{"id":3337,"date":"2025-06-25T22:14:40","date_gmt":"2025-06-25T22:14:40","guid":{"rendered":"https:\/\/researchbank.kaiserpermanente.org\/es\/?p=3337"},"modified":"2025-06-25T22:14:40","modified_gmt":"2025-06-25T22:14:40","slug":"inteligencia-artificial-aprendizaje-automatico-aprendizaje-profundo-y-genomica","status":"publish","type":"post","link":"https:\/\/researchbank.kaiserpermanente.org\/es\/inteligencia-artificial-aprendizaje-automatico-aprendizaje-profundo-y-genomica\/","title":{"rendered":"Inteligencia artificial, aprendizaje autom\u00e1tico, aprendizaje profundo y gen\u00f3mica"},"content":{"rendered":"

(Fuente: Instituto Nacional de Investigaci\u00f3n del Genoma Humano: https:\/\/www.genome.gov\/about-genomics\/educational-resources\/fact-sheets\/artificial-intelligence-machine-learning-and-genomics<\/a>)<\/p>\n

Existen muchas definiciones de \u201cinteligencia artificial\u201d (IA). Es una tecnolog\u00eda que puede ser dif\u00edcil de explicar o de entender en su totalidad. Sin embargo, sus beneficios para el campo de la medicina siguen aumentando a medida que se descubren nuevas formas en las que puede asistir en nuestras tareas.<\/p>\n

Una de las definiciones creadas por la IA misma es \u201cLa IA es un campo amplio que incluye el uso de m\u00e1quinas y computadoras. Es una combinaci\u00f3n de ciencia inform\u00e1tica, ciencia cognitiva y matem\u00e1tica que usa diferentes tecnolog\u00edas para imitar el comportamiento humano\u201d. <\/em><\/p>\n

La IA se puede concebir como software o herramientas que imitan la inteligencia humana o que la superan. Si bien la mayor\u00eda de nosotros conocimos la IA recientemente, fue el profesor John McCarthy<\/a> de la Stanford University quien desarroll\u00f3 el concepto en 1955.<\/p>\n

Para crear y optimizar la IA, los cient\u00edficos comienzan a trabajar con conjuntos de datos<\/a> de gran tama\u00f1o y alta definici\u00f3n que les permiten entender las t\u00e9cnicas y los procesos que usan las personas para analizar e interpretar informaci\u00f3n compleja. Por ejemplo, un conjunto de datos puede estar conformado por miles y miles de radiograf\u00edas an\u00f3nimas de piernas fracturadas. Mediante el uso de este conjunto de datos, una computadora puede \u201centrenarse\u201d para que comprenda qu\u00e9 debe \u201cver\u201d cuando se trata de fracturas de piernas. La IA evoluciona y cambia continuamente a medida que los investigadores conocen y desarrollan t\u00e9cnicas y herramientas nuevas.<\/p>\n

\u00bfQu\u00e9 son el \u201caprendizaje autom\u00e1tico\u201d y el \u201caprendizaje profundo\u201d?<\/p>\n

Los t\u00e9rminos \u201caprendizaje autom\u00e1tico\u201d y \u201caprendizaje profundo\u201d suelen mencionarse frecuentemente junto con la IA. Ambos son subcampos de la IA. El aprendizaje autom\u00e1tico es un proceso mediante el cual se da a las computadoras la capacidad de \u201caprender\u201d a partir de un conjunto de datos determinado sin una programaci\u00f3n directa sobre qu\u00e9 deben aprender.<\/p>\n

Las m\u00e1quinas pueden desarrollar estas capacidades con un m\u00e9todo que se denomina \u201csupervisado\u201d o \u201cno supervisado\u201d. Mediante el \u201caprendizaje supervisado\u201d, los cient\u00edficos proporcionan a las m\u00e1quinas un \u201centrenamiento\u201d (es decir, programaci\u00f3n inform\u00e1tica) y conjuntos de datos de prueba espec\u00edficos. Los datos de entrenamiento tienen categor\u00edas definidas, como \u201cpersonas con enfermedades cardiacas coronarias (coronary heart disease<\/em>, CHD)\u201d y \u201cpersonas sin CHD\u201d. La computadora puede usar esa programaci\u00f3n para identificar caracter\u00edsticas ocultas de los datos y determinar diferentes categor\u00edas. Por ejemplo, podr\u00eda descubrir factores de riesgo de CHD desconocidos hasta el momento. La computadora puede usar esta informaci\u00f3n nueva para trabajar con datos de prueba y hacer predicciones informadas, como qu\u00e9 personas tienen probabilidades de desarrollar CHD.<\/p>\n

En el \u201caprendizaje no supervisado\u201d, las computadoras con un nivel de desarrollo alto pueden reconocer patrones en conjuntos de datos de gran tama\u00f1o y hacer predicciones sobre el mundo real sin necesidad de recibir informaci\u00f3n adicional por parte de los investigadores.<\/p>\n

Cuando las m\u00e1quinas pueden aprender de esta manera, se considera que el aprendizaje es \u201cprofundo\u201d. Si bien el aprendizaje profundo es una t\u00e9cnica relativamente moderna que se usa para implementar el aprendizaje autom\u00e1tico, sus inicios se remontan al a\u00f1o 1943<\/a> cuando los cient\u00edficos crearon un modelo de computadora basado en el funcionamiento del cerebro humano. Los algoritmos de aprendizaje profundo imitan la interacci\u00f3n interna de las neuronas del cerebro humano para encontrar patrones e informaci\u00f3n clave en un conjunto de datos. Los algoritmos de aprendizaje profundo son redes neuronales artificiales, un sistema inform\u00e1tico que puede imitar la capacidad del cerebro humano para calcular la importancia de cierta informaci\u00f3n en relaci\u00f3n con otra y tomar decisiones en consecuencia.<\/p>\n

\u00bfCu\u00e1les son los beneficios de usar la inteligencia artificial y el aprendizaje autom\u00e1tico en gen\u00f3mica?<\/p>\n

La finalizaci\u00f3n de la secuencia del genoma humano fue un evento trascendental que ocurri\u00f3 en 2001. Este extraordinario logro ocasion\u00f3 la producci\u00f3n de un enorme volumen de datos gen\u00f3micos durante los \u00faltimos 24\u00a0a\u00f1os. Seg\u00fan los expertos, la investigaci\u00f3n gen\u00f3mica generar\u00e1 entre 2 y 40\u00a0exabytes<\/a> de datos durante la pr\u00f3xima d\u00e9cada. El siguiente gr\u00e1fico representa la magnitud de este volumen de datos:<\/p>\n

\"\"<\/a><\/p>\n

La secuenciaci\u00f3n del \u00e1cido desoxirribonucleico (ADN) y otros avances cient\u00edficos continuar\u00e1n incrementando la cantidad y la complejidad de los conjuntos de datos gen\u00f3micos. Este es el motivo por el cual los investigadores de la gen\u00f3mica necesitan herramientas de la IA y el aprendizaje autom\u00e1tico que puedan procesar e interpretar la informaci\u00f3n oculta en este enorme volumen de datos.<\/p>\n

\u00bfDe qu\u00e9 maneras se est\u00e1n usando la inteligencia artificial y el aprendizaje autom\u00e1tico en la medicina?<\/p>\n

Si bien el uso de herramientas de IA y aprendizaje autom\u00e1tico en la gen\u00f3mica a\u00fan es incipiente, los investigadores ya obtuvieron algunos beneficios en el desarrollo de programas que asisten de maneras espec\u00edficas.<\/p>\n

A continuaci\u00f3n se incluyen algunos ejemplos de t\u00e9cnicas basadas en el aprendizaje autom\u00e1tico:<\/p>\n