, investigadores, incluyendo a los de la Universidad de Tokio (Japón), aplicaron un modelo de predicción basado en aprendizaje automático de la resistencia a la insulina a medio millón de participantes del UK Biobank y demostraron que la resistencia a la insulina es un factor de riesgo para 12 tipos de cáncer.

La diabetes es una preocupación común en todo el mundo. Su conexión con la resistencia a la insulina es un concepto familiar para muchos, pero lo que es menos conocido es que la resistencia a la insulina también se sugiere como un factor de riesgo para varios tipos de cáncer. Sin embargo, el cuerpo humano es algo complejo, y determinar conexiones causales entre enfermedades y problemas dentro del cuerpo está lejos de ser fácil. Los investigadores médicos exploran diferentes formas de buscar estas conexiones, y una herramienta cada vez más común en su arsenal es la inteligencia artificial, en particular el aprendizaje automático.

Yuta Hiraike, un investigador del Hospital Universitario de Tokio, y su equipo han utilizado con éxito una herramienta de aprendizaje automático que crearon para demostrar una relación entre la resistencia a la insulina y varios tipos de cáncer.

“Recientemente creamos una herramienta, AI-IR, para predecir la resistencia a la insulina en individuos basándose en nueve piezas diferentes de información médica. Demostró ser exitosa y nos hizo pensar que podríamos aplicar esta herramienta a preocupaciones relacionadas”, comentó Hiraike.

“Si bien se ha sugerido una posible relación entre la resistencia a la insulina y el cáncer, la evidencia a gran escala ha sido limitada debido a la dificultad de evaluar la resistencia a la insulina en la clínica. Pero con AI-IR, hemos proporcionado la primera evidencia a nivel de población de que la resistencia a la insulina es un factor de riesgo para el cáncer. Y dado que los nueve parámetros de entrada para AI-IR se obtienen a través de chequeos médicos estándar, AI-IR podría implementarse fácilmente para identificar a individuos de alto riesgo y permitir un cribado enfocado de diabetes, enfermedades cardiovasculares y cáncer.”


Prueba de sangre BCMA puede rastrear los cambios del cáncer y adaptar a los pacientes al tratamiento adecuado

Una prueba de sangre puede identificar con precisión diferentes tipos de cáncer de mama e identificar cambios a lo largo del tiempo, lo que permite que los pacientes se adapten al tratamiento correcto sin necesidad de una biopsia.


Actualmente, es común que el índice de masa corporal (IMC), una medida de la grasa corporal, prediga la resistencia a la insulina de un individuo y su susceptibilidad relacionada al cáncer. Sin embargo, esto puede generar falsos positivos, donde algunas personas obesas se consideran metabólicamente sanas y no sufren los efectos negativos de la obesidad en la misma medida que otras, y falsos negativos, donde personas con un IMC ideal terminan sufriendo resistencia a la insulina o problemas relacionados que suelen estar asociados con la obesidad.

Parte del desafío que enfrentaron Hiraike y su equipo fue convencer a los revisores del artículo de que AI-IR podía superar estas deficiencias de manera confiable y repetible. Afortunadamente, demostraron no solo su poder predictivo, sino también que su modelo es robusto en diversas condiciones.

“Cuando se comparó con la resistencia a la insulina medida directamente en conjuntos de datos de validación, AI-IR logró un fuerte rendimiento predictivo. Medir directamente la resistencia a la insulina es poco práctico, excepto cuando los pacientes son tratados en clínicas especializadas en diabetes. AI-IR proporciona una alternativa robusta y escalable para evaluar la resistencia a la insulina a nivel de población”, continuó Hiraike.

“Al combinar nueve parámetros clínicos en una sola métrica, AI-IR puede detectar la resistencia a la insulina que el IMC por sí solo no puede explicar. Ahora estamos trabajando para comprender cómo las diferencias genéticas entre individuos influyen en este riesgo y, en última instancia, para vincular datos humanos a gran escala con estudios de biología molecular para desarrollar mejores estrategias para superar la resistencia a la insulina.”

Este artículo ha sido republicado a partir de los siguientes materiales. El material ha sido editado para acortarlo y adaptarlo al estilo de la casa. Para obtener más información, póngase en contacto con la fuente citada. Nuestra política de publicación de comunicados de prensa puede consultarse aquí.

febrero 19, 2026 0 comments
0 FacebookTwitterPinterestLinkedinEmail
Salud

Cáncer de hígado: Nuevo marcador predictivo con IA

by Editora de Salud febrero 18, 2026
written by Editora de Salud

Investigadores liderados por Xian-Yang Qin en el Centro de Ciencias Médicas Integrativas (IMS) de RIKEN en Japón han desarrollado un puntaje que predice el riesgo de cáncer de hígado. El estudio, publicado en la revista científica Proceedings of the National Academy of Sciences, establece que la proteína MYCN impulsa la tumorigénesis hepática, específicamente en el subtipo más agresivo de este cáncer. La investigación caracteriza el microambiente de los genes que permiten la sobreexpresión de MYCN y describe un algoritmo de aprendizaje automático que utiliza estos datos para predecir la probabilidad de que un hígado sin tumores desarrolle cáncer.

El cáncer de hígado, o carcinoma hepatocelular, causa más de 800.000 muertes en todo el mundo cada año. La alta tasa de mortalidad se debe a que a menudo se detecta en etapas avanzadas y a que la tasa de recurrencia oscila entre el 70% y el 80%. Con la esperanza de encontrar un método preciso para predecir qué hígados están en riesgo antes de que se desarrollen tumores, Qin y su equipo han estado estudiando la proteína MYCN.

El gen MYCN se ha identificado como un factor que contribuye al cáncer de hígado que se desarrolla a partir de hígados dañados, pero el mecanismo exacto no estaba claro. Los investigadores plantearon la hipótesis de que, si su sobreexpresión conduce directamente a la tumorigénesis, sería un biomarcador ideal para un estudio más profundo. Para probar su teoría, el equipo utilizó un sistema de transposón basado en la inyección hidroдинаmica en la vena de la cola para insertar MYCN en el genoma del hígado de ratones, logrando así una sobreexpresión de MYCN.

Los resultados mostraron que, al sobreexpresar MYCN junto con AKT (siempre activo), el 72% de los ratones desarrollaron tumores hepáticos en 50 días. Diversas pruebas confirmaron que estos tumores presentaban las características del carcinoma hepatocelular humano. No se desarrollaron tumores al sobreexpresar solo uno de estos genes.

Comprender cómo las señales microambientales tempranas desencadenan la tumorigénesis hepática es crucial para desarrollar estrategias para contrarrestarla. Para caracterizar este microambiente, los investigadores recurrieron a la transcriptómica espacial, una técnica que revela qué genes están activos en un tejido y dónde se produce esa actividad. En un modelo de ratón de cáncer de hígado asociado a disfunción metabólica, utilizaron este método para analizar la expresión génica a lo largo del tiempo y en diferentes ubicaciones a medida que se desarrollaban los tumores, centrándose en las áreas donde MYCN estaba aumentando. Descubrieron un grupo de 167 genes que se expresaban de manera diferente en secciones del hígado sin tumores que presentaban niveles elevados de MYCN. Este grupo lo denominaron el «nicho MYCN».

A partir de los datos de transcriptómica espacial de ratones, los investigadores desarrollaron un modelo de aprendizaje automático capaz de evaluar las características de un patrón de expresión génica y generar un puntaje que indica si corresponde o no a un nicho MYCN. El modelo tiene una precisión del 93%.

El puntaje del nicho MYCN se calculó luego para conjuntos de datos de carcinoma hepatocelular humano. Los pacientes con puntajes más altos mostraron un mayor riesgo de recurrencia del tumor y peores resultados clínicos. Esta relación fue más fuerte cuando el puntaje se derivó de tejido no tumoral que de tejido tumoral. Por lo tanto, este puntaje representa un biomarcador espacial innovador que predice el pronóstico basándose en los microambientes que promueven la formación de tumores.

Hemos desarrollado una estrategia clínicamente aplicable para identificar a pacientes de alto riesgo mediante el análisis de la expresión génica en tejido hepático no tumoral. Al integrar la transcriptómica espacial con el aprendizaje automático, hemos establecido un puntaje de nicho MYCN que predice el riesgo de recurrencia y detecta microambientes precancerosos propensos a la tumorigénesis de novo.

En el futuro, nuestro objetivo es analizar más a fondo los mecanismos biológicos capturados por los puntajes de características espaciales derivados del aprendizaje automático y determinar cómo se establecen y mantienen los entornos permisivos para el cáncer.

Xian-Yang Qin, Centro de Ciencias Médicas Integrativas de RIKEN

Fuente:

Referencia del diario:

DOI: 10.1073/pnas.2521923123

febrero 18, 2026 0 comments
0 FacebookTwitterPinterestLinkedinEmail
Salud

Gota y Trastornos del Sueño: Biomarcadores y Diagnóstico

by Editora de Salud enero 24, 2026
written by Editora de Salud

La gota, una forma común de artritis inflamatoria, a menudo se presenta junto con trastornos del sueño. Esta comorbilidad es particularmente notable en pacientes con función renal deteriorada que requieren purificación de la sangre, aunque los mecanismos subyacentes no se comprendían completamente. Un reciente estudio ha utilizado análisis transcriptómicos y aprendizaje automático para identificar marcadores genéticos compartidos y desarrollar un modelo de diagnóstico para la gota basado en genes relacionados con los trastornos del sueño.

Los investigadores analizaron sistemáticamente conjuntos de datos transcriptómicos disponibles públicamente, incluyendo datos de pacientes con gota y trastornos del sueño, para construir este modelo. Se identificaron y analizaron genes diferencialmente expresados (DEGs) asociados a ambas condiciones. Se realizaron análisis de enriquecimiento funcional e infiltración inmune utilizando paquetes de software R. El análisis de infiltración inmune se llevó a cabo mediante análisis de enriquecimiento del conjunto de genes de muestra única.

El estudio identificó ocho DEGs compartidos y reveló vías clave y funciones moleculares involucradas, incluyendo la actividad quinasa serina/treonina de proteína de unión al ADN, la cardiomiopatía ventricular derecha arritmogénica y la vía de señalización Janus quinasa/transductor de señal y activador de la transcripción. El análisis de infiltración inmune también reveló perfiles distintos de infiltración de células inmunitarias en pacientes con gota y trastornos del sueño en comparación con controles sanos.

Como resultado, se construyó una firma diagnóstica robusta de 8 genes (APBA2, KLF13, FAM117A, IL6R, CCND3, WASF2, PROSC y TAF1). Este estudio establece un nuevo marco molecular que vincula la patogénesis de la gota con la alteración del sueño, proporcionando así posibles biomarcadores para el diagnóstico temprano y el tratamiento de precisión de la gota.

Palabras clave: purificación de la sangre; modelo de diagnóstico; gota; aprendizaje automático; función renal; trastornos del sueño; análisis transcriptómico.

enero 24, 2026 0 comments
0 FacebookTwitterPinterestLinkedinEmail
Tecnología

Enzimas Artificiales: Nuevo Diseño para Industria y Medicina Diseño de Enzimas a Medida: Avance en Biocatálisis Riff-Diff: Diseño Eficiente de Enzimas con IA Enzimas Personalizadas: Innovación en Biotecnología Biocatálisis Avanzada: Diseño de Enzimas con Machine Learning

by Editor de Tecnologia enero 24, 2026
written by Editor de Tecnologia

Las enzimas con funciones específicas son cada vez más importantes en la industria, la medicina y la protección del medio ambiente. Permiten, por ejemplo, sintetizar productos químicos de forma más sostenible, producir ingredientes activos de manera precisa o degradar sustancias contaminantes. Investigadores del grupo de trabajo de Gustav Oberdorfer en el Instituto de Bioquímica de la Universidad Tecnológica de Graz (TU Graz), junto con colegas de la Universidad de Graz, han publicado un estudio en la revista científica Nature que describe un nuevo método para el diseño de enzimas personalizadas. Esta tecnología, denominada Riff-Diff (Rotamer Inverted Fragment Finder–Diffusion), permite construir la estructura proteica de forma precisa y eficiente alrededor del centro activo, en lugar de buscar una estructura adecuada en bases de datos existentes. Las enzimas resultantes no solo son significativamente más activas que las enzimas artificiales anteriores, sino también más estables.

Biocatalizadores de alta eficiencia

«En lugar de invertir el proceso y buscar en bases de datos una estructura que coincida con un centro activo, ahora podemos diseñar enzimas para reacciones químicas de manera eficiente y precisa desde cero, en un solo paso», afirma Gustav Oberdorfer, cuyo proyecto ERC HELIXMOLD fue fundamental para este avance. Markus Braun, autor principal del Instituto de Bioquímica de la TU Graz, añade: «Las enzimas que ahora se pueden producir son biocatalizadores de alta eficiencia que también pueden utilizarse en entornos industriales gracias a su estabilidad. Esto reduce drásticamente el esfuerzo de cribado y optimización que se requería anteriormente y hace que el diseño de enzimas sea más accesible para la comunidad biotecnológica en general».

Este progreso ha sido posible gracias a nuevos avances en el aprendizaje automático, que permiten diseñar estructuras mucho más complejas que los métodos anteriores. Riff-Diff combina varios modelos de aprendizaje automático generativo con el modelado atomístico. Primero, se colocan motivos estructurales de proteínas alrededor de un centro activo, y luego un modelo de IA generativa llamado RFdiffusion genera la estructura completa de la molécula proteica. Los investigadores refinan este andamiaje paso a paso utilizando otros modelos para que los elementos químicamente activos se coloquen con alta precisión: se ha logrado una precisión a nivel de angstrom (1 angstrom corresponde a 0,1 nanómetros), según lo demostrado por estructuras proteicas de alta resolución determinadas experimentalmente.

Un atajo evolutivo

El equipo ha confirmado con éxito en laboratorio la eficacia del método. Ya se han generado enzimas activas para diferentes tipos de reacciones a partir de 35 secuencias probadas. Los nuevos catalizadores fueron significativamente más rápidos que los diseños asistidos por ordenador anteriores. Además, las nuevas enzimas mostraron una alta estabilidad térmica y casi todas conservaron su forma funcional hasta los 90 grados Celsius o más, lo que es especialmente relevante para su uso en aplicaciones industriales.

Aunque la naturaleza produce una gran cantidad de enzimas a través de la evolución, este proceso lleva tiempo. Con nuestro enfoque, podemos acelerar masivamente este proceso y, por lo tanto, contribuir a que los procesos industriales sean más sostenibles, a desarrollar terapias enzimáticas dirigidas y a mantener el medio ambiente más limpio.

Adrian Tripp, Autor Principal, Instituto de Bioquímica de TU Graz

Este avance también fue posible gracias a la colaboración interdisciplinaria entre la TU Graz y la Universidad de Graz. Mélanie Hall, del Instituto de Química de la Universidad de Graz, confirma la solidez de la colaboración: «La integración de diferentes áreas de experiencia en la interfaz entre la ciencia de las proteínas, la biotecnología y la química orgánica demuestra la importancia crucial de los enfoques interdisciplinarios para el avance de la biocatálisis moderna».

Fuente:

Universidad Tecnológica de Graz

Referencia del artículo:

Braun, M., et al. (2025). Computational enzyme design by catalytic motif scaffolding. Nature. [online] doi: 10.1038/s41586-025-09747-9. https://www.nature.com/articles/s41586-025-09747-9

enero 24, 2026 0 comments
0 FacebookTwitterPinterestLinkedinEmail
Tecnología

Tecnologías Emergentes 2026: IA, Computación Cuántica y Energía Nuclear

by Editor de Tecnologia enero 21, 2026
written by Editor de Tecnologia

You have full access to this article via your institution.

An AI model accurately predicted the trajectory of Hurricane Melissa, which wreaked havoc in the Caribbean last October.Credit: Gallo Images/Orbital Horizon/Copernicus Sentinel Data 2025/Getty

El progreso tecnológico, al igual que el científico, suele ser incremental, impulsado en parte por ráfagas estocásticas de resolución de problemas y superación de obstáculos. Ocasionalmente, una innovación alcanza la madurez suficiente para tener un impacto real: ya sea al entrar en uso práctico a gran escala o al encontrar una amplia gama de aplicaciones. Desde 2018, Nature elabora una lista de tecnologías emergentes a tener en cuenta en el próximo año. Nuestra última edición se publica esta semana.

Seven Technologies to watch in 2026

La inteligencia artificial hace una aparición, como ha hecho a menudo en los últimos años. La principal tecnología de IA a tener en cuenta este año es la meteorología impulsada por la IA, que está acelerando y mejorando las previsiones meteorológicas locales, el seguimiento de tormentas y la modelización climática global. Un modelo de IA desarrollado por investigadores de Google DeepMind en Londres, por ejemplo, anticipó que el huracán Melissa, que causó estragos en el Caribe el pasado octubre, se convertiría en un evento de categoría 5 días antes y también predijo con precisión su trayectoria. Otro modelo, entrenado con datos meteorológicos de diversas fuentes, fue capaz de proporcionar previsiones precisas hasta diez días antes de un evento meteorológico1.

La computación cuántica hace su segunda aparición en la lista este año, tras estudios destinados a mejorar el problema de la corrección de errores en los bits cuánticos, o qubits, las unidades fundamentales de la información cuántica2. La primera vez, en 2022, nuestro autor señaló los primeros, pero tentadores, avances logrados en la manipulación de átomos individuales como qubits para un procesador cuántico. Desde entonces, la inversión en esta área ha aumentado considerablemente. En 2023, Estados Unidos, el Reino Unido, Alemania y Corea del Sur anunciaron inversiones con un total combinado de casi 10.000 millones de dólares en tecnologías cuánticas. Y, en 2025, Japón invirtió solo 7.000 millones de dólares.

Este año, por primera vez, la lista también incluye tecnologías de energía nuclear. Los avances en la fusión nuclear están acercando cada vez más la promesa de energía abundante de esta fuente. Al mismo tiempo, se están desarrollando rápidamente reactores nucleares modulares pequeños para ayudar a las naciones a hacer frente al aumento de la demanda de energía de los centros de datos que se están construyendo para alimentar las aplicaciones de IA.

Las decisiones sobre qué tecnologías destacar se basan en las recomendaciones y perspectivas de los editores de las revistas de Nature Portfolio, las tendencias en la literatura de investigación y política y los acontecimientos actuales. Mirando hacia atrás, los avances en la edición genética, la microscopía y las tecnologías de ARN mensajero son constantes. La sombra de la pandemia de COVID-19 también se cierne sobre nosotros. La primera vacuna de ARNm contra el virus SARS-CoV-2 recibió autorización de uso de emergencia en diciembre de 2020, menos de un año después del inicio de la pandemia, y las vacunas de ARNm encontraron su lugar en la lista en 20213.

La promesa y el peligro de la IA

Quizás no sea sorprendente que la IA haya sido uno de los temas recurrentes más notables a lo largo de la serie. Las palabras inteligencia artificial se incluyeron en la primera lista, en 2018, en la que se menciona a la IA como una tecnología prometedora para integrar y analizar datos de diversas fuentes, como dispositivos portátiles, instrumentos científicos y la literatura de investigación. Dos años después4, cuatro revistas de Nature Portfolio publicaron una serie de artículos que utilizaron el aprendizaje automático para evaluar la literatura científica agrícola mundial. Estos estudios revelaron una falta de investigación sobre los pequeños agricultores, que constituyen la mayoría de los agricultores en todo el mundo.

La IA hizo su segunda aparición como tecnología a tener en cuenta en la genómica. La predicción de la estructura de las proteínas fue la tecnología de IA a tener en cuenta en 2022, gracias a la publicación del modelo AlphaFold25, que podía extrapolar la forma de una proteína plegada a partir de su secuencia de aminoácidos. La IA regresó en 2024 como una tecnología a tener en cuenta para el diseño de proteínas con funciones innovadoras para aplicaciones que van desde el desarrollo de vacunas hasta la biología sintética. Ese mismo año, también llamamos la atención sobre el lado oscuro de la IA, destacando tecnologías que podrían utilizarse para combatir la proliferación de imágenes falsas y para distinguir el audio, los vídeos y las fotografías generados por IA de los reales.

Let 2026 be the year the world comes together for AI safety

La lista del año pasado tuvo el mayor número de entradas relacionadas con la IA. Las tres tecnologías incluidas fueron los laboratorios “autodirigidos” en los que los algoritmos de robótica e IA pueden planificar e interpretar flujos de trabajo en la investigación química y de materiales; modelos para clasificar tipos de células y analizar redes genéticas; y una forma de utilizar la IA para acelerar el desarrollo de ordenadores basados en la luz o “fotónicos”, en los que los fotones se utilizan en lugar de los electrones para transmitir y procesar datos.

Desde el principio, los autores de la serie han reconocido que el potencial transformador de la IA requiere una gestión cuidadosa de sus riesgos asociados. En enero de 2018, la neurocientífica Vivienne Ming, de Socos Labs en Berkeley, California, preguntó quién tendría el control de los datos almacenados en las plataformas de IA y cómo se publicarían los nuevos hallazgos, teniendo en cuenta la dominación de las grandes empresas tecnológicas en el sector de la IA. Los investigadores de las empresas de IA están publicando en la literatura revisada por pares6, aunque no tanto como podrían y deberían7. Las palabras de Ming siguen siendo tan ciertas hoy como lo fueron cuando comenzó esta serie: “La asombrosa tradición que es la ciencia no debe ser oscurecida en manos de unas pocas personas”. Estamos totalmente de acuerdo y esperamos ver más de los mayores avances y las apuestas más audaces de la comunidad científica mundial en los próximos años.

enero 21, 2026 0 comments
0 FacebookTwitterPinterestLinkedinEmail
Tecnología

IA Predice Éxito Implantes Cocleares con 92% Precisión

by Editor de Tecnologia diciembre 30, 2025
written by Editor de Tecnologia

Un modelo de inteligencia artificial (IA) que utiliza aprendizaje profundo –la forma más avanzada de aprendizaje automático– ha predicho con una precisión del 92% los resultados del desarrollo del lenguaje hablado entre uno y tres años después de la implantación de un implante coclear (dispositivo auditivo electrónico implantado), según un amplio estudio internacional publicado en JAMA Otolaryngology-Head & Neck Surgery.

Si bien la implantación coclear es el único tratamiento eficaz para mejorar la audición y permitir el desarrollo del lenguaje hablado en niños con pérdida auditiva severa o profunda, la evolución del lenguaje hablado después de una implantación temprana es más variable en comparación con los niños que nacen con audición normal. Identificar a los niños con mayor probabilidad de tener dificultades con el lenguaje hablado antes de la implantación permitiría ofrecer una terapia más intensiva desde el principio para mejorar su capacidad de expresión.

Los investigadores entrenaron modelos de IA para predecir los resultados basándose en resonancias magnéticas cerebrales preimplantación de 278 niños de Hong Kong, Australia y Estados Unidos, que hablaban tres idiomas diferentes (inglés, español y cantonés). Los tres centros del estudio también utilizaron diferentes protocolos para escanear el cerebro y diferentes medidas de resultados.

Este tipo de conjuntos de datos complejos y heterogéneos son problemáticos para el aprendizaje automático tradicional, pero el estudio demostró excelentes resultados con el modelo de aprendizaje profundo. Superó a los modelos tradicionales de aprendizaje automático en todas las medidas de resultados.

«Nuestros resultados respaldan la viabilidad de un único modelo de IA como una herramienta de pronóstico robusta para los resultados del lenguaje en niños atendidos por programas de implantes cocleares en todo el mundo. Este es un avance emocionante para el campo», afirmó la autora principal, Nancy M. Young, MD, Directora Médica de Audiología y Programas de Implantes Cocleares del Ann & Robert H. Lurie Children’s Hospital de Chicago, el centro estadounidense en el estudio.

Esta herramienta impulsada por IA permite un enfoque de ‘predecir para prescribir’ para optimizar el desarrollo del lenguaje al determinar qué niño podría beneficiarse de una terapia más intensiva.

Nancy M. Young, Ann & Robert H. Lurie Children’s Hospital de Chicago

Este trabajo fue apoyado por la subvención Research Grants Council de Hong Kong GRF14605119, National Institutes of Health R21DC016069 y R01DC019387.

La Dra. Young ocupa la Cátedra Lillian S. Wells de Otorrinolaringología Pediátrica en Lurie Children’s. También es Profesora de Otorrinolaringología en la Northwestern University Feinberg School of Medicine, y Profesora y Fellow en Knowles Hearing Center, Departamento de Ciencias de la Comunicación y Trastornos del Habla en la Northwestern University School of Communication.

El Programa de Implantes Cocleares de Lurie Children’s es uno de los más grandes y experimentados del mundo, con más de 2,000 procedimientos de implantes cocleares realizados desde su inicio en 1991.

Fuente:

Ann & Robert H. Lurie Children’s Hospital de Chicago

Referencia del artículo:

Wang, Y., et al. (2025) Forecasting Spoken Language Development in Children With Cochlear Implants Using Preimplant Magnetic Resonance Imaging. JAMA Otolaryngology–Head & Neck Surgery. DOI:10.1001/jamaoto.2025.4694. https://jamanetwork.com/journals/jamaotolaryngology/fullarticle/2842669.

diciembre 30, 2025 0 comments
0 FacebookTwitterPinterestLinkedinEmail
Salud

IA Predice Riesgo de Desnutrición en UCI: Mejora la Atención al Paciente

by Editora de Salud diciembre 23, 2025
written by Editora de Salud

Un nuevo estudio realizado por investigadores de la Escuela de Medicina Icahn en Mount Sinai sugiere que la inteligencia artificial (IA) podría ayudar a predecir qué pacientes críticamente enfermos que se encuentran con ventilación mecánica corren el riesgo de recibir una nutrición insuficiente. Esto podría permitir a los médicos ajustar la alimentación de manera temprana y mejorar la atención al paciente. Los detalles del estudio fueron publicados el 17 de diciembre en la revista Nature Communications.

Según los investigadores, la primera semana con ventilación mecánica es especialmente importante para proporcionar una nutrición adecuada, ya que las necesidades de los pacientes a menudo cambian rápidamente durante este período. «Demasiados pacientes con ventilación mecánica en la unidad de cuidados intensivos (UCI) no reciben la nutrición que necesitan durante la primera semana crucial», afirma el co-autor principal Ankit Sakhuja, MD, MS, profesor asociado de Inteligencia Artificial y Salud Humana, y Medicina (Medicina basada en datos y digital). «Sus necesidades están cambiando rápidamente y es fácil que se queden atrás. Queríamos explorar una forma sencilla y oportuna de identificar a quienes corren mayor riesgo de recibir una nutrición insuficiente para que los médicos puedan intervenir antes, ajustar la atención y asegurarse de que cada paciente reciba el apoyo adecuado cuando más lo necesita».

El equipo de investigación desarrolló una herramienta de IA, llamada NutriSightT, que analiza datos rutinarios de la UCI, como signos vitales, resultados de laboratorio, medicamentos e información sobre la alimentación, para predecir, con horas de anticipación, qué pacientes podrían estar recibiendo una nutrición insuficiente entre los días 3 y 7 de ventilación mecánica. Utilizando grandes conjuntos de datos desidentificados de la UCI de Europa y Estados Unidos, el modelo fue entrenado y validado para actualizar las predicciones cada cuatro horas a medida que cambian las condiciones del paciente.

El estudio identificó varias ideas clave que podrían ayudar a guiar la atención al paciente:

  • La nutrición insuficiente es común al inicio de la atención en la UCI. Alrededor del 41 por ciento al 53 por ciento de los pacientes recibieron una nutrición insuficiente al tercer día, y entre el 25 y el 35 por ciento continuaron recibiendo una nutrición insuficiente al séptimo día.
  • El modelo es dinámico e interpretable, mostrando qué factores rutinarios, como la presión arterial, los niveles de sodio o la sedación, influyen en el riesgo de nutrición insuficiente.
  • La investigación podría respaldar planes de alimentación personalizados, guiar a los equipos de nutrición e informar ensayos clínicos para determinar las estrategias nutricionales más eficaces para cada paciente.

Los investigadores enfatizan que NutriSightT no está diseñado para reemplazar a los médicos, sino que podría servir como un sistema de alerta temprana para ayudar a guiar las intervenciones nutricionales oportunas.

Los próximos pasos del equipo de investigación incluyen ensayos prospectivos en múltiples centros para probar si actuar sobre estas predicciones mejora los resultados de los pacientes, una integración cuidadosa en los registros electrónicos de salud y una expansión a objetivos de nutrición individualizados más amplios.

«La importancia de los hallazgos de nuestro estudio es que, por primera vez, podría ser posible identificar a los pacientes que corren el riesgo de recibir una nutrición insuficiente al inicio de su estancia en la UCI y adaptar la atención a sus necesidades individuales», afirma el co-autor principal Girish N. Nadkarni, MD, MPH, presidente del Departamento de Inteligencia Artificial y Salud Humana Windreich, director del Instituto Hasso Plattner para la Salud Digital y profesor Irene y Dr. Arthur M. Fishberg de Medicina en la Escuela de Medicina Icahn en Mount Sinai, y Director de IA de Mount Sinai Health System. «Esto representa un importante paso hacia proporcionar a los médicos una mejor información para tomar decisiones sobre la nutrición. En última instancia, el objetivo es proporcionar la cantidad correcta de nutrición al paciente adecuado en el momento adecuado, lo que podría ayudar a mejorar la recuperación y los resultados en pacientes críticamente enfermos y sentar las bases para estrategias de atención más personalizadas».

El artículo se titula «NutriSighT: Modelo Transformer interpretable para la predicción dinámica de la nutrición enteral insuficiente en pacientes con ventilación mecánica».

Los autores del estudio, según figura en la revista, son Mateen Jangda, Jayshil Patel, Akhil Vaid, Jaskirat Gill, Paul McCarthy, Jacob Desman, Rohit Gupta, Dhruv Patel, Nidhi Kavi, Shruti Bakare, Eyal Klang, Robert Freeman, Anthony Manasia, John Oropello, Lili Chan, Mayte Suarez-Farinas, Alexander W. Charney, Roopa Kohli-Seth, Girish N. Nadkarni y Ankit Sakhuja.

Este estudio fue apoyado por la subvención K08DK131286.e de los Institutos Nacionales de la Salud (NIH).

Fuente:

Mount Sinai Health System

Referencia del diario:

https://www.nature.com/articles/s41467-025-66200-1

diciembre 23, 2025 0 comments
0 FacebookTwitterPinterestLinkedinEmail
Tecnología

Ciencia 2024: IA, Genética, Luna y Más Allá

by Editor de Tecnologia diciembre 18, 2025
written by Editor de Tecnologia

La inteligencia artificial (IA) ha experimentado avances significativos este año y se consolida como una herramienta fundamental en la investigación científica. Los llamados ‘agentes de IA’, que integran varios modelos de lenguaje de gran escala (LLM, por sus siglas en inglés), están demostrando su capacidad para llevar a cabo procesos complejos y de múltiples etapas, y se espera que su uso se generalice, incluso con una supervisión humana limitada. De hecho, el próximo año podría presenciar los primeros avances científicos de consecuencias importantes logrados gracias a la IA. Sin embargo, un uso más intensivo también podría exponer fallos graves en algunos sistemas, como la ya reportada propensión a la eliminación de datos.

Paralelamente, se están desarrollando técnicas que van más allá de los LLM, cuyo entrenamiento resulta costoso. Las nuevas aproximaciones se centran en el diseño de modelos de IA a pequeña escala, capaces de aprender a partir de una cantidad limitada de datos y especializarse en la resolución de acertijos de razonamiento específicos. Estos sistemas no generan texto, sino que procesan representaciones matemáticas de la información. Este año, un modelo de IA de este tipo superó a los LLM más grandes en una prueba de lógica.

Impulso a la edición genética

El próximo año podría marcar el inicio de dos ensayos clínicos para desarrollar terapias génicas personalizadas para niños con enfermedades genéticas raras. Estos esfuerzos se basan en el tratamiento de KJ Muldoon, un bebé con un trastorno metabólico raro que recibió una terapia CRISPR diseñada para corregir su mutación específica causante de la enfermedad.

El equipo que trató a Muldoon planea solicitar la aprobación de la Administración de Alimentos y Medicamentos de EE. UU. (FDA) para llevar a cabo un ensayo clínico en Filadelfia que pondrá a prueba terapias de edición genética en más niños con trastornos metabólicos raros. Estas afecciones son causadas por variantes en siete genes que pueden abordarse con el mismo tipo de edición genética utilizada en la terapia de Muldoon. Otro equipo espera iniciar un ensayo similar para trastornos genéticos del sistema inmunitario el próximo año.

Artemis II crew members Victor Glover, Reid Wiseman, Christina Koch and Jeremy Hansen with the Orion crew module.Credit: NASA

Ensayo masivo

Se espera que un ensayo clínico en el Reino Unido de un único análisis de sangre que detecta alrededor de 50 tipos de cáncer antes de que aparezcan los síntomas, presente resultados el próximo año. La prueba busca fragmentos de ADN que las células cancerosas liberan en la sangre y puede identificar el tipo de tejido u órgano del que proviene la señal. El ensayo involucró a más de 140.000 participantes y, si los resultados son prometedores, las autoridades sanitarias del Reino Unido planean implementar la herramienta en los hospitales.

En abril, entrará en vigor la mayor actualización regulatoria de los ensayos clínicos en el Reino Unido en dos décadas. Bajo las nuevas reglas, los investigadores pueden solicitar la aprobación ética y regulatoria en una sola solicitud. Pero la ley también exige que todos los ensayos que involucren medicamentos se registren públicamente antes de reclutar al primer participante y que se publique un resumen de los resultados dentro de los 12 meses posteriores al final del ensayo. El objetivo es acelerar la investigación, aumentar la diversidad de los participantes en los ensayos y reducir el tiempo que tardan los tratamientos prometedores en llegar a quienes los necesitan.

Mientras tanto, los cambios propuestos por la FDA este mes, que requerirían un único ensayo clínico, en lugar de dos, para la aprobación de nuevos fármacos, continuarán desarrollándose en 2026.

Intenso tráfico lunar

El próximo año se prevé que sea otro ajetreado para las misiones lunares. Artemis II de la NASA enviará a cuatro astronautas a orbitar la Luna a bordo de la nave espacial Orion. El vuelo de diez días es la primera misión tripulada a la Luna desde la década de 1970 y ayudará a preparar misiones posteriores para aterrizar en la Luna.

China también se está preparando para lanzar Chang’e-7, la siguiente de su serie de sondas lunares, en agosto. La misión utilizará una nave espacial tipo ‘hopper’ con capacidad de absorción de impactos. Su objetivo es llegar cerca del polo sur, una región rocosa y llena de cráteres conocida por ser un desafío para el aterrizaje. La Chandrayaan-3 de la India en 2023 fue la primera nave espacial en aterrizar con éxito cerca del polo sur lunar. Si logra un aterrizaje exitoso, Chang’e-7 buscará hielo de agua y estudiará los terremotos lunares.

A test version of the payload module of ESA's exoplanet-detecting Plato spacecraft being tested within a thermal vacuum chamber.

The payload module of ESA’s PLATO spacecraft — due to launch in 2026 — undergoes tests in a thermal vacuum chamber.Credit: ESA-Remedia

Lunas marcianas y más allá

Los investigadores también están dirigiendo sus ojos hacia Marte, con Japón planeando lanzar su misión de exploración de las lunas marcianas (MMX) para visitar las dos lunas del planeta rojo, Fobos y Deimos. La nave espacial recolectará muestras de la superficie de Fobos y las devolverá a la Tierra en 2031, algo que nunca antes se había hecho.

La Agencia Espacial Europea planea lanzar su satélite de búsqueda de planetas PLATO hacia finales del próximo año. Equipado con 26 cámaras, PLATO monitoreará más de 200.000 estrellas brillantes e identificará planetas ‘gemelos de la Tierra’ con temperaturas que permitan la formación de agua líquida.

La primera misión solar de la India, Aditya-L1, observará el Sol durante el máximo solar, el punto álgido de un ciclo de actividad de aproximadamente 11 años, marcado por las tasas más altas de manchas solares, erupciones y tormentas solares. El satélite se encuentra en una órbita halo, que permite una observación continua del Sol, a unos 1,5 millones de kilómetros de la Tierra, desde el año pasado. Sus datos ayudarán a los investigadores a obtener una mejor imagen de la superficie del Sol durante el máximo solar.

Perforando, bebé, perforando

El próximo año, se espera que el buque oceanográfico chino Meng Xiang emprenda su primera expedición científica. El buque está diseñado para perforar hasta 11 kilómetros a través de la corteza oceánica hacia el manto terrestre y recolectar muestras. El trabajo ayudará a los investigadores a comprender cómo se forma el fondo oceánico y qué impulsa su actividad tectónica.

An aerial drone photo shows the orange and white Meng Xiang deep-ocean drilling vessel while docked.

The Meng Xiang, China’s deep-ocean drilling vessel, is designed to drill through Earth’s crust into the mantle.Credit: Liu Dawei/Xinhua via Alamy

diciembre 18, 2025 0 comments
0 FacebookTwitterPinterestLinkedinEmail
Newer Posts
Older Posts
  • Aviso Legal
  • Política de Cookies
  • Términos y Condiciones
  • Política de Privacidad
  • CONTACTO
  • Política de Correcciones
  • Equipo Editorial
  • Política Editorial
  • SOBRE NOTIULTI

El servicio de alojamiento web más recomendado. Para quejas, abusos o publicidad, contacte: admin@notiulti.com


Back To Top
Notiulti
  • Deportes
  • Entretenimiento
  • Mundo
  • Negocio
  • Noticias
  • Salud
  • Tecnología