Sesi\u00f3n 1 – Una imagen vale m\u00e1s que mil palabras: el papel de la Inteligencia Artificial en la imagen m\u00e9dica<\/h2>Viernes 30 de Abril<\/h3><\/div><\/div><\/div><\/div>\u00bfVale una imagen m\u00e1s que mil palabras?<\/h3>\t\t\tEn la sociedad de la informaci\u00f3n tenemos al alcance equipos capaces de generar im\u00e1genes diagn\u00f3sticas (Rayos X, Resonancia Magn\u00e9tica, TAC\u2026) en grandes cantidades y que juegan un rol decisivo en el diagn\u00f3stico r\u00e1pido de enfermedades y recomendaci\u00f3n de tratamientos.
\nSin embargo, el cuello de botella se encuentra en el an\u00e1lisis e interpretaci\u00f3n de estas im\u00e1genes. Por un lado, es una tarea manual que requiere una gran cualificaci\u00f3n, que se adquiere con la experiencia. Pero a pesar de esta cualificaci\u00f3n experta, existen muchos patrones ocultos que son imposibles de aprender, incluso durante toda una vida laboral.
\nAdem\u00e1s, este tipo de datos van m\u00e1s all\u00e1 de los l\u00edmites de lo que pueden procesar los m\u00e9todos convencionales de an\u00e1lisis.
\nLa Inteligencia Artificial (IA), y principalmente el aprendizaje autom\u00e1tico se ha convertido en una gran alternativa para solucionar algunos de estos problemas, gracias a su capacidad para descubrir patrones complejos y reconocer estructuras de forma aut\u00f3noma en datos no estructurados. Su aplicaci\u00f3n tambi\u00e9n es id\u00f3nea como soporte de procesos repetitivos de datos en diferentes condiciones.
\nEntre las muchas posibles aplicaciones de la IA en im\u00e1genes m\u00e9dicas est\u00e1 el aporte de soluciones para la aceleraci\u00f3n del an\u00e1lisis de im\u00e1genes de RMN o la detecci\u00f3n y diagn\u00f3stico preciso de enfermedades.<\/p>\n
PONENTES:<\/p>\n
\n- \u00a0Juan Manuel Gorritz<\/a> – Profesor e investigador de la Universidad de Granada<\/li>\n
- Jose Luis Martin – Jefe del servicio de radiolog\u00eda del Hospital Cl\u00ednico San Cecilio de Granada<\/li>\n
- Alvaro Berb\u00eds<\/a> – Responsable de innovaci\u00f3n en HT M\u00e9dica<\/li>\n<\/ul>\n
Adem\u00e1s intervendr\u00e1, Miguel \u00c1ngel Armengol de la Hoz<\/a>, responsable del Departamento de Big Data de la Consejer\u00eda de Salud de Andaluc\u00eda (Fundaci\u00f3n Progreso y Salud) e Investigador Afiliado Instituto Tecnol\u00f3gico de Massachusetts en Cambridge (MIT). Nos hablar\u00e1 sobre un proyecto de detecci\u00f3n de mortalidad en pacientes de COVID usando im\u00e1genes radiol\u00f3gicas, datos estructurados de pacientes locales y modelos multimodales de deep learning.<\/p>\n<\/div>\n\t\t<\/div>V\u00eddeo Sesi\u00f3n 1<\/a><\/div><\/div>![\"\"](\"https:\/\/orange-rhinoceros-572136.hostingersite.com\/wp-content\/uploads\/2021\/04\/21-04-30.1Meetup_IA_y_Salud._V2-300x158.png\")
<\/div><\/div><\/div><\/div><\/div><\/div>\n\n\n\nSesi\u00f3n 2 – Inteligencia Artificial: Una revoluci\u00f3n para la Medicina Personalizada<\/h2>Mi\u00e9rcoles 26 de Mayo<\/h3><\/div><\/div><\/div><\/div>![\"\"](\"https:\/\/orange-rhinoceros-572136.hostingersite.com\/wp-content\/uploads\/2021\/04\/21-05-26._2_Meetup_IA__Salud._v8-300x158.png\")
<\/div><\/div>Una revoluci\u00f3n para la Medicina Personalizada<\/h3>\t\t\tEl boom de la inteligencia artificial se ha convertido en una realidad para muchos m\u00e9dicos, facilitando la gesti\u00f3n de la informaci\u00f3n m\u00e9dica que se genera y haciendo posible una medicina m\u00e1s precisa y personalizada en el abordaje de diversas patolog\u00edas.<\/p>\n
La combinaci\u00f3n del Big Data, el machine learning (aprendizaje autom\u00e1tico) y el deep learning (aprendizaje profundo), permiten el desarrollo de sistemas revolucionarios para mejorar la medicina de precisi\u00f3n y beneficiar a m\u00e9dicos, pacientes e incluso a la industria farmac\u00e9utica.
\nEl procesamiento de los datos de manera correcta, permite obtener informaci\u00f3n significativa que hace que se pueda extraer conclusiones que podr\u00e1n servir como base en el dise\u00f1o de nuevas herramientas o enfoques dirigidos a la aplicaci\u00f3n de la Medicina Personalizada de Precisi\u00f3n a diferentes niveles.
\nEl reposicionamiento de f\u00e1rmacos basado en la identificaci\u00f3n de nuevos marcadores, el descubrimiento de multimorbilidades ocultas, el dise\u00f1o de nuevos modelos de ensayos cl\u00ednicos, la identificaci\u00f3n de patrones y predicci\u00f3n de riesgos asociados a enfermedades a trav\u00e9s de redes sociales y los Sistemas de Apoyo a la Decisi\u00f3n Cl\u00ednica, son algunos ejemplos de las aplicaciones de los datos en salud que est\u00e1n impulsado el desarrollo de lo que se conoce como Medicina Personalizada de Precisi\u00f3n.<\/p>\n
Para hablarnos de todo esto con m\u00e1s detalle contamos con:
\n\u00b7 Coral del Val<\/a>– Profesora e investigadora de la Universidad de Granada
\n\u00b7 Juan Antonio Marchal<\/a>– M\u00e9dico e Investigador del Instituto de investigaci\u00f3n<\/p>\nBiosanitaria de Granada
\n\u00b7 Victor Gonzalez Rumayor<\/a>– Director de I+D en Atrys Health<\/a><\/p>\n<\/div>\n\t\t<\/div>V\u00eddeo Sesi\u00f3n 2<\/a><\/div><\/div><\/div><\/div><\/div><\/div>\n\n\n\nSesi\u00f3n 3 – Aplicaci\u00f3n de la Inteligencia artificial en la bioimpresi\u00f3n 3D: LA PIEZA PERFECTA<\/h2>Mi\u00e9rcoles 14 de Julio<\/h3><\/div><\/div><\/div><\/div>LA PIEZA PERFECTA<\/h3>\t\t\tEs indiscutible que la combinaci\u00f3n de dos tecnolog\u00edas disruptivas solo puede conducir a un mundo de posibilidades inimaginables. El 3D ha logrado un gran progreso en la disponibilidad de bioproductos funcionales al tiempo que avanz\u00f3 en la producci\u00f3n de nuevos modelos de ensayo para pronosticar los efectos de los f\u00e1rmacos en los seres humanos. Sin embargo, los desaf\u00edos en las diversas etapas del flujo de trabajo de bioimpresi\u00f3n 3D presentan oportunidades interesantes para la IA.<\/span><\/p>\nEn primer lugar, el material biodegradable utilizado para mantener la forma del tejido impreso puede provocar una respuesta inmune y causar toxicidad celular. Por suerte, tenemos sistemas inmunes artificiales que imitan la respuesta inmunitaria humana. Los sistemas inmunol\u00f3gicos artificiales pueden detectar cualquier anomal\u00eda o respuesta inmunol\u00f3gica intrusiva, provocada por el tejido,\u00a0 cuando se implanta en el cuerpo humano. La IA tambi\u00e9n puede predecir los resultados de las diversas aplicaciones de las impresiones 3D antes de su uso; esto reducir\u00e1 las tasas de fracaso en los ensayos cl\u00ednicos.<\/span><\/p>\nA\u00fan as\u00ed, en cuanto a la biocompatibilidad, la IA puede ofrecer sugerencias sobre los mejores par\u00e1metros de impresi\u00f3n posibles necesarios para producir un tejido que sea biocompatible con la composici\u00f3n fisiol\u00f3gica de un paciente, mediante el an\u00e1lisis de datos y la identificaci\u00f3n de patrones en cada etapa del proceso de bioimpresi\u00f3n 3D.<\/span><\/p>\nEn segundo lugar, la mayor\u00eda de los procesos de bioimpresi\u00f3n en 3D no se escalan de manera eficiente debido al da\u00f1o celular durante el proceso de bioimpresi\u00f3n. El da\u00f1o celular afecta las interacciones celulares. Por lo tanto, existe la necesidad de predecir el esfuerzo m\u00e1ximo que una c\u00e9lula puede soportar y sin alterar su potencial fisiol\u00f3gico. Al ajustar con precisi\u00f3n todos los par\u00e1metros de bioimpresi\u00f3n, la IA puede acelerar el tiempo de impresi\u00f3n, aumentar la resoluci\u00f3n y eliminar el riesgo de contaminaci\u00f3n de las c\u00e9lulas.<\/span><\/p>\nEl futuro de la IA en la impresi\u00f3n 3D\u00a0 ofrece oportunidades interesantes para que los expertos en IA, los ingenieros y los investigadores m\u00e9dicos colaboren poniendo en valor su experiencia.<\/span><\/p>\nGenerar big data y crear bases de datos es esencial para que\u00a0 la bioimpresi\u00f3n 3D aproveche por completo la ventaja de la IA.<\/span><\/p>\nTres expertos en la materia hablar\u00e1n sobre todo esto:<\/span><\/p>\n\n- Gema Jim\u00e9nez Gonz\u00e1lez: <\/b>Universidad de Granada<\/span><\/li>\n
- Fernando de la Portilla<\/b><\/a>: Responsable de la Unidad de Coloproctolog\u00eda del Hospital Universitario Virgen del Roc\u00edo\u00a0<\/span><\/li>\n
- Manuel Figueruela<\/b><\/a>– Director Ejecutivo de Regemat 3D<\/span><\/li>\n<\/ul>\n<\/div>\n\t\t<\/div>
\u00bfVale una imagen m\u00e1s que mil palabras?<\/h3>\t\t\tEn la sociedad de la informaci\u00f3n tenemos al alcance equipos capaces de generar im\u00e1genes diagn\u00f3sticas (Rayos X, Resonancia Magn\u00e9tica, TAC\u2026) en grandes cantidades y que juegan un rol decisivo en el diagn\u00f3stico r\u00e1pido de enfermedades y recomendaci\u00f3n de tratamientos.
\nSin embargo, el cuello de botella se encuentra en el an\u00e1lisis e interpretaci\u00f3n de estas im\u00e1genes. Por un lado, es una tarea manual que requiere una gran cualificaci\u00f3n, que se adquiere con la experiencia. Pero a pesar de esta cualificaci\u00f3n experta, existen muchos patrones ocultos que son imposibles de aprender, incluso durante toda una vida laboral.
\nAdem\u00e1s, este tipo de datos van m\u00e1s all\u00e1 de los l\u00edmites de lo que pueden procesar los m\u00e9todos convencionales de an\u00e1lisis.
\nLa Inteligencia Artificial (IA), y principalmente el aprendizaje autom\u00e1tico se ha convertido en una gran alternativa para solucionar algunos de estos problemas, gracias a su capacidad para descubrir patrones complejos y reconocer estructuras de forma aut\u00f3noma en datos no estructurados. Su aplicaci\u00f3n tambi\u00e9n es id\u00f3nea como soporte de procesos repetitivos de datos en diferentes condiciones.
\nEntre las muchas posibles aplicaciones de la IA en im\u00e1genes m\u00e9dicas est\u00e1 el aporte de soluciones para la aceleraci\u00f3n del an\u00e1lisis de im\u00e1genes de RMN o la detecci\u00f3n y diagn\u00f3stico preciso de enfermedades.<\/p>\n
PONENTES:<\/p>\n
\n- \u00a0Juan Manuel Gorritz<\/a> – Profesor e investigador de la Universidad de Granada<\/li>\n
- Jose Luis Martin – Jefe del servicio de radiolog\u00eda del Hospital Cl\u00ednico San Cecilio de Granada<\/li>\n
- Alvaro Berb\u00eds<\/a> – Responsable de innovaci\u00f3n en HT M\u00e9dica<\/li>\n<\/ul>\n
Adem\u00e1s intervendr\u00e1, Miguel \u00c1ngel Armengol de la Hoz<\/a>, responsable del Departamento de Big Data de la Consejer\u00eda de Salud de Andaluc\u00eda (Fundaci\u00f3n Progreso y Salud) e Investigador Afiliado Instituto Tecnol\u00f3gico de Massachusetts en Cambridge (MIT). Nos hablar\u00e1 sobre un proyecto de detecci\u00f3n de mortalidad en pacientes de COVID usando im\u00e1genes radiol\u00f3gicas, datos estructurados de pacientes locales y modelos multimodales de deep learning.<\/p>\n<\/div>\n\t\t<\/div>V\u00eddeo Sesi\u00f3n 1<\/a><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div>\n\n\n\nSesi\u00f3n 2 – Inteligencia Artificial: Una revoluci\u00f3n para la Medicina Personalizada<\/h2>Mi\u00e9rcoles 26 de Mayo<\/h3><\/div><\/div><\/div><\/div><\/div><\/div>Una revoluci\u00f3n para la Medicina Personalizada<\/h3>\t\t\tEl boom de la inteligencia artificial se ha convertido en una realidad para muchos m\u00e9dicos, facilitando la gesti\u00f3n de la informaci\u00f3n m\u00e9dica que se genera y haciendo posible una medicina m\u00e1s precisa y personalizada en el abordaje de diversas patolog\u00edas.<\/p>\n
La combinaci\u00f3n del Big Data, el machine learning (aprendizaje autom\u00e1tico) y el deep learning (aprendizaje profundo), permiten el desarrollo de sistemas revolucionarios para mejorar la medicina de precisi\u00f3n y beneficiar a m\u00e9dicos, pacientes e incluso a la industria farmac\u00e9utica.
\nEl procesamiento de los datos de manera correcta, permite obtener informaci\u00f3n significativa que hace que se pueda extraer conclusiones que podr\u00e1n servir como base en el dise\u00f1o de nuevas herramientas o enfoques dirigidos a la aplicaci\u00f3n de la Medicina Personalizada de Precisi\u00f3n a diferentes niveles.
\nEl reposicionamiento de f\u00e1rmacos basado en la identificaci\u00f3n de nuevos marcadores, el descubrimiento de multimorbilidades ocultas, el dise\u00f1o de nuevos modelos de ensayos cl\u00ednicos, la identificaci\u00f3n de patrones y predicci\u00f3n de riesgos asociados a enfermedades a trav\u00e9s de redes sociales y los Sistemas de Apoyo a la Decisi\u00f3n Cl\u00ednica, son algunos ejemplos de las aplicaciones de los datos en salud que est\u00e1n impulsado el desarrollo de lo que se conoce como Medicina Personalizada de Precisi\u00f3n.<\/p>\n
Para hablarnos de todo esto con m\u00e1s detalle contamos con:
\n\u00b7 Coral del Val<\/a>– Profesora e investigadora de la Universidad de Granada
\n\u00b7 Juan Antonio Marchal<\/a>– M\u00e9dico e Investigador del Instituto de investigaci\u00f3n<\/p>\nBiosanitaria de Granada
\n\u00b7 Victor Gonzalez Rumayor<\/a>– Director de I+D en Atrys Health<\/a><\/p>\n<\/div>\n\t\t<\/div>V\u00eddeo Sesi\u00f3n 2<\/a><\/div><\/div><\/div><\/div><\/div><\/div>\n\n\n\nSesi\u00f3n 3 – Aplicaci\u00f3n de la Inteligencia artificial en la bioimpresi\u00f3n 3D: LA PIEZA PERFECTA<\/h2>Mi\u00e9rcoles 14 de Julio<\/h3><\/div><\/div><\/div><\/div>LA PIEZA PERFECTA<\/h3>\t\t\tEs indiscutible que la combinaci\u00f3n de dos tecnolog\u00edas disruptivas solo puede conducir a un mundo de posibilidades inimaginables. El 3D ha logrado un gran progreso en la disponibilidad de bioproductos funcionales al tiempo que avanz\u00f3 en la producci\u00f3n de nuevos modelos de ensayo para pronosticar los efectos de los f\u00e1rmacos en los seres humanos. Sin embargo, los desaf\u00edos en las diversas etapas del flujo de trabajo de bioimpresi\u00f3n 3D presentan oportunidades interesantes para la IA.<\/span><\/p>\nEn primer lugar, el material biodegradable utilizado para mantener la forma del tejido impreso puede provocar una respuesta inmune y causar toxicidad celular. Por suerte, tenemos sistemas inmunes artificiales que imitan la respuesta inmunitaria humana. Los sistemas inmunol\u00f3gicos artificiales pueden detectar cualquier anomal\u00eda o respuesta inmunol\u00f3gica intrusiva, provocada por el tejido,\u00a0 cuando se implanta en el cuerpo humano. La IA tambi\u00e9n puede predecir los resultados de las diversas aplicaciones de las impresiones 3D antes de su uso; esto reducir\u00e1 las tasas de fracaso en los ensayos cl\u00ednicos.<\/span><\/p>\nA\u00fan as\u00ed, en cuanto a la biocompatibilidad, la IA puede ofrecer sugerencias sobre los mejores par\u00e1metros de impresi\u00f3n posibles necesarios para producir un tejido que sea biocompatible con la composici\u00f3n fisiol\u00f3gica de un paciente, mediante el an\u00e1lisis de datos y la identificaci\u00f3n de patrones en cada etapa del proceso de bioimpresi\u00f3n 3D.<\/span><\/p>\nEn segundo lugar, la mayor\u00eda de los procesos de bioimpresi\u00f3n en 3D no se escalan de manera eficiente debido al da\u00f1o celular durante el proceso de bioimpresi\u00f3n. El da\u00f1o celular afecta las interacciones celulares. Por lo tanto, existe la necesidad de predecir el esfuerzo m\u00e1ximo que una c\u00e9lula puede soportar y sin alterar su potencial fisiol\u00f3gico. Al ajustar con precisi\u00f3n todos los par\u00e1metros de bioimpresi\u00f3n, la IA puede acelerar el tiempo de impresi\u00f3n, aumentar la resoluci\u00f3n y eliminar el riesgo de contaminaci\u00f3n de las c\u00e9lulas.<\/span><\/p>\nEl futuro de la IA en la impresi\u00f3n 3D\u00a0 ofrece oportunidades interesantes para que los expertos en IA, los ingenieros y los investigadores m\u00e9dicos colaboren poniendo en valor su experiencia.<\/span><\/p>\nGenerar big data y crear bases de datos es esencial para que\u00a0 la bioimpresi\u00f3n 3D aproveche por completo la ventaja de la IA.<\/span><\/p>\nTres expertos en la materia hablar\u00e1n sobre todo esto:<\/span><\/p>\n\n- Gema Jim\u00e9nez Gonz\u00e1lez: <\/b>Universidad de Granada<\/span><\/li>\n
- Fernando de la Portilla<\/b><\/a>: Responsable de la Unidad de Coloproctolog\u00eda del Hospital Universitario Virgen del Roc\u00edo\u00a0<\/span><\/li>\n
- Manuel Figueruela<\/b><\/a>– Director Ejecutivo de Regemat 3D<\/span><\/li>\n<\/ul>\n<\/div>\n\t\t<\/div>
En la sociedad de la informaci\u00f3n tenemos al alcance equipos capaces de generar im\u00e1genes diagn\u00f3sticas (Rayos X, Resonancia Magn\u00e9tica, TAC\u2026) en grandes cantidades y que juegan un rol decisivo en el diagn\u00f3stico r\u00e1pido de enfermedades y recomendaci\u00f3n de tratamientos.
\nSin embargo, el cuello de botella se encuentra en el an\u00e1lisis e interpretaci\u00f3n de estas im\u00e1genes. Por un lado, es una tarea manual que requiere una gran cualificaci\u00f3n, que se adquiere con la experiencia. Pero a pesar de esta cualificaci\u00f3n experta, existen muchos patrones ocultos que son imposibles de aprender, incluso durante toda una vida laboral.
\nAdem\u00e1s, este tipo de datos van m\u00e1s all\u00e1 de los l\u00edmites de lo que pueden procesar los m\u00e9todos convencionales de an\u00e1lisis.
\nLa Inteligencia Artificial (IA), y principalmente el aprendizaje autom\u00e1tico se ha convertido en una gran alternativa para solucionar algunos de estos problemas, gracias a su capacidad para descubrir patrones complejos y reconocer estructuras de forma aut\u00f3noma en datos no estructurados. Su aplicaci\u00f3n tambi\u00e9n es id\u00f3nea como soporte de procesos repetitivos de datos en diferentes condiciones.
\nEntre las muchas posibles aplicaciones de la IA en im\u00e1genes m\u00e9dicas est\u00e1 el aporte de soluciones para la aceleraci\u00f3n del an\u00e1lisis de im\u00e1genes de RMN o la detecci\u00f3n y diagn\u00f3stico preciso de enfermedades.<\/p>\n
PONENTES:<\/p>\n
- \n
- \u00a0Juan Manuel Gorritz<\/a> – Profesor e investigador de la Universidad de Granada<\/li>\n
- Jose Luis Martin – Jefe del servicio de radiolog\u00eda del Hospital Cl\u00ednico San Cecilio de Granada<\/li>\n
- Alvaro Berb\u00eds<\/a> – Responsable de innovaci\u00f3n en HT M\u00e9dica<\/li>\n<\/ul>\n
Adem\u00e1s intervendr\u00e1, Miguel \u00c1ngel Armengol de la Hoz<\/a>, responsable del Departamento de Big Data de la Consejer\u00eda de Salud de Andaluc\u00eda (Fundaci\u00f3n Progreso y Salud) e Investigador Afiliado Instituto Tecnol\u00f3gico de Massachusetts en Cambridge (MIT). Nos hablar\u00e1 sobre un proyecto de detecci\u00f3n de mortalidad en pacientes de COVID usando im\u00e1genes radiol\u00f3gicas, datos estructurados de pacientes locales y modelos multimodales de deep learning.<\/p>\n<\/div>\n\t\t<\/div>
V\u00eddeo Sesi\u00f3n 1<\/a><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div>\n\n\n\nSesi\u00f3n 2 – Inteligencia Artificial: Una revoluci\u00f3n para la Medicina Personalizada<\/h2>
Mi\u00e9rcoles 26 de Mayo<\/h3><\/div><\/div><\/div><\/div>
<\/div><\/div>Una revoluci\u00f3n para la Medicina Personalizada<\/h3>\t\t\t
El boom de la inteligencia artificial se ha convertido en una realidad para muchos m\u00e9dicos, facilitando la gesti\u00f3n de la informaci\u00f3n m\u00e9dica que se genera y haciendo posible una medicina m\u00e1s precisa y personalizada en el abordaje de diversas patolog\u00edas.<\/p>\n
La combinaci\u00f3n del Big Data, el machine learning (aprendizaje autom\u00e1tico) y el deep learning (aprendizaje profundo), permiten el desarrollo de sistemas revolucionarios para mejorar la medicina de precisi\u00f3n y beneficiar a m\u00e9dicos, pacientes e incluso a la industria farmac\u00e9utica.
\nEl procesamiento de los datos de manera correcta, permite obtener informaci\u00f3n significativa que hace que se pueda extraer conclusiones que podr\u00e1n servir como base en el dise\u00f1o de nuevas herramientas o enfoques dirigidos a la aplicaci\u00f3n de la Medicina Personalizada de Precisi\u00f3n a diferentes niveles.
\nEl reposicionamiento de f\u00e1rmacos basado en la identificaci\u00f3n de nuevos marcadores, el descubrimiento de multimorbilidades ocultas, el dise\u00f1o de nuevos modelos de ensayos cl\u00ednicos, la identificaci\u00f3n de patrones y predicci\u00f3n de riesgos asociados a enfermedades a trav\u00e9s de redes sociales y los Sistemas de Apoyo a la Decisi\u00f3n Cl\u00ednica, son algunos ejemplos de las aplicaciones de los datos en salud que est\u00e1n impulsado el desarrollo de lo que se conoce como Medicina Personalizada de Precisi\u00f3n.<\/p>\nPara hablarnos de todo esto con m\u00e1s detalle contamos con:
\n\u00b7 Coral del Val<\/a>– Profesora e investigadora de la Universidad de Granada
\n\u00b7 Juan Antonio Marchal<\/a>– M\u00e9dico e Investigador del Instituto de investigaci\u00f3n<\/p>\nBiosanitaria de Granada
\n\u00b7 Victor Gonzalez Rumayor<\/a>– Director de I+D en Atrys Health<\/a><\/p>\n<\/div>\n\t\t<\/div>V\u00eddeo Sesi\u00f3n 2<\/a><\/div><\/div><\/div><\/div><\/div><\/div>\n\n\n\nSesi\u00f3n 3 – Aplicaci\u00f3n de la Inteligencia artificial en la bioimpresi\u00f3n 3D: LA PIEZA PERFECTA<\/h2>
Mi\u00e9rcoles 14 de Julio<\/h3><\/div><\/div><\/div><\/div>
LA PIEZA PERFECTA<\/h3>\t\t\t
Es indiscutible que la combinaci\u00f3n de dos tecnolog\u00edas disruptivas solo puede conducir a un mundo de posibilidades inimaginables. El 3D ha logrado un gran progreso en la disponibilidad de bioproductos funcionales al tiempo que avanz\u00f3 en la producci\u00f3n de nuevos modelos de ensayo para pronosticar los efectos de los f\u00e1rmacos en los seres humanos. Sin embargo, los desaf\u00edos en las diversas etapas del flujo de trabajo de bioimpresi\u00f3n 3D presentan oportunidades interesantes para la IA.<\/span><\/p>\n
En primer lugar, el material biodegradable utilizado para mantener la forma del tejido impreso puede provocar una respuesta inmune y causar toxicidad celular. Por suerte, tenemos sistemas inmunes artificiales que imitan la respuesta inmunitaria humana. Los sistemas inmunol\u00f3gicos artificiales pueden detectar cualquier anomal\u00eda o respuesta inmunol\u00f3gica intrusiva, provocada por el tejido,\u00a0 cuando se implanta en el cuerpo humano. La IA tambi\u00e9n puede predecir los resultados de las diversas aplicaciones de las impresiones 3D antes de su uso; esto reducir\u00e1 las tasas de fracaso en los ensayos cl\u00ednicos.<\/span><\/p>\n
A\u00fan as\u00ed, en cuanto a la biocompatibilidad, la IA puede ofrecer sugerencias sobre los mejores par\u00e1metros de impresi\u00f3n posibles necesarios para producir un tejido que sea biocompatible con la composici\u00f3n fisiol\u00f3gica de un paciente, mediante el an\u00e1lisis de datos y la identificaci\u00f3n de patrones en cada etapa del proceso de bioimpresi\u00f3n 3D.<\/span><\/p>\n
En segundo lugar, la mayor\u00eda de los procesos de bioimpresi\u00f3n en 3D no se escalan de manera eficiente debido al da\u00f1o celular durante el proceso de bioimpresi\u00f3n. El da\u00f1o celular afecta las interacciones celulares. Por lo tanto, existe la necesidad de predecir el esfuerzo m\u00e1ximo que una c\u00e9lula puede soportar y sin alterar su potencial fisiol\u00f3gico. Al ajustar con precisi\u00f3n todos los par\u00e1metros de bioimpresi\u00f3n, la IA puede acelerar el tiempo de impresi\u00f3n, aumentar la resoluci\u00f3n y eliminar el riesgo de contaminaci\u00f3n de las c\u00e9lulas.<\/span><\/p>\n
El futuro de la IA en la impresi\u00f3n 3D\u00a0 ofrece oportunidades interesantes para que los expertos en IA, los ingenieros y los investigadores m\u00e9dicos colaboren poniendo en valor su experiencia.<\/span><\/p>\n
Generar big data y crear bases de datos es esencial para que\u00a0 la bioimpresi\u00f3n 3D aproveche por completo la ventaja de la IA.<\/span><\/p>\n
Tres expertos en la materia hablar\u00e1n sobre todo esto:<\/span><\/p>\n
- \n
- Gema Jim\u00e9nez Gonz\u00e1lez: <\/b>Universidad de Granada<\/span><\/li>\n
- Fernando de la Portilla<\/b><\/a>: Responsable de la Unidad de Coloproctolog\u00eda del Hospital Universitario Virgen del Roc\u00edo\u00a0<\/span><\/li>\n
- Manuel Figueruela<\/b><\/a>– Director Ejecutivo de Regemat 3D<\/span><\/li>\n<\/ul>\n<\/div>\n\t\t<\/div>
- Fernando de la Portilla<\/b><\/a>: Responsable de la Unidad de Coloproctolog\u00eda del Hospital Universitario Virgen del Roc\u00edo\u00a0<\/span><\/li>\n
![\"\"](\"https:\/\/orange-rhinoceros-572136.hostingersite.com\/wp-content\/uploads\/2021\/04\/https___cdn.evbuc_.com_images_140287639_438555472468_1_original-300x150.jpeg\")
<\/div><\/div><\/div><\/div><\/div><\/div>\n\n\n\n