El Portal de las Tecnologías para la Innovación

Categoría: Inteligencia Artificial en la Salud Humana

Buscá noticias

Seleccioná una categoría

Altus revoluciona el diagnóstico de enfermedades respiratorias

Con tecnología disruptiva, un equipo de expertos y un mercado de alta demanda, Altus es la encarnación perfecta de la innovación científica al servicio de la salud. Las enfermedades respiratorias representan un importante problema de salud pública, causando una de cada seis muertes en todo el mundo. En la parte superior de la lista, la enfermedad pulmonar obstructiva crónica (EPOC) y el asma afectan a cientos de millones de personas y representan el 46,7% del gasto en salud relacionado con patologías respiratorias. Sin embargo, el diagnóstico de estas enfermedades sigue siendo un proceso complejo, largo y costoso, que requiere múltiples consultas y costosos equipos médicos. Este es el nicho al que Altus pretende apuntar. Esta nueva empresa emergente de GIPSA-lab*, incubada en Linksium, está desarrollando una tecnología innovadora que combina imágenes de ultrasonido e inteligencia artificial. Tecnología disruptiva para diagnósticos accesibles Altus se basa en una innovación patentada: un chaleco equipado con una serie de sensores que pueden analizar los pulmones en tiempo real, sin contacto y sin radiación. A diferencia de las herramientas clásicas como la espirometría o las tomografías computarizadas, que requieren la cooperación activa del paciente y la exposición a radiografías, esta tecnología permite una evaluación continua, precisa y autónoma de las enfermedades respiratorias. A través del análisis detallado de las señales de ultrasonido, genera una tomografía de la función pulmonar y permite el monitoreo en tiempo real de los cambios en la patología. Desarrollada utilizando la investigación de Cornel Ioanaa en GIPSA-lab, esta tecnología se basa en un enfoque innovador: en lugar de imágenes simples utilizando la reflexión de ondas, Altus utiliza la distorsión de las señales de ultrasonido en el tejido pulmonar para identificar anomalías. El procesamiento avanzado de datos permite detectar la EPOC y el asma en sus primeras etapas y adaptar la atención al paciente. El proyecto ya tiene una patente presentada y recibió el apoyo de Linksium para su maduración tecnológica y despliegue industrial. El dispositivo está programado para llegar al mercado en 2026, después de una fase de validación clínica en asociación con el Hospital Universitario de Grenoble. Un mercado con alto potencial e impacto social El mercado global de dispositivos médicos para enfermedades respiratorias se estima en $6 mil millones, con un fuerte crecimiento relacionado con los desafíos del monitoreo y la detección remotos. Al dirigirse a neumólogos privados y hospitalarios, Altus apunta a lograr €24 millones en facturación en los próximos cinco años. A largo plazo, el dispositivo también podría usarse en campañas de detección temprana o departamentos de emergencias y cuidados intensivos. Pero más allá de las perspectivas económicas, Altus tiene como objetivo principal revolucionar el tratamiento de las enfermedades respiratorias, reduciendo las barreras para el diagnóstico. Al reducir los costos de las pruebas cuatro veces y reducir el cronograma promedio para el diagnóstico de 30 a 3 días, la puesta en marcha basada en Grenoble está abriendo posibilidades para una atención médica más preventiva y efectiva. * CNRS / UGA /Grenoble INP – UGA, Traducido al español

Leer más »
abril 27, 2025

Nuevo centro nacional para fortalecer el uso responsable de la inteligencia artificial

Inteligencia artificial Como parte de su iniciativa estratégica de IA, el gobierno danés ha dado un paso innovador al lanzar el Centro Nacional de Inteligencia Artificial en la Sociedad (CAISA). Este consorcio nacional, liderado por la Universidad de Copenhague en colaboración con la Universidad de Aalborg, desempeñará un papel clave en el impulso de la innovación y la implementación responsable de la IA. El desarrollo de la inteligencia artificial no es algo habitual: exige una colaboración proactiva entre investigadores, responsables políticos y empresas. Este es precisamente el tipo de colaboración que el gobierno danés está impulsando con su nueva iniciativa de inteligencia artificial. El Centro Nacional de Inteligencia Artificial en la Sociedad (CAISA) reunirá a los principales investigadores de IA de Dinamarca para explorar las mejores formas de desarrollar y gobernar la inteligencia artificial dentro de una sociedad democrática como Dinamarca. En CAISA, nos comprometemos a investigar y brindar orientación sobre la mejor manera de abordar este rápido desarrollo. Esto requiere la participación activa de todos, por lo que estamos lanzando una serie de iniciativas para aprender de experiencias reales, aprovechar las investigaciones más recientes y colaborar con los esfuerzos en curso», afirma la profesora Rebecca Adler-Nissen, quien dirigirá el centro. La IA debe beneficiar a la sociedad CAISA tiene el potencial de convertirse en «la versión de IA de la Agencia de Seguridad Sanitaria de Dinamarca», como la describen sus principales investigadores. Somos un consorcio nacional que trabaja en colaboración con el Centro Pionero de Inteligencia Artificial. Nuestro enfoque es interdisciplinario, ya que comprender la IA requiere más que solo conocimientos técnicos; también exige comprender su impacto humano y social. Debemos abordar ambos aspectos simultáneamente, subraya el subdirector de CAISA, Thomas B. Moeslund, de la Universidad de Aalborg. La ambición del centro es unir investigadores, iniciativas hermanas y entornos de investigación sólidos en Dinamarca y el resto del mundo. Igualmente importante es fomentar la colaboración y brindar orientación tanto al sector público como al privado. «Al trabajar juntos, podemos evitar reinventar la rueda y, en cambio, construir algo mejor. A través de la investigación y la colaboración, exploraremos dónde la IA puede brindar los mayores beneficios y dónde se requiere cautela», afirma Rebecca Adler-Nissen. Apuntando a la luna Las ambiciones de CAISA se extienden más allá de Dinamarca: su objetivo es dar forma al futuro de la IA en Europa. Los investigadores principales de CAISA Rebecca Adler-Nissen (Directora del Centro), Profesora, Universidad de Copenhague Serge Belongie, profesor de la Universidad de Copenhague Roman Jurowetzki, profesor asociado de la Universidad de Aalborg Sune Lehmann, profesor de la Universidad Técnica de Dinamarca y de la Universidad de Copenhague Stine Lomborg, profesora, Universidad de Copenhague Thomas B. Moeslund, profesor, Universidad de Aalborg Morten Axel Pedersen, profesor, Universidad de Copenhague Helene Friis Ratner, profesora asociada, Universidad de Aarhus Anna Rogers, Profesora Asociada, Universidad de TI de Copenhague Anders Søgaard, profesor, Universidad de Copenhague «Por eso estamos lanzando proyectos de investigación a largo plazo, o ‘moonshots’, para explorar nuevos caminos hacia la soberanía digital y el desarrollo de una IA más democrática y responsable», afirma Adler-Nissen. El centro también colaborará con investigadores internacionales de primer nivel. Dado que CAISA tiene su sede en Dinamarca, un país conocido por sus sólidas tradiciones de comunidad y confianza, tiene una oportunidad única para demostrar cómo las soluciones de IA pueden generar valor y fortalecer la cohesión social. «Si lo logramos, Dinamarca no solo garantizará un mejor despliegue de la IA dentro de sus fronteras, sino que también podremos inspirar al mundo a adoptar un enfoque más inteligente y responsable», predice Adler-Nissen. CAISA se inaugura oficialmente el 9 de mayo. Liderado por la Universidad de Copenhague y la Universidad de Aalborg, el centro también contará con investigadores de la Universidad de Aarhus, la DTU y la Universidad de Tecnología de la Información. Colaborará estrechamente con empresas, autoridades, organizaciones e investigadores tanto de Dinamarca como a nivel internacional. CAISA estará financiada durante los tres primeros años con 20 millones de coronas danesas procedentes de los fondos de digitalización y 30 millones de coronas danesas procedentes de la reserva de investigación. Lea más sobre la visión del centro y la IA en este artículo destacado (publicado en Politiken el 24 de marzo) . Universidad de Copenhague News. Traducido al español

Leer más »
abril 27, 2025

Los implantes cerebrales inteligentes están ayudando a las personas con Parkinson y otros trastornos

Aunque el cerebro es nuestro órgano más complejo, las formas de tratarlo han sido históricamente bastante simples.  Por lo general, los cirujanos lesionaron (dañaron) una estructura o una vía con la esperanza de que esto “corrigiera el desequilibrio” que condujo a la enfermedad. Las estructuras candidatas para la lesión generalmente se encontraron por ensayo y error serendipia o experimentos en animales. Mientras realizaba una de esas cirugías en 1987, el neurocirujano francés Alim-Louis Benabid notó que la estimulación eléctrica que realizó para localizar el lugar correcto para la lesión tenía efectos similares a la lesión en sí. Este descubrimiento condujo a un nuevo tratamiento: la estimulación cerebral profunda. Involucró un marcapasos que suministraba pulsos eléctricos a través de electrodos implantados en puntos específicos del cerebro. Este tratamiento se ha utilizado para tratar el Parkinson avanzado desde principios de la década de 2000. Sin embargo, hasta hoy, la configuración del estimulador tenía que permanecer constante una vez que lo establecía un médico o enfermera especializado y solo podía cambiarse cuando el paciente era visto en la clínica. En consecuencia, la mayoría de los investigadores y médicos pensaron que la estimulación era simplemente una forma ajustable y reversible de lesión. Pero en estos días el campo está experimentando una revolución que desafía esta visión. La estimulación cerebral profunda adaptativa fue aprobada a principios de este año por los Estados Unidos y Autoridades sanitarias europeas. Implica una computadora que interpreta la actividad cerebral y decide si ajustar la amplitud de estimulación hacia arriba o hacia abajo para lograr el mejor alivio de los síntomas de un paciente. El Parkinson es un trastorno complejo con síntomas fluctuantes que son muy afectado por las drogas, un paciente toma varias veces al día. Mientras que para algunos pacientes la estimulación constante hace un buen trabajo controlando sus síntomas, para otros es demasiado fuerte algunas veces y demasiado débil en otras ocasiones. Idealmente, el tratamiento solo debe activarse cuando sea más útil. El descubrimiento que hizo posible la estimulación adaptativa fue realizado por científicos del University College de Londres hace más de dos décadasépoca en que los primeros pacientes con Parkinson comenzaron a implantar electrodos en el Hospital Nacional de Neurología y Neurocirugía del Reino Unido. Al registrar la actividad cerebral profunda de estos electrodos poco después de la cirugía, el los científicos se dieron cuenta que un tipo particular de onda cerebral apareció cuando un paciente detuvo su medicación y sus síntomas empeoraron. Las olas desaparecieron cuando los pacientes tomaron su medicamento y comenzaron a sentirse mejor. Tomó una década de investigación adicional antes de que el mismo equipo de científicos primero intentara usar el ondas cerebrales para controlar la estimulación. La idea es similar a un termostato que controla un aire acondicionado. Cuando las ondas (temperatura) alcanzan un cierto umbral, un circuito de control electrónico enciende el estimulador (aire acondicionado). Esto reduce las ondas y cuando desaparecen, la estimulación se puede apagar por un tiempo hasta que las ondas vuelvan a emerger. La configuración original era voluminosa y solo se podía usar en el hospital, y tomó otra década para que encajara dentro de un dispositivo más pequeño que una caja de cerillas que se podía implantar en el pecho de una paciente. Nuevos desafíos Si bien la opción de hacer que la estimulación cerebral sea adaptativa brinda nuevas herramientas a los médicos y enfermeras para adaptar la estimulación a un paciente de la mejor manera posible, conlleva nuevos desafíos. Incluso con la configuración fija original, hay muchos parámetros que los médicos deben establecer para garantizar un tratamiento efectivo con efectos secundarios mínimos. Hacer que la estimulación sea adaptativa agrega otra capa de complejidad y pone una demanda adicional en el tiempo y la atención de un equipo clínico. En el caso del Parkinson, los efectos de estimulación son casi inmediatos, por lo que es relativamente fácil ver qué tan bien funcionan los ajustes constantes particulares. Pero se debe probar un entorno adaptativo durante al menos unos días para ver qué tan bien hace frente a la rutina diaria del paciente y los ciclos de medicación. Los estimuladores adaptativos también vienen con habilidades de detección. Pueden registrar los niveles dañinos de las ondas cerebrales durante días y semanas para que el equipo clínico pueda revisarlos y ver qué tan bien están controlados. Estas posibilidades son nuevas en el tratamiento del Parkinson, aunque dispositivos implantados similares han estado en uso durante años por cardiólogos y epileptólogos (neurólogos especializados en epilepsia). El estudio de las ondas cerebrales registradas por los estimuladores inteligentes en pacientes con Parkinson abre nuevas puertas para comprender otras enfermedades. Muchos pacientes sufren de problemas como la depresión y el deterioro cognitivo. Los investigadores podrían buscar características en sus señales cerebrales que rastreen la gravedad de estos síntomas utilizando herramientas de IA para encontrar relaciones demasiado sutiles o demasiado complejas para un observador humano. Una rama paralela de la estimulación cerebral profunda la investigación está enfocada sobre el mapeo preciso de los circuitos cerebrales responsables de diferentes síntomas neurológicos y psiquiátricos. Varios estudios recientes informaron éxitos en tratar la depresión, TOC y dolores de cabeza severos. Estimular en el lugar correcto en el momento adecuado teniendo en cuenta lo que el paciente está haciendo es donde está el campo rumbo. Con la tecnología básica ahora en su lugar, el progreso podría ser rápido. UCL News. Traducido al español

Leer más »
abril 27, 2025

El implante de tronco encefálico blando proporciona una audición de alta resolución

Los investigadores de EPFL han desarrollado un implante auditivo flexible del tronco encefálico (ABI) que se ajusta estrechamente a la superficie curva del tronco encefálico. La tecnología se ha demostrado con éxito “audiing” protésica de alta resolución en macacos. En las últimas dos décadas, muchas personas han recuperado la audición gracias al dispositivo neurotecnológico más exitoso hasta la fecha: el implante coclear. Sin embargo, para quienes tienen el nervio coclear demasiado dañado para un implante coclear estándar, una alternativa prometedora es el implante auditivo de tronco encefálico (ITB). Desafortunadamente, los ITB actuales son implantes rígidos que no permiten un buen contacto con los tejidos. Por ello, los médicos suelen desconectar la mayoría de los electrodos debido a efectos secundarios indeseados, como mareos o tics faciales, lo que provoca que la mayoría de los usuarios de ITB solo perciban sonidos vagos, con poca inteligibilidad del habla. Diseñar un implante blando que se adapte verdaderamente al entorno del tronco encefálico es un hito fundamental para restaurar la audición de los pacientes que no pueden usar implantes cocleares.Estefanía P. Lacour Ahora, un equipo del Laboratorio de Interfaces Bioelectrónicas Blandas de la EPFL ha desarrollado una ABI blanda de película delgada . El dispositivo utiliza electrodos de platino a escala micrométrica incrustados en silicona, formando una matriz flexible de apenas una fracción de milímetro de espesor. Este novedoso enfoque, publicado en Nature Biomedical Engineering, permite un mejor contacto con los tejidos, lo que podría prevenir la activación nerviosa no deseada y reducir los efectos secundarios. “Diseñar un implante blando que se adapte perfectamente al entorno del tronco encefálico es un hito crucial para restaurar la audición de pacientes que no pueden usar implantes cocleares. Nuestro éxito en macacos es muy prometedor para trasladar esta tecnología a la práctica clínica y ofrecer una audición más rica y precisa”, afirma Stéphanie P. Lacour, jefa del Laboratorio de Interfaces Bioelectrónicas Blandas (LSBI) de la EPFL. Explorando la «audición protésica» con una tarea conductual compleja.En lugar de limitarse a pruebas quirúrgicas, los investigadores realizaron extensos experimentos conductuales en macacos con audición normal. Esto les permitió medir la capacidad de los animales para distinguir patrones de estimulación eléctrica, tal como lo harían con audición acústica natural. “La mitad del desafío consiste en crear un implante viable, la otra mitad en enseñar a un animal a mostrarnos, mediante su comportamiento, lo que realmente oye”, afirma Emilie Revol, coautora principal del proyecto y exestudiante de doctorado en la EPFL. Revol entrenó meticulosamente a los animales para realizar una tarea de discriminación auditiva: los monos aprendieron a presionar y soltar una palanca para indicar si los tonos consecutivos eran iguales o diferentes. “Luego introdujimos la estimulación del ABI suave gradualmente, combinándola inicialmente con tonos normales para que el mono pudiera superar la brecha entre la audición acústica y la protésica”, dice Revol. “Finalmente, el objetivo era ver si el animal podía detectar pequeñas variaciones de un par de electrodos a otro al estimular únicamente el ABI suave. Nuestros resultados sugieren que el animal interpretó estos pulsos casi de la misma manera que los sonidos reales ”. ¿Por qué una matriz blanda?«Nuestra idea principal era aprovechar las interfaces bioelectrónicas blandas para mejorar la adaptación entre electrodos y tejido», explica Alix Trouillet, exinvestigadora postdoctoral en la EPFL y coautora principal del estudio. «Si la matriz se adapta de forma natural a la anatomía curva del tronco encefálico, podemos reducir los umbrales de estimulación y mantener electrodos más activos para una audición de alta resolución». Los electrodos ABI convencionales se apoyan en la superficie dorsal del núcleo coclear, que tiene un radio de 3 mm y una forma compleja. Los electrodos rígidos dejan huecos de aire, lo que provoca una dispersión excesiva de corriente y una estimulación nerviosa no deseada. En cambio, el diseño ultrafino de silicona del equipo de la EPFL se adapta fácilmente al tejido. Además de la adaptabilidad, la microfabricación flexible del arreglo blando permite reconfigurarlo para diferentes anatomías. «La libertad de diseño de la microlitografía es enorme», afirma Trouillet. «Podemos prever un mayor número de electrodos o nuevos diseños que refinen aún más la sintonización específica de frecuencia. Nuestra versión actual alberga 11 electrodos; es posible que futuras iteraciones aumenten considerablemente esta cantidad». Mayor comodidad y menos efectos secundarios. Un resultado crucial del estudio con macacos fue la ausencia de efectos secundarios perceptibles. Los investigadores informan que, dentro del rango de corrientes eléctricas probado, el animal no mostró signos de incomodidad ni espasmos musculares en la cara, quejas comunes entre los usuarios de ABI. «El mono presionó la palanca para activar la estimulación una y otra vez», explica Revol. «Si la estimulación protésica hubiera sido desagradable, probablemente se habría detenido». Camino a la traducción clínica.Si bien estos hallazgos son prometedores, el camino hacia una ITB blanda disponible comercialmente requerirá investigación adicional y medidas regulatorias. «Una posibilidad inmediata es probar el dispositivo intraoperatoriamente en cirugías de ITB en humanos», afirma Lacour, señalando que los colaboradores clínicos del equipo en Boston realizan regularmente procedimientos de ITB en pacientes con daño grave del nervio coclear. «Podrían insertar brevemente nuestra matriz blanda antes del implante estándar para medir si realmente reducimos la activación de nervios dispersos». Además, todo el material de un implante destinado a uso humano debe ser de grado médico completo y demostrar una fiabilidad robusta a largo plazo. Sin embargo, los investigadores confían en las exigentes pruebas que ya ha superado el dispositivo: «Nuestro implante permaneció en el animal durante varios meses, sin ninguna migración medible de los electrodos», señala Trouillet. «Este es un avance crucial, dado que los implantes ABI estándar suelen migrar con el tiempo». Investigación con animales en la EPFL.El proceso científico que dio lugar a la publicación de este artículo involucró animales de laboratorio. Incluso hoy en día, puede que aún sea necesario realizar experimentos in vivo para que biólogos y otros científicos comprendan y modelen procesos biológicos complejos. La EPFL se compromete con la investigación de alta calidad, respetando plenamente las normas éticas y legales vigentes que rigen la investigación con modelos animales. Consciente del bienestar animal y de la responsabilidad que tiene

Leer más »
abril 27, 2025

Un nuevo modelo de lenguaje de IA que imita la organización del cerebro

Los investigadores de EPFL han desarrollado el primer modelo de lenguaje de IA en el cerebro que captura tanto cómo se organizan las neuronas como cómo funcionan. Nuestro cerebro es un lugar muy organizado. Neuronas: las células nerviosas responsables de transmitir señales eléctricas y químicas en todo el cuerpo – están organizadas en el tejido, tendiendo a agruparse en grupos de acuerdo con su funcionamiento. Por ejemplo, los estudios de lenguaje han encontrado que hay grupos de neuronas que parecen especializarse en verbos y otras que se centran específicamente en sustantivos, sin embargo, los investigadores no están seguros de cómo se forman estos grupos funcionales. Los modelos anteriores de lenguaje de IA han sido capaces de capturar con éxito estos grupos individuales de neuronas funcionales, pero no han visto cómo están dispuestas espacialmente en el cerebro. Ahora, investigadores de la Laboratorio NeuroAI, parte de ambos Escuela de Ciencias de la Computación y la Comunicación (IC) y el Escuela de Ciencias de la Vida (SV), han creado TopoLM, un nuevo modelo de lenguaje de IA que imita tanto la agrupación funcional de las neuronas como, por primera vez, cómo estas células nerviosas están dispuestas espacialmente dentro del cerebro. “Sobre la base del trabajo en torno a cómo el cerebro procesa la visión, hicimos algunos cambios relativamente pequeños en la forma en que un modelo de lenguaje se organiza internamente, agregando una regla que alienta a las representaciones internas del modelo a ser ‘suaves’ espacialmente. El modelo resultante TopoLM desarrolla grupos espaciales de sus componentes internos que coinciden funcionalmente con la actividad que vemos en los cerebros humanos cuando procesan el lenguaje, explicó el Profesor Asistente Martin Schrimpf, Jefe del Laboratorio NeuroAI. En su periódico, TopoLM: Brain-Like Organización Espacio-Funcional en un Modelo de Lenguaje Topográfico, uno de los menos del 2% de los documentos seleccionados para ser presentados oralmente esta semana en ICLR 2025, la Conferencia Internacional sobre Representaciones de Aprendizaje, los investigadores describen cómo TopoLM predijo con éxito cómo el sistema de lenguaje en la capa externa del cerebro, la corteza, desarrolla su organización espacio-funcional. “Esta fue una investigación básica para comprender cómo se originan los grupos espaciales o los grupos funcionales en el cerebro en primer lugar y lo que sugiere este nuevo modelo es que podría ser impulsado por una sola regla básica sobre la organización espacial donde las neuronas cercanas tienden a comportarse de manera similar, ” continuó Schrimpf. Los investigadores creen que TopoLM proporciona un marco para mejorar la alineación funcional de la IA con la cognición humana, ofreciendo aplicaciones directas para desarrollar computación inspirada en el cerebro y neurolingüística. “Este es un paso emocionante hacia la construcción de sistemas de inteligencia artificial que se organizan más como el cerebro humano. Uno de nuestros principales objetivos es construir mejores modelos del cerebro en general y con TopoLM estamos un paso más cerca de las aplicaciones clínicas que podrían ayudarnos a ayudar a las personas con trastornos del lenguaje o déficits de lenguaje similares, dijo Badr AlKhamissi, asistente de doctorado en NeuroAI Lab e ICI Laboratorio de Procesamiento del Lenguaje Natural (NLP) y uno de los autores del artículo. Este trabajo también arroja luz sobre la interpretabilidad, básicamente la comprensión de lo que sucede dentro de los Modelos de Lenguaje Grande (LLM) complejos y cómo funcionan realmente. Normalmente, los LLM tienen representaciones matemáticas llamadas ‘vectores’ asociadas con cada ‘neurona’ artificial. Para entender lo que el modelo ha aprendido, sería necesario analizar cada vector individualmente o en pequeños grupos. Debido a que TopoLM organiza sus componentes internos en grupos, es posible mirarlos y ver surgir agrupaciones significativas. Esto hace que sea más sencillo tener una idea de cómo el modelo representa y procesa el lenguaje porque la organización misma refleja categorías significativas. Entonces, ¿qué sigue en esta investigación de vanguardia? El equipo de investigación de EPFL ahora trabajará para probar las predicciones del modelo en cerebros humanos. “Este modelo funciona tan bien, mucho mejor de lo que esperábamos, que queremos probar si sus predicciones son ciertas. Hay grupos en el modelo que aún no hemos observado en el cerebro humano porque nadie los ha buscado todavía. Weirll estará trabajando con colegas en los Estados Unidos que trabajan experimentalmente con humanos para realizar un nuevo estudio de imágenes para averiguar si estos grupos también aparecen en el cerebro humano, concluyó Schrimpf. Badr AlKhamissi, Neil Rathi y Hannes Mehrer trabajaron con Martin Schrimpf en el desarrollo del modelo TopoLM. El Laboratorio NeuroAI forma parte de los EPFL Instituto neuro-Xuna comunidad colaborativa e interdisciplinaria que reúne a equipos de la Escuela de Ciencias de la Computación y la Comunicación de EPFLla, la Escuela de Ciencias de la Vida y la Escuela de Ingeniería. EPFL News. T. P. Traducido al español

Leer más »
abril 26, 2025

Los Mapas de Calor Generados por IA Mantienen a las Personas Mayores y su Privacidad Segura

Startup con sede en Silicon Valley Butlr ha desarrollado una plataforma de IA diseñada para mantener a las personas mayores seguras mientras preservan su privacidad.  Por 2030, más de uno de cada cinco estadounidenses tendrá 65 años o más, convirtiéndose en el grupo de personas mayores más grande de Estados Unidos’. Startup con sede en Silicon Valley Butlr ha desarrollado una plataforma de IA diseñada para mantener a las personas mayores seguras mientras preservan su privacidad.  Su plataforma basada en IA utiliza una red neuronal para interpretar los diferentes datos de temperatura que recogen sus sensores, que se colocan estratégicamente en las instalaciones de atención a personas mayores.  Luego, el modelo crea imágenes infrarrojas en tiempo real de personas que, aunque en gran medida sin rasgos distintivos y borrosas, son lo suficientemente detalladas como para ayudar a los asistentes en las instalaciones de cuidado de ancianos a controlar de cerca a los pacientes.  “Lo que estamos tratando de hacer es aprovechar los datos de temperatura al límite para salvar vidas, utilizando inteligencia que mantiene la información personal privada,” dijo Honghao Deng, CEO y cofundador de Butlrrats. Butlrarss diseñó sus soluciones de IA para colaborar, en lugar de reemplazar, a los asistentes de cuidado de ancianos.  El modelo puede detectar si un paciente se ha caído o permanece en la cama durante demasiado tiempo, y alerta automáticamente a los cuidadores si identifica una emergencia. Además, si un paciente se levanta repetidamente de la cama para usar el baño, la IA puede marcar este comportamiento para los cuidadores, ofreciendo una detección potencialmente temprana de problemas de salud, como infecciones del tracto urinario, que de otro modo podrían no diagnosticarse durante días.  Al final de cada día, el modelo resume las actividades de patients’, traduciendo patrones de calor en resúmenes de comportamiento—ofreciendo capacidades de firma de calor a texto. Estas entradas detalladas pueden liberar a los cuidadores para que pasen el final de sus turnos interactuando con los pacientes en lugar de escribir resúmenes de los pacientes.  La mayor innovación de ButlRR es reutilizar las firmas de calor infrarrojo, que, debido a que tienen una resolución relativamente baja, pueden ser capturadas continuamente por sensores económicos alimentados por baterías.  Estos sensores ligeros se instalan fácilmente en prácticamente cualquier habitación. Sus baterías duran alrededor de siete años, lo que significa que el sistema general es flexible y económico de instalar, al tiempo que proporciona mapas completos de temperatura de un centro de atención para personas mayores.  Críticamente, los sensores se integran con un modelo robusto que se ejecuta en segundo plano, lo que potencia la inferencia en tiempo real interpretando el comportamiento de los pacientes’.  Para analizar los más de mil millones de cuadros por día y alrededor de dos petabytes de datos por mes, Butlr utiliza GeForce RTX 2070 NVIDIA tarjetas para visualizaciones de datos. En la nube de AWS, ejecuta instancias de Amazon SageMaker ml.p5 impulsadas por GPU NVIDIA H100 Tensor Core para entrenamiento y ml.g5 instancias con GPU NVIDIA A10G Tensor Core para inferencia en tiempo real. El modelo segmenta los espacios interiores en cuadrados de dos pies y toma alrededor de 10 lecturas de temperatura por segundo de cada cuadrado. Luego, el modelo reconstruye esos datos de calor de baja resolución en imágenes coherentes definidas por la temperatura en tiempo real, lo que brinda a los cuidadores suficiente información para monitorear el comportamiento de las personas mayores’ sin revelar— o grabar información personal—.  Otra ventaja clave de las firmas de temperatura es lo que significan para la privacidad. Los datos de temperatura son mucho menos precisos visualmente que el video. Por lo tanto, si bien se capturan datos relevantes para mantener a las personas mayores seguras, sus semejanzas no lo son. “Nuestros modelos procesan altas velocidades de fotogramas y bajas resoluciones. No hay forma de ver las extremidades de una persona, y mucho menos una cara, dijo” Deng. “Con nuestro modelo, podemos reconstruir formas importantes y entender lo que alguien está haciendo, sin revelar la identidad de alguien En el futuro, Deng ve que la necesidad de soluciones para el cuidado de ancianos solo crece. “Todos nos negamos a admitir que nos estamos haciendo viejos,”, dijo. “Pero todos nos estamos haciendo viejos, y vamos a necesitar crear soluciones innovadoras porque a menos que las cosas cambien, simplemente no hay suficientes cuidadores capacitados para ayudar a todos Leer más sobre Butlrrarss mapeo de temperatura tecnología y su potencial generalizado casos de uso. NVIDIA Blog. W. E. Traducido al español

Leer más »
abril 24, 2025

Cuando la IA lo recuerda todo

ChatGPT puede ahora recuerda quién eres, y esa simple actualización puede cambiar la forma en que nos relacionamos con la inteligencia artificial. El despliegue de las funciones de memoria por OpenAI marca la primera vez que un asistente de IA ampliamente utilizado puede recordar información de manera persistente a través de las interacciones. Si bien la función es opt-in, refleja un cambio más amplio: Los sistemas de IA se están diseñando para retener lo que aprenden sobre los usuarios a lo largo del tiempo. El objetivo es hacer que las interacciones sean más suaves, más relevantes y más eficientes. Pero convertir la memoria en IA también plantea preguntas más profundas sobre la privacidad, la transparencia y el nivel de control que tienen los usuarios. “Memory es un paso crítico para hacer que la IA sea más adaptativa, útil y humana,” Das Payel, Investigador Principal de IBM Research, dice Thin IBMk en una entrevista. “la memoria AI puede proporcionar una mejor precisión y adaptabilidad, especialmente cuando se combina con mecanismos como módulos de memoria persistentes y episódicos A diferencia de la memoria humana, que a menudo es subjetiva y selectiva, la memoria AI es una arquitectura técnica, un almacén estructurado de información dentro de redes neuronales o bases de datos externas. La memoria persistente conserva hechos a largo plazo, como el título del trabajo de un usuario, mientras memoria episódica almacena interacciones recientes o información contextual. La implementación de memoria de OpenAIays ofrece a los usuarios alguna agencia, lo que les permite revisar y eliminar los whathats almacenados. Otras empresas, incluyendo Antrópico y DeepMind Google, están persiguiendo capacidades similares. A pesar de las diferencias en la ejecución, la dirección se comparte: la memoria se está convirtiendo en una característica fundamental de la IA de próxima generación. Los partidarios argumentan que esta funcionalidad es fundamental para mover la IA más allá de las respuestas estáticas y únicas. Un asistente habilitado para memoria puede continuar las conversaciones a lo largo del tiempo, hacer un seguimiento de las tareas no resueltas y adaptar las respuestas a las preferencias individuales. En casos de uso del mundo real, como atención al cliente, tutoría o atención médica, esta continuidad podría generar ganancias significativas en la efectividad. IBM está explorando estas posibilidades desde una lente empresarial. “Estamos explorando la memoria a largo plazo de manera que se alinee con los estándares de seguridad empresarial,” Das dijo. “Nuestro trabajo sobre la memoria persistente y episódica se centra en dar a los usuarios claridad y supervisión sobre lo que se conserva y cómo se usa.” Memoria digital, preocupaciones reales Aún así, no todos están convencidos de que este camino esté libre de riesgos. Vasant Dhar, un profesor de la Escuela de Negocios Stern de la NYU y un experto desde hace mucho tiempo en el gobierno de datos, ve la tendencia como parte de un patrón más amplio. “Its the Wild West—companies están acumulando datos sin reglas, y los usuarios tienen poco control real,” Dhar dice IBM Piensa en una entrevista. Las características de la memoria, advirtió, profundizan los riesgos existentes vinculados a la vigilancia y el consentimiento. “Si puedes predecir mejor, el modelo se vuelve más valioso. Entonces, en pocas palabras, eso es lo que está pasando.” Dhar establece una conexión con las pasadas oleadas de personalización en plataformas como Facebook y Google, que se basaron en el seguimiento del comportamiento para refinar el contenido y la publicidad. Pero con la IA, la entrada del usuario es más matizada. Las conversaciones pueden revelar más que clics, y pueden persistir por más tiempo. “Claro, la gente debería estar preocupada,” Dhar dijo. “¿Pero qué van a hacer? ¿Apagarlo? E incluso entonces, ¿cómo sabes que está realmente apagado?” Las implicaciones van más allá del control del usuario. Dhar advierte que la memoria también puede dar forma a los modelos mismos. En algunas arquitecturas, las interacciones de los usuarios no solo se recuerdan, sino que se utilizan para volver a entrenar o adaptar el modelo subyacente. “De alguna manera, el LLM en sí actúa como un sistema de memoria: sus pesos codifican el conocimiento acumulado, incluidos los patrones potenciales de las interacciones del usuario, dijo— Dhar. “Su memoria a largo plazo no se trata solo de hechos; podría incluir información sobre túy lo que le has dicho.” Esto plantea preguntas espinosas: ¿Qué califica como datos de entrenamiento? ¿Puede la memoria personal permanecer aislada o podría influir en un comportamiento de modelo más amplio? Las últimas noticias de IA + Insights 
 Descubra información y noticias curadas por expertos sobre IA, nube y más en el boletín semanal Think Newsletter.  Suscríbete hoy Equilibrar la innovación con la supervisión Das enfatizó que IBM trata esta distinción con cuidado. “Las empresas necesitan confianza en que la información propietaria o personal no se filtrará inadvertidamente en los sistemas públicos,”, dice ella. “Nuestro diseño de memoria refleja esa prioridad.” Algunos investigadores están explorando interfaces donde la memoria está organizada en trozos legibles y editables, como notas digitales, dice Das. Otros están desarrollando sistemas más implícitos, donde la memoria se guía por la importancia o la frecuencia de referencia. “Hay compensaciones entre la transparencia y la carga cognitiva,” dice Das. “Demasiada visibilidad de la memoria puede abrumar a los usuarios. Pero muy poco socava la confianza.” Navegando por un mundo donde AI te recuerda La memoria también podría influir en cómo Razones de IA. Con la memoria persistente, los sistemas pueden operar en flujos de trabajo a más largo plazo o adaptarse de manera más fluida a las necesidades cambiantes de los usuarios. Eso podría abrir puertas en campos como la educación, la terapia o la atención crónica. Pero los expertos advierten que no asumir que la memoria mejora inherentemente la precisión o la equidad. Si un sistema recuerda mal a—o si se retienen interacciones sesgadas, estos problemas pueden agravarse. Los reguladores están empezando a responder. El Ley de IA de la UE incluye disposiciones para la transparencia y los derechos de usuario relacionados con el almacenamiento de datos y la memoria. En los Estados Unidos, la FTC tiene expresó preocupación por cómo las empresas manejan los datos

Leer más »
abril 23, 2025

Isomorphic Labs replantea el descubrimiento de fármacos con IA

Isomorphic Labs está reimaginando el proceso de descubrimiento de fármacos con un enfoque centrado en la IA. En el centro de este trabajo se encuentra una nueva forma de entender la biología. Max Jaderberg, director de inteligencia artificial, y Sergei Yakneen, director de tecnología de Isomorphic Labs, se unieron al podcast de inteligencia artificial para explicar por qué ven la biología como un sistema de procesamiento de información. “Estamos construyendo modelos de IA generalizables capaces de aprender de todo el universo de interacciones proteicas y químicas”, afirmó Jaderberg. “Esto rompe radicalmente con el enfoque aislado y específico del desarrollo de fármacos convencional”. Isomorphic no solo trabaja para optimizar los flujos de trabajo de diseño de fármacos existentes, sino que también replantea por completo cómo se descubren los fármacos, alejándose de los métodos tradicionales que históricamente han sido lentos e ineficientes. Al modelar procesos celulares con IA, los equipos de Isomorphic pueden predecir interacciones moleculares con una precisión excepcional. Sus modelos avanzados de IA permiten a los científicos simular computacionalmente cómo las terapias potenciales interactúan con sus dianas en sistemas biológicos complejos. El uso de la IA para reducir la dependencia de los experimentos de laboratorio acelera el proceso de descubrimiento de fármacos y crea posibilidades para abordar enfermedades que antes no tenían tratamiento. Y esto es sólo el comienzo. Isomorphic Labs visualiza un futuro de medicina de precisión, donde los tratamientos se adaptan a la composición molecular y genética única de cada individuo. Si bien persisten los obstáculos regulatorios y los desafíos técnicos, Jaderberg y Yakneen se muestran optimistas y se dedican a equilibrar la innovación ambiciosa con el rigor científico. «Estamos comprometidos a probar nuestra tecnología a través de avances farmacéuticos en el mundo real», afirmó Jaderberg. También te podría gustar…  Jacob Liberman de NVIDIA habla sobre cómo llevar la IA agente a las empresas La IA con agentes permite a los desarrolladores crear sistemas inteligentes multiagente que razonan, actúan y ejecutan tareas complejas con cierto grado de autonomía. Jacob Liberman, director de gestión de productos de NVIDIA, participó en el podcast de IA de NVIDIA para explicar cómo la IA con agentes conecta los modelos de IA potentes con las aplicaciones empresariales prácticas. Roboflow ayuda a desbloquear la visión artificial para todo tipo de desarrolladores de IA La misión de Roboflow es hacer que el mundo sea programable mediante la visión artificial. Al simplificar el desarrollo de la visión artificial, la empresa ayuda a conectar la IA con quienes buscan aprovecharla. El cofundador y director ejecutivo, Joseph Nelson, analiza cómo Roboflow permite a los usuarios de los sectores de la fabricación, la sanidad y la automoción resolver problemas complejos con IA visual. Cómo los modelos de la Fundación Mundial impulsarán la IA física con Ming-Yu Liu de NVIDIA Los modelos de IA capaces de simular y predecir con precisión resultados en entornos físicos reales impulsarán la próxima generación de sistemas de IA físicos. Ming-Yu Liu, vicepresidente de investigación de NVIDIA y miembro del IEEE, explica la importancia de los modelos de base mundial : potentes redes neuronales capaces de simular entornos físicos. NVIDIA Blog. N. K. Traducido al español

Leer más »
abril 22, 2025

10 Giros de Cambridge AI

La IA tiene el potencial de resolver algunos de los desafíos más apremiantes del mundo. Pero para que eso suceda, necesitamos personas que puedan convertir ese potencial en una realidad. El brazo de innovación de la Universidad, Empresa Cambridge, ayuda a los investigadores brillantes a iniciar nuevas empresas que sacan la IA del laboratorio y al mundo real. Su objetivo es abordar algunos de nuestros problemas más intratables, como las enfermedades difíciles de tratar y la emergencia climática. Conoce a 10 de estos spinouts, todos con la esperanza de aprovechar el potencial de la IA para el bien del planeta y su gente. Cambridge Visión Technology Detección de Alzheimer utilizando IA e imágenes de retina  El éxito de «Cambridge Vision Technology transformará la forma en que detectamos y manejamos el Alzheimer. «Al permitir el diagnóstico temprano a través de un simple examen ocular, capacitamos a las personas para que tomen el control de su salud, accedan a intervenciones oportunas y mejoren su calidad de vida. «Esta tecnología tiene el potencial de revolucionar los sistemas de salud en todo el mundo, reduciendo la carga del Alzheimer en los individuos, las familias y la sociedad en su conjunto.» Dr. Andrew Kadis, cofundador de Cambridge Vision TechnologyDepartamento de Ingeniería Descubre más Carbono Re Descarbonización industrial impulsada por IA  “Carbon Re está conectando el mayor desafío de nuestro tiempo, el cambio climático, con la mayor oportunidad, los avances en IA. «Hemos construido una tecnología que reduce directamente el CO2 emisiones hoy y está ayudando a las industrias que literalmente apoyan nuestro mundo moderno: cemento, acero, vidrio, transición a un futuro neto cero. «Nuestra misión es tener gigatoneladas de impacto, comenzando con kilotones de reducciones en el mundo real hoy. Con cada evolución de nuestro producto, nos acercamos a lograr ese objetivo.” Dr. Daniel Summerbell, Co-fundador y CSO, Carbon ReDepartamento de Ingeniería Descubre más CardiaTec Biociencias Desarrollar tratamientos cardiovasculares de próxima generación con IA «CardiaTec está redefiniendo el descubrimiento de fármacos cardiovasculares mediante un enfoque radicalmente diferente. Impulsados por nuestra red de más de 65 hospitales en los Estados Unidos y el Reino Unido, estamos construyendo el mayor conjunto de datos multiómicos de tejido cardíaco humano patentado. «Al integrar conocimientos sobre genética, expresión génica, epigenética y proteómica, nuestro objetivo es construir una comprensión integral de los mecanismos de la enfermedad, allanando el camino para la terapéutica de primera clase.»  Thelma Zablocki, Cofundadora y COO, CardiaTecMPhil en Bioscience Enterprise Otros cofundadores académicos: Raphael Peralta, CEOMPhil en Bioscience Enterprise, EspañaProfesor Namshik Han, CTOInstituto Terapéutico Milner Descubre más Concr Transformar el cuidado del cáncer con astrofísica IA “La incertidumbre de saber si un tratamiento será efectivo para un paciente con cáncer es uno de los aspectos más crueles y dañinos de la enfermedad. Concr fue fundada para abordar directamente ese problema. Nuestra tecnología de vanguardia integra la investigación oncológica y los datos clínicos para simular la biología del cáncer, lo que permite predicciones terapéuticas precisas con un aporte diagnóstico mínimo.   Nuestra misión es dar más confianza a los pacientes, médicos y desarrolladores de medicamentos para comprender si su tratamiento será efectivo y cómo lo hará para ayudar a cada individuo a recibir el tratamiento que funcione mejor para ellos  Dr. Matthew Griffiths, cofundador y CTO, ConcrDepartamento de Física Descubre más Intellegens Innovación impulsada por IA para un R&D más eficiente «El aprendizaje automático está transformando el I&D al permitir una innovación más rápida y eficiente. La experimentación tradicional es lenta y costosa, a menudo limitada por la gran complejidad de los materiales, los productos químicos y la investigación en ciencias de la vida. «Con IA avanzada, podemos extraer información profunda de los datos existentes, guiando a los investigadores hacia las mejores soluciones con menos experimentos. Esto acelera el descubrimiento, reduce los costos y permite avances que de otro modo llevarían años. «Nuestras raíces en la Universidad de Cambridge nos impulsan a superar los límites de la IA en ciencia e ingeniería, asegurando que el aprendizaje automático se convierta en una herramienta fundamental para la próxima generación de investigadores e innovadores.» Dr. Gareth Conduit,Cofundador y CTO, IntellegensDepartamento de Física  Descubre más Matnex Descubriendo materiales sostenibles con IA y mecánica cuántica «El reloj está funcionando en la lucha contra el cambio climático. En Matnex, estamos unidos por una visión de ciudades verdes impulsadas por energía limpia, y vemos los nuevos materiales sostenibles como la forma más impactante de llegar allí. «Estamos revolucionando el descubrimiento de materiales, reemplazando el costoso status quo de décadas de duración con nuestro enfoque impulsado por la IA y la mecánica cuántica para ofrecer una innovación rápida y rentable, permitiendo el futuro sostenible que necesitamos con urgencia y que de otro modo nunca veremos.» Dr. Robert Forrest, cofundador y CTO, MatnexDepartamento de Ciencia de Materiales y Metalurgia Cofundador académico y CEO:Dr. Jonathan Bean,Departamento de Ciencia de Materiales y Metalurgia: Descubre más PharmEnable En la frontera de las medicinas de moléculas pequeñas “La terapéutica de moléculas pequeñas ha sido la favorita en el descubrimiento de fármacos durante siglos. Hoy, sin embargo, ha habido una explosión de nuevas modalidades de medicamentos y las moléculas pequeñas corren el riesgo de ser pasadas por alto. «En PharmEnable, queremos hacer que las moléculas pequeñas vuelvan a brillar empujando los límites de lo que se puede lograr con un medicamento de molécula pequeña. «Estamos utilizando la IA para descubrir y desarrollar nuevas moléculas pequeñas con nuevas propiedades para proporcionar a los pacientes tratamientos más seguros y efectivos que se pueden tomar desde la comodidad de sus hogares Dr. Hannah Sore, Cofundadora y CEO de PharmEnableDepartamento de Química de Yusuf Hamied Descubre más Prospectivo Extraer más datos de la luz “Con los conjuntos de datos correctos, los algoritmos de visión tienen un inmenso potencial para desbloquear ideas que el ojo humano y las cámaras convencionales pueden detectar. «Estos incluyen la optimización de los rendimientos agrícolas o el avance del monitoreo ambiental para mejorar los diagnósticos de atención médica o garantizar la calidad del producto. «La misión de Prospectrallar es democratizar la tecnología que recopila y

Leer más »
abril 21, 2025

El portal de
las tecnologías
para la innovación

Contacto

chubutdigital.it@gmail.com

CHUBUTDIGITAL® | © noviembre 2024.
Todos los derechos reservados.

Diseño web: Latini Design

Scroll al inicio