El modelo Evo 2, publicado esta semana en la revista Nature, es capaz de leer y escribir el código genético de todos los dominios de la vida con una precisión superior al 90 % en la detección de mutaciones patogénicas. Es el último de un grupo de modelos que han hecho avanzar el campo de la genética generativa.
Un equipo de investigadores de la Universidad Politécnica de Madrid demuestra que el aprendizaje por refuerzo −una rama de la inteligencia artificial− permite a drones autónomos interceptar de forma segura otros drones no autorizados, incluso en condiciones adversas y ante maniobras impredecibles.
Miles de patologías de baja prevalencia, dispersas y a menudo invisibles, conforman en conjunto un desafío sanitario y social de primera magnitud. Comprender su alcance real, mejorar el diagnóstico y acelerar el desarrollo de terapias es una tarea urgente que interpela tanto a la ciencia como a las políticas públicas.
TropiCam-AI es una herramienta de código abierto que analiza miles de fotografías y videos de cámaras trampa y evalúa de qué animales se trata con un 95 % de precisión. Además, puede reconocer 84 grupos de aves y mamíferos que viven en el dosel de los bosques neotropicales.
El sistema usa inteligencia artificial con el fin de analizar rasgos como el tono y la intensidad e identificar señales de trauma sin acceder al contenido de las conversaciones. La herramienta podría aplicarse en servicios de atención y entornos clínicos, donde permitiría anticipar situaciones de riesgo y mejorar la respuesta institucional.
Comprender cómo las pequeñas variaciones en el ADN alteran la actividad de los genes es uno de los mayores desafíos de la genómica. Un nuevo modelo desarrollado por Google DeepMind aborda este problema analizando regiones del genoma de gran tamaño con un nivel de detalle sin precedentes. Podría tener futuras aplicaciones en el desarrollo de terapias génicas, el diagnóstico de enfermedades raras o la biología sintética.
Una nueva inteligencia artificial permite identificar, antes de la intervención, a los pacientes con mayor probabilidad de desarrollar septicemia mediante el análisis de su información genética. El sistema se ha aplicado en pacientes quirúrgicos.
Los modelos de inteligencia artificial que están entrenados para comportarse mal en una tarea concreta pueden generalizar este comportamiento a tareas no relacionadas, como ofrecer consejos maliciosos, según sugiere un artículo publicado en Nature.
El nuevo modelo de inteligencia artificial se entrenó con una muestra de 10 739 radiografías panorámicas dentales, correspondientes a personas de entre 14 y 26 años. La herramienta obtuvo un error medio absoluto de solo 1,12 años y una precisión del 88,38 % al determinar si una persona supera o no el umbral de los 18 años.
Un equipo de Harvard ha analizado los cuatro modelos más populares de análisis patológico con inteligencia artificial para diagnosticar el cáncer y ha detectado sesgos ligados al género, la raza y la edad. Para corregirlos, ha desarrollado FAIR-Path, una herramienta que reduce estos fallos en un 88 %.
