Categoría: La IA aplicada a la Educación

Aprovechando la IA, los investigadores han identificado una molécula natural que puede suprimir el apetito y facilitar la pérdida de peso en ratones y cerdos. Una molécula natural identificada por los investigadores de Stanford Medicine parece similar a la semaglutida – también conocida como Ozempic – en la supresión del apetito y la reducción del peso corporal. En particular, las pruebas en animales también mostraron que funcionó sin algunos de los efectos secundarios de los medicamentos, como náuseas, estreñimiento y pérdida significativa de masa muscular. La molécula recién descubierta, BRP, actúa a través de una vía metabólica separada pero similar y activa diferentes neuronas en el cerebro – aparentemente ofreciendo un enfoque más específico para la reducción del peso corporal. “Los receptores dirigidos por la semaglutida se encuentran en el cerebro pero también en el intestino, el páncreas y otros tejidos, dijo” Katrin Svensson, PhD, profesor asistente de patología. “Es por eso que Ozempic tiene efectos generalizados que incluyen ralentizar el movimiento de los alimentos a través del tracto digestivo y reducir los niveles de azúcar en la sangre. En contraste, BRP parece actuar específicamente en el hipotálamo, que controla el apetito y el metabolismo Svensson ha cofundado una compañía para lanzar ensayos clínicos de la molécula en humanos en un futuro próximo. Svensson es el autor principal de la investigación5 De marzo en Naturaleza. Científico investigador senior Coassolo Laetitia, PhD, es el autor principal del estudio. El estudio no habría sido posible sin el uso de la inteligencia artificial para eliminar a través de docenas de proteínas en una clase llamada prohormonas. Las prohormonas son moléculas biológicamente inertes que se activan cuando son escindidas por otras proteínas en trozos más pequeños llamados péptidos; algunos de estos péptidos funcionan como hormonas para regular resultados biológicos complejos, incluido el metabolismo energético, en el cerebro y otros órganos. Cada prohormona se puede dividir en una variedad de formas para crear una gran cantidad de progenie peptídica funcional. Pero con los métodos tradicionales de aislamiento de proteínas, es difícil seleccionar hormonas peptídicas (que son relativamente raras) de la sopa biológica de los subproductos naturales mucho más numerosos de la degradación y el procesamiento de proteínas. Los investigadores se centraron en la prohormona convertasa 1/3, que separa las prohormonas en secuencias específicas de aminoácidos y se sabe que está involucrada en la obesidad humana. Uno de los productos peptídicos es el péptido similar al glucagón 1, o GLP-1, que regula el apetito y los niveles de azúcar en la sangre; la semaglutida funciona imitando el efecto de GLP-1 en el cuerpo. El equipo recurrió a la inteligencia artificial para ayudarlos a identificar otros péptidos involucrados en el metabolismo energético. Predictor de péptidos En lugar de aislar manualmente las proteínas y péptidos de los tejidos y utilizar técnicas como la espectrometría de masas para identificar cientos de miles de péptidos, los investigadores diseñaron un algoritmo informático que llamaron Peptide Predictor para identificar los sitios típicos de escisión de la prohormona convertasa en los 20.000 genes codificadores de proteínas humanas. Luego se centraron en los genes que codifican proteínas que se secretan fuera de la célula –, una característica clave de las hormonas – y que tienen cuatro o más sitios de escisión posibles. Hacerlo redujo la búsqueda a 373 prohormonas, un número manejable para detectar sus efectos biológicos. Nada de lo probado anteriormente se ha comparado con la capacidad de semaglutida para disminuir el apetito y el peso corporal. Estamos muy ansiosos por aprender si es seguro y efectivo en humans.”Katrin SvenssonProfesor Asistente de Patología “El algoritmo fue absolutamente clave para nuestros hallazgos,”, dijo Svensson. Peptide Predictor predijo que la prohormona convertasa 1/3 generaría 2.683 péptidos únicos a partir de las 373 proteínas. Coassolo y Svensson se centraron en secuencias que probablemente sean biológicamente activas en el cerebro. Examinaron 100 péptidos, incluido GLP-1, por su capacidad para activar células neuronales cultivadas en laboratorio. Como era de esperar, el péptido GLP-1 tuvo un efecto robusto sobre las células neuronales, aumentando su actividad tres veces sobre las células de control. Pero un pequeño péptido compuesto por solo 12 aminoácidos aumentó la actividad de las células en diez veces sobre los controles. Los investigadores llamaron a este péptido BRP en función de su prohormona madre, BPM/ácido retinoico inducible neural específico 2 o BRINP2 (BRINP2-reufóricopéptido). Cuando los investigadores probaron el efecto de BRP en ratones magros y minipigs (que reflejan más de cerca el metabolismo humano y los patrones de alimentación que los ratones) encontraron que una inyección intramuscular de BRP antes de la alimentación redujo la ingesta de alimentos durante la siguiente hora hasta en un 50% en ambos modelos animales. Los ratones obesos tratados con inyecciones diarias de BRP durante 14 días perdieron un promedio de 3 gramos – debido casi en su totalidad a la pérdida de grasa – mientras que los animales de control ganaron alrededor de 3 gramos durante el mismo período. Los ratones también demostraron una mejor tolerancia a la glucosa y la insulina. Los estudios de comportamiento de los ratones y cerdos no encontraron diferencias en los movimientos de los animales tratados’, la ingesta de agua, el comportamiento similar a la ansiedad o la producción fecal. Y otros estudios de la actividad fisiológica y cerebral mostraron que BRP activa las vías metabólicas y neuronales separadas de las activadas por GLP-1 o semaglutida. Los investigadores esperan identificar los receptores de la superficie celular que se unen a BRP y diseccionar aún más las vías de su acción. También están investigando cómo ayudar a que los efectos peptídicos duren más tiempo en el cuerpo para permitir un programa de dosificación más conveniente si el péptido demuestra ser eficaz en la regulación del peso corporal humano. “La falta de medicamentos efectivos para tratar la obesidad en humanos ha sido un problema durante décadas,” Svensson dijo. “Nada de lo que hemos probado antes se ha comparado con la capacidad de semaglutida para disminuir el apetito y el peso corporal. Estamos muy ansiosos por aprender si es seguro y efectivo

Un nuevo modelo de IA puede indicar a las pacientes que tienen un mayor riesgo de enfermedad cardíaca según un electrocardiograma (ECG). Los investigadores dicen que el algoritmo, diseñado específicamente para pacientes femeninas, podría permitir a los médicos identificar a las mujeres de alto riesgo antes, lo que permite un mejor tratamiento y atención. Los detalles se publican hoy en Lancet Digital Health. Un ECG registra la actividad eléctrica del corazón y es una de las pruebas médicas más comunes en el mundo. En su estudio, financiado por la Fundación Británica del Corazón, los investigadores utilizaron inteligencia artificial para analizar más de un millón de ECG de 180,000 pacientes, de los cuales 98,000 eran mujeres. En el último estudio, los investigadores desarrollaron una puntuación que mide qué tan cerca coincide el ECG de un individuo con los patrones de ECG ‘típicos’ para hombres y mujeres, y que mostraron una variedad de riesgos para cada sexo. Las mujeres cuyos ECG coincidían más con el patrón típico de ‘male’ –, como tener un mayor tamaño de la señal eléctrica –, tendían a tener cámaras cardíacas más grandes y más masa muscular. De manera crucial, también se descubrió que estas mujeres tienen un riesgo significativamente mayor de enfermedad cardiovascular, insuficiencia cardíaca futura y ataques cardíacos, en comparación con las mujeres con ECG que coinciden más con el ECG ‘típico de la mujer’. La evidencia previa ha demostrado que los hombres tienden a tener un mayor riesgo de enfermedad cardíaca, más exactamente llamada enfermedad cardiovascular, que puede deberse a diferencias en los perfiles hormonales y los factores del estilo de vida. Debido a esto, los profesionales de la salud y el público creen que el riesgo de enfermedad cardiovascular de las mujeres es bajo. Esto es a pesar de que el riesgo para las mujeres también es alto, y las mujeres tienen el doble de probabilidades de morir de enfermedad coronaria, la principal causa de ataque cardíaco, que de cáncer de mama en el Reino Unido.  Un reciente  declaración de consenso llamada enfermedad cardiovascular, la “asesina número uno” de mujeres. La declaración pidió un mejor diagnóstico y tratamiento para las mujeres, así como una mejor representación femenina en los ensayos clínicos. El Dr. Arunashis Sau, Profesor Clínico Académico en el Instituto Nacional del Corazón y los Pulmones del Imperial College de Londres, y registrador de cardiología en el Imperial College Healthcare NHS Trust, dirigió la investigación. Dijo:»Nuestro trabajo ha subrayado que la enfermedad cardiovascular en las mujeres es mucho más compleja de lo que se pensaba anteriormente. En la clínica utilizamos pruebas como ECG para proporcionar una instantánea de lo que está sucediendo, pero como resultado, esto puede implicar agrupar a los pacientes por sexo de una manera que no tenga en cuenta su fisiología individual. Los ECG mejorados con IA nos brindan una comprensión más matizada de la salud cardíaca femenina – y creemos que esto podría usarse para mejorar los resultados para las mujeres en riesgo de enfermedad cardíaca  El Dr. Fu Siong Ng, lector en Electrofisiología Cardíaca en el Instituto Nacional del Corazón y los Pulmones en el Imperial College de Londres y cardiólogo consultor en el Imperial College Healthcare NHS Trust y Chelsea and Westminster Hospital NHS Foundation Trust, fue el autor principal del estudio. Él dijo: “Muchas de las mujeres identificadas tenían un riesgo aún mayor que el hombre ‘average’. Si se usa ampliamente, con el tiempo el modelo de IA puede reducir las diferencias de género en la atención cardíaca y mejorar los resultados para las mujeres en riesgo de enfermedad cardíaca El grupo de investigación publicó recientemente otro artículo sobre el modelo de estimación de riesgo AI-ECG relacionado, conocido como AIRE, que puede predecir el riesgo de los pacientes de desarrollar y empeorar la enfermedad a partir de un ECG. Los ensayos de AIRE en el NHS ya están planificados para fines de 2025. Estos evaluarán los beneficios de implementar el modelo con pacientes reales de hospitales de Imperial College Healthcare NHS Trust y Chelsea and Westminster Hospital NHS Foundation Trust. Este modelo se probará junto con AIRE. Dr. Sonya Babu-Narayan, Director Clínico de la Fundación Británica del Corazón, dicho: “Con demasiada frecuencia, las mujeres son diagnosticadas erróneamente o incluso despedidas por profesionales de la salud, gracias al mito de que la enfermedad cardíaca es solo un problema de male’. Incluso si reciben el diagnóstico correcto, la evidencia muestra que las mujeres son menos propensas que los hombres a recibir los tratamientos recomendados “Este estudio ha aplicado una poderosa tecnología de IA a los ECG, una prueba cardíaca rutinaria, barata y ampliamente disponible. Aprovechar el potencial de este tipo de investigación podría ayudar a identificar mejor a los pacientes con mayor riesgo de futuros problemas cardíacos y reducir la brecha de género en los resultados de la atención cardíaca. Sin embargo, una prueba por sí sola no nivelará el campo de juego. Asegurar que cada persona reciba la atención cardíaca adecuada que necesita cuando la necesita requerirá un cambio en cada parte de nuestro sistema de salud La investigación fue financiada por la Fundación Británica del Corazón, a través de una Beca de Capacitación en Investigación Clínica de BHF al Dr. Sau, una Beca del Programa de BHF al Dr. Fu Siong Ng y el Centro de Excelencia en Investigación de BHF en Imperial. Los investigadores también recibieron apoyo del NIHR Imperial Biomedical Research Centre, una asociación de investigación traslacional entre Imperial College Healthcare NHS Trust e Imperial College London, que recibió £95 millones en 2022 para continuar desarrollando nuevos tratamientos experimentales y diagnósticos para pacientes. Imperial College Londres News. R. S. Traducido al español