Con IA, Intel y FDL avanzan en desarrollos para proteger la salud de los astronautas

Frontier Development Lab e Intel aportan información sobre los efectos provocados por la radiación utilizando por primera vez datos de roedores y humanos. 

Los investigadores del Frontier Development Lab (FDL), en conjunto con los Intel AI Mentors, realizaron un estudio histórico sobre la salud de los astronautas para comprender mejor los efectos fisiológicos de la exposición a la radiación.

Utilizando la tecnología de inteligencia artificial (IA) de Intel, el FDL creó un algoritmo, el primero en su tipo, para identificar los biomarcadores de la progresión del cáncer utilizando una combinación de datos de exposición a la radiación en ratones y humanos.

“Con la ayuda de Intel, definimos la forma en que los modelos de aprendizaje automático causal pueden operar con datos en diferentes lugares sin tener que trasladar los datos entre ubicaciones físicas. Durante el FDL 2021 logramos nuestro objetivo de utilizar algoritmos a escala para comprender, mejorar y apoyar la salud de los astronautas. Esta investigación es muy valiosa; algún día podría ayudar a los astronautas de la Estación Espacial Internacional, a futuras estaciones espaciales y a la próxima misión lunar de 2024, así como a los afectados por el cáncer en la Tierra”, dijo Paul Duckworth, investigador de FDL.

Por qué es importante

La radiación cósmica puede penetrar varias capas de acero y aluminio y afectar el tejido humano durante los viajes espaciales.

Puede provocar problemas de salud en los astronautas y futuras complicaciones de cáncer.

Al disponer de pocos datos sobre los efectos de la radiación cósmica en los astronautas de las misiones espaciales existentes, los investigadores aprovecharon una serie de datos protegidos por diversas instituciones. 

Para acceder a estos datos aislados, Intel y el FDL diseñaron un aprendizaje automático causal a través de una federación de institutos participantes que pueden compartir un algoritmo de IA, con el fin de entrenarlo con datos almacenados en distintos lugares, sin necesidad de compartir información.

“El equipo del FDL Astronaut Health obtuvo resultados realmente increíbles durante el reto de este año, tanto en su novedosa combinación de datos de humanos y ratones como en la identificación de varios genes causales responsables del cáncer», declaró Patrick Foley, principal mentor técnico de Intel.

Cómo funciona

Los investigadores desarrollaron CRISP 2.0 ampliando CRISP 1.0 del equipo médico de astronautas del FDL 2020. Con CRISP 2.0, el equipo médico de 2021 demostró que los datos de radiación en roedores pueden utilizarse como homólogos de los datos de radiación de los humanos, que se utilizan para entrenar el algoritmo.

El método de aprendizaje automático causal aborda el reto científico de los investigadores de predecir con mayor precisión los genes que se verán afectados por la radiación, algunos relacionados con el cáncer y otros con la respuesta inmunitaria.

Esta investigación aprovechó el marco Open Federated Learning (OpenFL) de Intel, creado por los investigadores de Intel y del FDL en Google Cloud con el objetivo de hacer posible el entrenamiento y la combinación de modelos CRISP 2.0 de instituciones como la NASA, la Clínica Mayo y el Gene Lab de la NASA sin la necesidad de trasladar los datos a un lugar central.

Esto era indispensable porque, aunque cada organización tenía los derechos necesarios para el uso de los datos, estos eran de carácter privado y el costo de transmisión que podía generarse a bordo de una nave espacial era elevado.

“La colaboración con Frontier Development Lab es una oportunidad para resolver enormes problemas a escala, con tecnología de vanguardia y una cooperación sin precedentes entre los sectores público y privado en materia de IA para la exploración médica», señaló Shashi Jain, director de innovación estratégica y socio del FDL en Intel.

Fuente: BCW Global.


 

Compartir:
Mira nuestro histórico de publicaciones:

Tecnología

Innovación Ciencia Investigación

RT

Información especializada de Tecnología, Innovación, Ciencia e Investigación global.