Herramienta de diagnóstico de IA podría proporcionar resultados en dos minutos utilizando una muestra de la yema del dedo

Ahora, se ha programado una plataforma especialmente diseñada para detectar la concentración de estas proteínas para ayudar en el diagnóstico y monitorización la progresión de la enfermedad. La investigación propone que los tiempos de espera en el hospital podrían reducirse drásticamente y la opción de autoevaluación y automonitorización ahora es posible con el potencial de kits de diagnóstico en el hogar en el futuro.

Los científicos de la Universidad de Swansea (Swansea, Reino Unido), que desarrollan una plataforma que usaría inteligencia artificial (IA) para acelerar el proceso de detección de biomarcadores en biofluidos, han demostrado que el concepto podría funcionar. Significaría resultados de pruebas más rápidos para condiciones de salud como trastornos cardiovasculares, calidad de las articulaciones y enfermedad de Alzheimer. La nueva herramienta de diagnóstico podría revolucionar el sector de la salud debido a la aplicación de una forma de IA: aprendizaje automático (ML). La implementación de ML ha significado que es posible, por primera vez, que los resultados se proporcionen en minutos.

“La innovación clave es el hecho de proporcionar un resultado en dos minutos, lo que constituye un paso adelante en comparación con las pruebas estándar que pueden durar varias horas”, dijo el Dr. Francesco Del Giudice, líder del proyecto. "Lo que esto significa para el futuro es que nuestro estudio de prueba de concepto puede desarrollarse aún más en una herramienta para ayudar a los médicos a tomar decisiones sobre los datos clínicos obtenidos rápidamente. También prevemos desarrollar esto aún más para una plataforma de diagnóstico de autoevaluación en el punto de atención en el hogar”.

“La capacidad de la inteligencia artificial para reducir el tiempo requerido para completar varias tareas se ha demostrado en varias disciplinas”, agregó la Dra. Claire Barnes, coautora del trabajo. “La ventaja de velocidad que ofrece la implementación del aprendizaje automático nos permitió ajustar casi en tiempo real los parámetros experimentales para cumplir con los requisitos del modelo teórico asociado a este trabajo”.

Enlaces relacionados:
Universidad de Swansea