Métodos de IA adaptados a la gripe, el RSV, el VIH y el SARS-CoV-2: una revisión enfocada

Área de la Ciencia:

• Biología computacional
• Informática de las enfermedades infecciosas
• Aplicaciones de aprendizaje automático

Sus antecedentes:

• Las técnicas de inteligencia artificial (IA), incluido el aprendizaje automático (ML), son cada vez más vitales para controlar infecciones virales como la gripe, el RSV, el VIH y el SARS-CoV-2.
• Los modelos de IA ofrecen capacidades avanzadas en el diagnóstico, la vigilancia en tiempo real y la aceleración del desarrollo de medicamentos y vacunas para enfermedades virales.

Objetivo del estudio:

• Revisar el impacto transformador de diversas técnicas de IA en el manejo de infecciones respiratorias virales y retrovirales clave.
• Identificar los desafíos persistentes y proponer recomendaciones para la implementación responsable y equitativa de la IA en las respuestas a brotes virales.

Principales métodos:

• Utilizó una revisión de las aplicaciones actuales de IA, incluidos los árboles de decisión impulsados por gradientes, las máquinas vectoriales de soporte (SVM), las redes neuronales profundas (DNN) y las arquitecturas de transformadores.
• Examinó modelos específicos de IA como eXtreme Gradient Boosting (XGBoost), Bosques aleatorios y redes neuronales convolucionales (CNN) para tareas de diagnóstico y vigilancia.
• Analizó el papel de la IA en la investigación del VIH para la clasificación de proteínas virales y el mapeo de la resistencia a los medicamentos.

Principales resultados:

• La IA ha mejorado la precisión del diagnóstico de infecciones respiratorias utilizando clasificadores de clasificación e imágenes basados en síntomas.
• Los modelos transformadores y la vigilancia de las redes sociales proporcionan un monitoreo en tiempo real de enfermedades como el COVID-19.
• La IA acelera el descubrimiento de antivirales y vacunas al avanzar en la clasificación de proteínas virales y el mapeo de la resistencia a los medicamentos en la investigación del VIH.

Conclusiones:

• La IA mejora significativamente el manejo de enfermedades virales, el diagnóstico y la investigación, lo que demuestra una amplia aplicabilidad en diferentes virus.
• Los desafíos clave incluyen la heterogeneidad de los datos, la interpretabilidad del modelo, las alucinaciones de LLM y las limitaciones de la infraestructura en entornos de bajos recursos.
• Las tuberías de datos estandarizadas y la IA explicable (XAI) son cruciales para el despliegue seguro y equitativo de las intervenciones de IA en futuros brotes virales.