El catedrático de Sistemas de la Información e Informática de Gestión de la Universidad Pablo de Olavide José Luis Salmerón, junto con un equipo internacional que cuenta con la participación de la Universidad McGill de Canadá, ha diseñado un sistema para la detección temprana de pacientes con artritis reumatoide y, posteriormente, la clasificación de la gravedad de la enfermedad en seis niveles diferentes.
La investigación, publicada en la revista Mathematics, abre la posibilidad de la detección temprana de esta grave enfermedad autoinmune que permitiría mejorar el tratamiento desde el primer momento. El proceso de desarrollo de este sistema cuántico de inteligencia artificial se completó en colaboración con dos especialistas en cirugía ortopédica ortopédica y reumatología.
La medicina ha logrado dar solución a multitud de enfermedades que afectan al ser humano, logrando avances que han aumentado considerablemente la esperanza de vida. Sin embargo, muchas de las enfermedades autoinmunes todavía no han logrado ser detectadas de forma temprana. “En muchos casos, las soluciones pasan por anticiparse y lograr detectar la aparición de estas enfermedades asociadas a la edad en sus primeras etapas de desarrollo” explica José Luis Salmerón, quien añade que “el principal problema para lograr este objetivo es la necesidad de hacer un seguimiento profundo y continuo de todas las personas, lo cual es imposible de sostener por el sistema sanitario”.
La artritis reumatoide es una enfermedad inflamatoria crónica y autoinmune a largo plazo que puede conducir a la erosión de las articulaciones y los huesos. Esto puede conducir a la discapacidad de los pacientes si no se trata de manera oportuna. “Por ello, la detección temprana de la artritis reumatoide puede tener un papel importante en el tratamiento oportuno de la enfermedad”, explica el catedrático Salmerón.
En este contexto, la inteligencia artificial aparece como la principal apuesta para detectar los diminutos cambios que va experimentado el ser humano con el paso del tiempo. Para ello, la solución pasa por comenzar a utilizar modelos correctamente entrenados para distinguir los procesos biológicos que están teniendo lugar y asociar los cambios al posible desarrollo de alguna enfermedad. “El sistema incluye transparencia, ya que la inclusión de métodos de explicabilidad (XAI) en los modelos ayuda a incrementar la confianza en éstos y a la comprensión de la enfermedad. Asimismo, incorpora computación cuántica que permite la superposición de estados y genera estados estáticos y dinámicos de forma como no se había trabajado con anterioridad”, argumenta el catedrático de la UPO.
Fuente: DICYT
fecha:
