Actualidad · Artículo · Vacunas e Inmunoterapia
.svg){kind=icon}
26.02.2024 · 
AstraZeneca · .svg){kind=icon}
2 min
La inteligencia artificial puede ser un arma muy útil en diversos procesos asociados a la vigilancia de enfermedades infecciosas, como, por ejemplo, la detección de brotes con potencial epidémico o pandémico, cambio en patrones de resistencia antimicrobiana, etc.1
La capacidad que tienen los algoritmos utilizados en inteligencia artificial para poder integrar data (estructurada y no estructurada) de fuentes muy diversas, así como la habilidad de reconocer patrones, implementar modelos predictivos, realizar análisis de sentimiento (sentiment analysis), entre otros, la confiere múltiples usos potenciales muy relevantes para las actividades de vigilancia de enfermedades infecciosas, como, por ejemplo:
Por ejemplo, en diciembre del 2019 un sistema basado en inteligencia artificial (HealthMap) emitió la primera advertencia de un “grupo de casos de neumonía de etiología desconocida”, antes que el primer caso de COVID-19 fuese identificado.2
Es probable que en un futuro próximo los datos obtenidos mediante tecnologías vestibles (wearables), analizados con algoritmos de inteligencia artificial, jueguen un papel fundamental en la detección temprana de potenciales epidemias u otros problemas de salud, al permitir identificar cambios subclínicos de variables fisiológicas (como frecuencia cardíaca o saturación de oxígeno), incluyendo su ubicación geográfica, permitiendo a las autoridades responder de manera oportuna, enfocando los recursos necesarios para caracterizar el riesgo.2
También se han probado con éxito modelos que utilizan inteligencia artificial, como el EDS-HAT, que combina la secuenciación del genoma completo (WGS) y el aprendizaje automático (ML) de la historia clínica electrónica (HCE) para identificar brotes intrahospitalarios no detectados por métodos tradicionales de vigilancia, así como las rutas de transmisión responsables.3
Con respecto a la resistencia antimicrobiana, la inteligencia artificial puede determinar la susceptibilidad de las bacterias a los antibióticos utilizando algoritmos de procesamiento de imágenes en los discos de los antibiogramas para así medir las zonas de inhibición del crecimiento y determinar el tipo de antibiótico requerido. Esto puede ser una alternativa más eficiente en muchos centros que los lectores automatizados.4
1. Wong F, de la Fuente-Nunez C, Collins JJ. Leveraging artificial intelligence in the fight against infectious diseases. Science. 2023;381(6654):164-170.
2. Brownstein JS, Rader B, Astley CM, Tian H. Advances in Artificial Intelligence for Infectious-Disease Surveillance. N Engl J Med. 2023;388(17):1597-1607.
3. Sundermann AJ, Chen J, Kumar P, et al. Whole-Genome Sequencing Surveillance and Machine Learning of the Electronic Health Record for Enhanced Healthcare Outbreak Detection. Clin Infect Dis. 2022;75(3):476-482.
4. Pascucci M, Royer G, Adamek J, et al. AI-based mobile application to fight antibiotic resistance. Nat Commun. 2021;12:1173.
ES-29192 Marzo 2024
La información contenida en este sitio web está dirigida exclusivamente a profesional sanitario facultado para prescribir o dispensar medicamentos en España (requiere una formación especializada para su correcta interpretación)
AstraZeneca promueve la prescripción de sus productos farmacéuticos en las condiciones establecidas en su ficha técnica.
¿Eres un profesional sanitario?
La información contenida en este sitio web está dirigida exclusivamente a profesional sanitario facultado para prescribir o dispensar medicamentos en España (requiere una formación especializada para su correcta interpretación)
AstraZeneca promueve la prescripción de sus productos farmacéuticos en las condiciones establecidas en su ficha técnica.
¿Eres un profesional sanitario?
Consents
Estos consentimientos son obligatorios para poder iniciar sesión. Por favor, acéptalos para continuar
