Los sensores portátiles con aplicaciones biomédicas son dispositivos que detectan y miden biomarcadores del cuerpo humano de manera rápida y conveniente. Funcionan al convertir una respuesta biológica en una señal eléctrica que puede ser analizada. Estos dispositivos son muy útiles para el monitoreo de la salud, ya que pueden medir niveles de glucosa, presión arterial o incluso la presencia de ciertos patógenos. Es impresionante cómo los sensores portátiles están revolucionando el campo de la salud, ofreciendo diagnósticos en tiempo real y ejecutando mediciones no invasivas. Esto no solo facilita el monitoreo de la salud en casa, sino que también ayuda en la detección temprana de enfermedades, lo cual es crucial para un tratamiento efectivo y oportuno. Además, el hecho de que estos dispositivos puedan reemplazar parte del equipo médico tradicional que solo se encuentra en hospitales es un gran avance. Aunque hay desafíos por superar, el futuro de los sensores portátiles en la industria de la salud digital parece muy alentador.
Uno de los grandes avances en los biosensores ha sido la intervención de la inteligencia artificial, especificamente de las redes neuronales artificiales; las cuales funcionan imitando la forma en que el cerebro humano procesa la información. Las redes neuronales son importantes porque pueden ayudar a las computadoras a tomar decisiones inteligentes con poca intervención humana. Esto es relevante en situaciones donde los datos son complejos y no lineales. Por ejemplo, pueden entender que dos preguntas diferentes pueden tener el mismo significado, lo que es muy útil en chatbots o asistentes virtuales.
Se utilizan en una variedad de campos, pero en el diagnóstico médico tiene un impacto importante ayudando a los sensores a emitir interpretaciones clínicas certeras aun cuando los pacientes se encuentren en distintas condiciones (edad, género, alimentación, presencia de otras enfermedades), pero ¿Cómo funciona una red neuronal artificial? una red neuronal básica tiene 1) Tres capas: la capa de entrada, donde se reciben los datos; las capas ocultas, que procesan la información; y la capa de salida, que proporciona el resultado final. 2) Pesos y sesgos: cada conexión entre neuronas tiene un peso y un margen de “error”.
3) Funciones de activación: después de calcular la suma ponderada de dichos pesos, con la aplicación de una función (existen diversas) se determina si la neurona se “activa” o no.
4) Entrenamiento: durante este proceso se ajustan los pesos y sesgos para minimizar el error en las predicciones y ampliándolas a través de algoritmos 5) Retropropagación: es un método que permite ajustar los pesos de la red al calcular el error en la salida y de regreso, cumpliendo con la acción de prueba y error, al probar una señal recibida y optimizarla hasta obtener la que mejor se ajuste a un sistema real.
La ejecución de las redes neuronales es un proceso que se lleva a cabo “tras bambalinas”, mientras el usuario espera una respuesta, el sistema trabaja en los sensores en microsegundos para dar un respuesta que puede ser leída en pantallas o incluso ¡desde el celular!
En resumen, una red neuronal artificial es un sistema que permite a las computadoras aprender de los datos a pesar de interferencias y mejorar con el tiempo, ¡similar a cómo nosotros aprendemos de nuestras experiencias! ¡¿Verdad que es fascinante cómo la inteligencia artificial ha optimizado el área de la salud?!
Grisell Gallegos Ortega*
*Dra. En Ciencias de los Materiales
Investigadora Posdoctoral de la SECIHTI en la UAEH