Un equipo ha diseñado genomas completos y funcionales de bacteriófagos —virus que se alimentan de bacterias—, partiendo de cero y mediante el uso de la inteligencia artificial (IA) generativa, y los han probado contra bacterias que habían desarrollado resistencia contra este tipo de virus. El estudio, publicado en la revista Science, supone un paso adelante hacia sistemas generativos capaces de diseñar sistemas biológicos completos. Los autores también aseguran que plantea importantes cuestiones relacionadas con la bioseguridad y la bioprotección.  

La empresa OpenAI ha asegurado a través de un comunicado que la versión de uso interno de su modelo de IA Astra ha encontrado resultados a diez problemas de investigación en matemática y computación, en áreas como geometría, teoría de grupos, álgebras de operadores, complejidad cuántica, criptografía y combinatoria, entre otros. Según la compañía, el número total de tokens —unidades básicas de información— necesarios para resolverlos costaría unos 2.000 dólares. OpenAI expresa “un profundo respeto y comprensión” hacia quienes se preocupan por el impacto de la IA en estas disciplinas, incluidos los firmantes de la Declaración de Leiden sobre IA y Matemáticas; y afirma que la atribución de resultados debe reflejar con honestidad cómo se ha obtenido cada uno, a la vez que anima a la comunidad matemática a revisarlos. La compañía publica estos resultados en abierto en un artículo, acompañados por la narración del modelo sobre su proceso de razonamiento.  

La revista Nature publica dos estudios independientes que muestran la capacidad de grandes modelos de lenguaje basados en inteligencia artificial (IA) para apoyar distintas fases del manejo de pacientes en entornos controlados. El primero analizó MIRA, un agente de IA que opera con historias clínicas electrónicas, el cual alcanzó una precisión diagnóstica del casi 88 %, frente al 78 % de un panel de médicos. El segundo comparó AMIE, un modelo de razonamiento clínico conversacional, con 21 médicos de atención primaria en 100 escenarios de múltiples visitas. AMIE obtuvo rendimientos comparables o incluso superiores a los médicos en precisión de tratamientos, pruebas solicitadas y adherencia a guías clínicas. Los modelos se basan en simulaciones o datos retrospectivos, lo que limita sus conclusiones. Los resultados son similares a otro modelo publicado en Science el pasado mes de abril. 

Seis grandes modelos de lenguaje (LLM) de última generación basados en inteligencia artificial (IA) pueden simular emociones humanas como el miedo, la tristeza y la ansiedad, según un estudio publicado en la revista The Lancet Digital Health. Los autores aclaran que se trata de reacciones metafóricas por parte de los algoritmos, pero sugieren que esto podría servir para abrir nuevas vías para desarrollar y probar técnicas de terapia conversacional destinadas al tratamiento de trastornos de salud mental.

Un nuevo informe de Naciones Unidas (ONU) evalúa los costes ambientales anuales de la inteligencia artificial (IA). Según el documento, para el año 2030, si los centros de datos fueran un país, su consumo eléctrico estaría al nivel del de Francia. En cuanto a las emisiones de dióxido de carbono, estas podrían alcanzar los 400 millones de toneladas de CO₂ equivalente, comparables a las emisiones totales del Reino Unido. Los 9,3 billones de litros de agua que utilizan cubrirían las necesidades de agua potable de los 8.100 millones de personas del planeta durante 1,6 años. El informe señala que la generación de vídeos de alta resolución está en el top del consumo energético de la IA. Además, denuncia la desigualdad digital y la injusticia ambiental cada vez mayor entre las naciones que controlan los sistemas de IA y las que asumen sus costes ambientales, sobre todo, en el sur global. 

El uso de la inteligencia artificial (IA) para el diagnóstico médico se centra en la computación y el procesamiento de datos. Una investigación publicada en Science evalúa la capacidad de diagnóstico de un modelo de lenguaje de gran tamaño avanzado, que consiguió igualar o superar a profesionales de carne y hueso. El equipo llevó a cabo seis experimentos que incluyeron tanto casos clínicos estandarizados como un estudio con casos reales procedentes de historias clínicas en un servicio de urgencias, y se utilizó como referencia el rendimiento de cientos de médicos. La IA fue especialmente útil en situaciones de incertidumbre, como las fases iniciales del triaje en urgencias. No obstante, los autores resaltan que el modelo solo procesaba texto, mientras que la práctica clínica depende también de señales visuales y auditivas.

Un equipo de Estados Unidos ha analizado el rendimiento de 21 grandes modelos de lenguaje basados en inteligencia artificial (IA) —incluyendo ChatGPT, Gemini o Grok— para el diagnóstico clínico. Sus conclusiones son que, a pesar de los avances en estos modelos, su capacidad de razonamiento sigue siendo limitada para el diagnóstico inicial y que no se debe confiar en ellos sin la supervisión de un profesional médico. Según los autores, que publican los resultados en JAMA Network Open y pretendían “ayudar a distinguir la realidad del hype en el uso de estas herramientas”, los resultados “refuerzan la idea de que los modelos de lenguaje en el ámbito sanitario siguen requiriendo la intervención humana y una supervisión muy rigurosa”.

Los chatbots de inteligencia artificial (IA) que asesoran y orientan en temas cotidianos podrían estar reforzando creencias perjudiciales de quien los usa a través de respuestas aduladoras. Es una de las conclusiones de un estudio publicado en la revista Science en el que analizaron 11 grandes modelos de lenguaje basados en IA de compañías como OpenAI, Google o Anthropic. La investigación muestra que esta adulación es tanto frecuente como perjudicial: puede socavar la capacidad de los usuarios de hacer autocrítica e influir en la toma de decisiones responsables. 

Un algoritmo de inteligencia artificial (IA) es capaz de estimar el riesgo de una mujer de desarrollar cáncer de mama en los próximos cuatro años, según afirma un estudio publicado en The Lancet Digital Health. La herramienta identificó a las mujeres con alto riesgo de desarrollar cáncer de mama y casi una de cada diez de las que obtuvieron una puntuación en el 2 % superior según el algoritmo fueron diagnosticadas en un plazo de cuatro años, a pesar de haber recibido el alta médica. La herramienta utilizó mamografías de casi 400.000 mujeres y luego se probó con datos de casi 96.000 mujeres de Australia. Los resultados se confirmaron en una población sueca de más de 4.500 mujeres. 

Entre abril de 2021 y diciembre de 2022, más de 100.000 mujeres de Suecia fueron asignadas aleatoriamente a un cribado mamográfico asistido por inteligencia artificial (IA) o a una doble lectura, dos radiólogos revisan cada mamografía sin ayuda de IA. El cribado asistido por IA identificó a más mujeres con cánceres relevantes sin una mayor tasa de falsos positivos y, además, obtuvo una reducción del 12 % en la tasa de cánceres de intervalo —los que aparecen entre mamografías por haber pasado desapercibidos o por ser de nueva aparición y son más agresivos— comparado con el procedimiento de doble lectura. Se trata del primer ensayo clínico de este tipo y sus resultados se publican en The Lancet.