La Ciencia, desde Morelos para el mundo.

Los logros más importantes en ciencia y tecnología en el 2020

Los logros más importantes en ciencia y tecnología en el 2020

F. Alejandro Sánchez Flores

Miembro de la Academia de Ciencias de Morelos

 

Este año, no cabe duda que la pandemia de COVID-19 causada por el virus SARS-CoV-2, ha enfocado gran parte del esfuerzo en ciencia y tecnología hacia la búsqueda de conocimiento que nos permitiera entender dicha enfermedad y al virus que lo produce. Sin embargo, existieron un gran número de avances y descubrimientos científicos que no estuvieron relacionado este gran problema de salud mundial. Hay que recordar, que todos los avances y descubrimientos son el resultado de un trabajo acumulado que han rendido frutos durante este año. Con la finalidad de hacer honor a estos logros, mencionaré de manera sintética y sin entrar en muchos detalles, algunos de los más representativos en ciertas áreas de la ciencia que fueron opacados por la marea de información relacionada con la enfermedad COVID-19.

 

Inteligencia artificial con diferentes aplicaciones

El diagnóstico médico del futuro

Enero del 2020 marcó un gran logro para la inteligencia artificial y para la oncología. De nuevo, el algoritmo DeepMind de la empresa Google nos dio una grata sorpresa al ser utilizado por expertos médicos para la detección del cáncer de mama, superando incluso a expertos en el área que evaluaron la misma información. Gran parte de la detección del cáncer de mama se basa en la interpretación de mastografías, donde existen una gran cantidad de falsos positivos (casos que se diagnostican como cáncer de mama cuando no lo son) y falsos negativos (casos que no se diagnostican cuando si son cáncer de mama). Sin embargo, los científicos afiliados al gigante de la informática Google, entrenaron su algoritmo para interpretar cerca de 30,000 casos obtenidos del Reino Unido y Estados Unidos, con lo cual sobrepasaron la precisión del diagnóstico humano, ya que el programa de computadora tuvo hasta un 5.7% menos de falsos positivos y hasta un 9.4% menos de falsos negativos. Además de la reducción de errores, una de los grandes potenciales es reducir la carga de trabajo y el tiempo de diagnóstico, ya que en muchos sistemas de salud se requiere de una doble interpretación y una revisión de la historia clínica del paciente, con lo cual el diagnostico lleva más tiempo. Sin embargo, el uso del algoritmo solo requirió la interpretación de la imagen ya que no tuvo acceso a ningún dato de historia clínica adicional del paciente, más allá de su más reciente mastografía. A pesar de que estos resultados son iniciales, el uso de inteligencia artificial para el diagnóstico de cáncer de mama, puede ser de gran apoyo para los médicos, sobre todo cuando el numero de casos puede rebasar al del personal experto para interpretarlos.

 

Tomada de: https://www.fiercebiotech.com/medtech/instant-second-opinion-google-s-deepmind-ai-bests-doctors-at-breast-cancer-screening

 

El estudio de la estructura de proteínas por inteligencia artificial

Otro gran logro con el uso de la inteligencia artificial que se dio en noviembre de este año, está relacionado con estudiar cómo una proteína adquiere su forma tridimensional que es un rasgo particular de ellas. Durante muchos años, la única manera de determinar la forma (o estructura) de una proteína, ha sido de manera experimental en donde se tiene que encontrar la manera en que una proteína en solución, pueda formar cristales. Estos cristales se difractan con rayos X, lo cual es parecido a sacarles una radiografía en la cual se genera un patrón el cual debe ser interpretado. Con un programa de computadora, los datos de rayos X se integran de tal manera que nos permiten tener una idea del trazo que describen los aminoácidos que forman a la proteína en cuestión. A pesar de que con la Genómica podemos conocer de manera relativamente fácil y rápido la secuencia de aminoácidos de una proteína, predecir su estructura es un problema complejo que depende de grandes recursos de cómputo y programas especiales de computadora, con los cuales se ha intentado realizar las mejores predicciones durante los últimos 50 años. Una vez más, el laboratorio de inteligencia artificial de Google, utilizó una versión del algoritmo DeepMind llamada AlphaFold para predecir la estructura de las proteínas con gran precisión. Esto fue demostrado en un “concurso” o lo que seria el equivalente a la “olimpiada” de programas de computadora para la predicción de estructura de proteínas. En esta competencia llamada CASP (siglas por su nombre en inglés, Critical Assessment of protein Structure Prediction) que se realiza cada 2 años, el algoritmo AlphaFold venció a todos los otros programas de predicción de estructura de proteínas, al obtener un marcador promedio de 92.5 puntos de un total de 100 posibles, al realizar todas sus predicciones. Cabe mencionar que los resultados de las predicciones se corroboran contra el resultado experimental obtenido por difracción de cristales, con lo cual se puede comparar el modelo experimental contra la predicción. La importancia de conocer la estructura de una proteína, radica en que la dicha estructura determina en gran parte su función, por lo que nos puede dar un conocimiento profundo de su papel biológico y evolutivo.