IA al servicio de la salud: proyectos de la UNSAM
Investigadores y docentes de UNSAM trabajan en distintos proyectos de inteligencia artificial aplicados a la medicina. Con estas herramientas, buscan aportar conocimientos y desarrollar tecnologías para acelerar diagnósticos, optimizar ensayos clínicos y elaborar nuevos fármacos.
Investigadores de todo el mundo están tratando de desarrollar sistemas que la utilizan herramientas de inteligencia artificial para resolver diversos problemas vinculados a la salud, como tratar de acelerar diagnósticos de enfermedades que suelen manifestarse cuando ya están muy avanzadas, optimizar ensayos clínicos para poder encontrar mejores tratamientos y desarrollar nuevos fármacos que sean más eficaces o permitan tratar patologías que hasta el momento no tienen cura. En línea con estos avances globales, la Universidad Nacional de San Martín (UNSAM) también cuenta con diversos equipos de investigación que utilizan estas herramientas en sus proyectos.
“Los algoritmos de machine learning son muy buenos para detectar patrones y diferenciar entre los datos qué es señal y qué es ruido”, ejemplifica Rodrigo Díaz, director de la Licenciatura en Ciencia de Datos de la Escuela de Ciencia y Tecnología de UNSAM, y destaca que es difícil imaginar algún área o disciplina que no pueda beneficiarse con estos desarrollos. En el ámbito de la salud, este especialista dirige un estudio que busca detectar la evolución de infecciones por virus sincicial respiratorio -que afecta pulmones y vías respiratorias de bebés y niños pequeños-, en pacientes pediátricos del Área Metropolitana de Buenos Aires (AMBA), luego de la pandemia por COVID-19.
“Específicamente, queremos detectar si hay algún patrón que muestre que existe alguna relación entre la gravedad de la enfermedad y la geografía; eso podría indicar que hay alguna problemática de contaminación ambiental”, explica Díaz y aclara que, en una primera etapa, no encontraron resultados significativos, aunque todavía es necesario mejorar lo que se denomina el “dataset”, que incluye los datos analizados. “En este caso, el dataset son los registros de las internaciones de pacientes con infección respiratoria, que incluyen por ejemplo la edad, cómo fue tratado, en qué barrio vive, cuántas veces fue internado en el año, qué tratamiento recibió, cómo evolucionó la infección, y un montón de parámetros generados por un grupo de médicos, a través de un proceso propio”, detalla.
Una de las características más relevantes de los proyectos con inteligencia artificial es la necesidad de trabajar de manera transdisciplinaria. En este caso, por ejemplo, los investigadores se asociaron con médicos, pediatras e investigadores de otras dependencias académicas, como la Escuela de humanidades y el Centro INFANT de Medicina Traslacional (CIMeT), perteneciente a la Escuela de Bio y Nanotecnología de UNSAM, y en acuerdo con hospitales del AMBA y la ciudad de La Plata, siempre siguiendo rigurosos procedimientos éticos y que respeten la privacidad de las y los pacientes. “Los perfiles de quienes trabajan en estas áreas son muy flexibles y heterodoxos, debido en parte a la naturaleza interdisciplinaria de la disciplina, pero también por la frecuente interacción entre la academia y la industria, que en cuestiones vinculadas a la inteligencia artificial es fuertísima”, subraya.
Ejemplo de eso también es la línea de investigación que coordina Martín Belzunce -docente en las carreras de Ingeniería biomédica y Física Médica- desde el Centro Universitario de Imágenes Médicas (CEUNIM) de la UNSAM. Uno de trabajos que dirige, por ejemplo, busca entrenar un modelo de inteligencia artificial, lo que se conoce como red neuronal convolucional, para desarrollar una tecnología que permita reducir las dosis de químicos y radiactivos que se necesitan para realizar algunos estudios de diagnóstico por imagen, como tomografías por emisión de positrones (PET), tomografías computarizadas (TC) y resonancias magnéticas nucleares (RMN)
“Por el momento, trabajamos con datos simulados: simulamos cómo sería una imagen con baja dosis y la equivalente con la dosis completa. De ese modo, esta red aprende a partir de una imagen ruidosa, lo que podría ayudar a reducir entre un 5% y 10% la dosis que se le inyecta a los pacientes para hacer los estudios”, explica Belzunce y agrega que, ahora, están contrastando esos resultados con datos reales de pacientes con COVID prolongado, con los que también están llevando adelante otra investigación.
“Hicimos imágenes de resonancia magnética a 200 voluntarios que tuvieron COVID prolongado, que manifestaban síntomas cognitivos, quejas de memoria y problemas de atención. Inicialmente las evaluamos usando métodos tradicionales, y ahora que tenemos la base completa, vamos a explorar otros métodos de aprendizaje automático, como machine learning, para ver si encontramos patrones estadísticos que con los métodos tradicionales no podemos ver”, afirma Belzunce. Para este trabajo, proyectan analizar las imágenes de resonancias magnéticas y PETs que ya poseen, junto con otras denominadas ASL (Arterial Spin Labeling), que miden la percepción de cerebro. “Tenemos una gran base de datos que la inteligencia artificial nos permite explorar para tratar de encontrar patrones que no son tan fácil de detectar de otro modo”, sostiene.
Para avanzar en este proyecto, los investigadores se asociaron con médicos y especialistas de otras disciplinas e instituciones, como el Hospital Eva Perón de la localidad de San Martín, en el conurbano bonaerense. También colaboran con la especialista en bioquímica del cerebro humano Marcela Broco, del Instituto de Investigaciones Biotecnológicas (IIB/UNSAM), que trabaja con mediciones de biomarcadores a partir de saliva, que es menos invasivo que la sangre. “Estamos viendo si esos marcadores, que son de inflamación, están asociados con alguno de los marcadores de imágenes con los que contamos y vamos a usar herramientas de inteligencia artificial para tratar de encontrar algo que, a simple vista, no pareciera estar”, afirma.
Otra de las investigaciones que dirige Belzunce, en este caso en conjunto con colegas de Inglaterra, consiste en utilizar la inteligencia artificial como marcador de la salud muscular, que se podría utilizar para distintas enfermedades, como distrofias o atrofias, aunque en particular, están “tratando de entender” lo que se conoce como sarcopenia, que es la pérdida de masa muscular que ocurre con la edad. “La salud muscular se evalúa con un test que no permite conocer realmente qué está pasando dentro del músculo. En eso nos pueden ayudar las imágenes de resonancia magnética, mediante un protocolo que se llama Dixon, que permite cuantificar la grasa”, afirma el especialista. “Hasta ahora, lo más importante que vimos es que con la edad se empieza a ver más infiltración de grasa y pérdida de tejido, pero no se atrofia la masa total sino es que se va reemplazando dentro del músculo”, subraya.
Esta imagen permite comparar la composición de la masa muscular de una persona sedentaria con la de un ciclista. Foto: gentileza Laboratorio de Procesamiento de Imágenes Médicas de la UNSAM.
Por su parte, Esteban Roitberg, que también es docente en la Licenciatura de Ciencia de Datos, también trabaja en el desarrollo de un modelo de inteligencia artificial, pero en este caso lo hace de la mano de una organización sin fines de lucro de Estados Unidos, denominada EverythingALS. El objetivo final es lograr un sistema que permita obtener información precisa que ayude a la industria farmacéutica al desarrollo de nuevos fármacos para tratar la Esclerosis Lateral Amiotrófica (ELA), que sean más efectivos que los tratamientos actuales, que son principalmente paliativos.
La principal complicación es que los métodos para diagnosticar y evaluar la evolución de la ELA se basan en respuestas subjetivas de aportan datos poco definidos. Por eso, generalmente, es detectada cuando ya está avanzada y los síntomas son más notorios, lo que afecta la calidad de vida de quienes la padecen. Asimismo, la falta de datos más definidos dificulta la realización de los ensayos clínicos que requieren las farmacéuticas para el desarrollo de nuevos medicamentos. “Para evaluar la ELA se analizan distintos parámetros como el habla y la motricidad. Nosotros trabajamos particularmente con el primero de ellos, usamos una herramienta de inteligencia artificial conocida como Automatic Speech Recognition System, que transcribe audios y también nos indica cuán confiada está de lo que escuchó. Esto está fuertemente asociado a cuán difícil es entender a la persona que grabó el audio”, detalla Roitberg.
Escuela internacional de verano en inteligencia artificial
Algunos de estos desarrollos fueron presentados durante la primera Escuela Internacional de Verano en Inteligencia Artificial, una iniciativa impulsada por los rectores de las universidades nacionales de Hurlingham y San Martín, adonde se dictan carreras relacionadas con esta temática, que contó con la participación de 60 estudiantes avanzados de distintos países de la región.
Durante las clases, charlas y talleres también se abordaron temáticas vinculadas a la salud, con docentes que trabajan en este tipo de desarrollos. Uno de ellos fue Jinming Duan, de la Universidad de Birmingham, en Inglaterra, que es especialista en imágenes médicas y está trabajando el desarrollo de un modelo computacional que pueda detectar marcadores en la forma del corazón, que permitan diagnosticar posibles enfermedades cardíacas. Para ello, trabaja en conjunto con un hospital de la localidad de Birmingham, que es parte del Servicio Nacional de Salud de Inglaterra.
Para diagnosticar alguna enfermedad cardíaca, en general se necesita escanear el corazón. Para eso, actualmente se utilizan distintas métodos, algunos por imágenes (como la tomografía computada y la resonancia magnética nuclear) y otros por ultrasonidos (como la ecocardiografía, el ultrasonido intravascular y la ecocardiografía de esfuerzo). “Buscamos que las tecnologías de imágenes avanzadas nos ayuden a ver el corazón, que continuamente está bombeando, y ahora podemos desarrollar algoritmos computacionales que lean la imagen y detecten características mediante marcadores que indiquen, por ejemplo cuán grande es este órgano”, comenta Duan y ejemplifica: “una vez que tenemos la imagen, podemos segmentarla y construir una geometría 3D del corazón, y compararla con la de corazones sanos y con patologías, para detectar si hay alguna anomalía”.
Otro de los docentes que está investigando en inteligencia artificial aplicada a la salud es Gonzalo Uribarri, del KTH Royal Institute of Technology en Estocolmo, Suecia, que lo hace en colaboración con especialistas del Hospital Universitario Karolinska, uno de los más grandes de Europa. Específicamente, están usando estas tecnologías para tratar de desarrollar un sistema que permita acelerar el diagnóstico de enfermedades neurodegenerativas, como el Parkinson y el Alzheimer. Para ello, exploran alternativas basadas en el análisis de señales cerebrales (electroencefalografía/EEG y magnetoencefalografía/MEG) y el seguimiento ocular (eye tracking), tecnologías que miden la actividad eléctrica cerebral y los movimientos del ojo.
“Estos datos, casi imperceptibles para el ojo humano, son procesados mediante algoritmos de machine learning para identificar patrones asociados a enfermedades”, afirma Uribarri y aclara que el trabajo de investigación incluye varias instancias: primero es necesario ordenar y “limpiar” los datos que reciben, que son tomados en un contexto clínico, y luego deben entrenar al algoritmo para que pueda detectar si los datos responden a una persona con alguna de esas enfermedades.
“Todavía estamos es una instancia muy elemental, que igual tiene sus frutos porque ahora la lupa está puesta sobre algunas características que pueden despertar otras líneas de investigación”, comenta Uribarri y subraya: “nunca había interactuado con médicos de manera profesional ni trabajado en un hospital, eso me permitió aprender que la mitad de la formación es esa, interactuar con la gente que está en otro campo y tiene conocimiento y dominio. Esa interacción es la parte que me faltaba”.
La primera Escuela Internacional de Verano en Inteligencia Artificial fue totalmente gratuita y se desarrolló de manera presencial, durante una semana intensiva, en febrero de 2025. Los encuentros, que tuvieron lugar en ambas universidades del conurbano bonaerense, estuvieron a cargo de docentes de distintos países como Argentina, Inglaterra, Uruguay y Suecia, y contaron con asistencia casi perfecta.
“La selección fue muy competitiva porque se inscribieron 240 personas pero solo podíamos seleccionar a 60”, recuerda Díaz, que participó en la organización de esta iniciativa, y afirma que entre los criterios de selección tuvieron en cuenta los conocimientos previos de cada aspirante, la disciplina de investigación, la pertenencia institucional, el federalismo y la internacionalidad.
En cuanto a los docentes, no solo hubo especialistas del ámbito académico sino también empresarial, como Mariana Maggio, responsable de Programas Académicos de Microsoft Latinoamérica, que se refirió los Escenarios de Inteligencia Artificial en Educación. De la región, por ejemplo, estuvo Luis Chiruzzo, de la Universidad de La República, de Uruguay, ofreció un curso sobre redes neuronales artificiales y lenguaje natural; y de otras universidades nacionales participaron, entre otros, Ricardo Rodríguez (UBA); Nicolás Gaggion (UNL) y Rodrigo Ramale ( ITBA).
“El balance es muy positivo, la inteligencia artificial es algo que despierta mucho interés. Además, este tipo de eventos nos permiten establecer redes entre colegas del ámbito nacional e internacional, lo que siempre es fructífero, para la academia, en general, y para la investigación, en particular”, concluye Díaz.
