COMUNIDAD MEDIATELECOM

CULTURA DIGITAL

Las máquinas ya son capaces de analizar las células cerebrales

Mediatelecom Tecnología

Publicado

en

El Economista

En los primeros días de la investigación de neurociencia, los científicos tiñeron concienzudamente las células del cerebro y dibujaron a mano lo que vieron en un microscopio. Ahora, en 2018, las máquinas pueden aprender cómo hacer ese trabajo.

Según un nuevo estudio publicado en Cell, es posible enseñar a las máquinas a distinguir las características de las neuronas y otras células que no se han manchado o sufrido otros tratamientos dañinos. El estudio fue parcialmente financiado por el Instituto Nacional de Trastornos Neurológicos y Accidentes Cerebrovasculares (NINDS), parte de los Institutos Nacionales de Salud estadounidenses.

“Este enfoque tiene el potencial de revolucionar la investigación biomédica -apunta Margaret Sutherland, directora del programa en el NINDS-. Los investigadores ahora están generando cantidades extraordinarias de datos. Para los neurocientíficos, esto significa que las máquinas de entrenamiento para ayudar a analizar esta información pueden ayudar a acelerar nuestra comprensión de cómo se juntan las células del cerebro y en aplicaciones relacionadas con el desarrollo de fármacos”.

Un plato, o cultivo, de células neuronales parece uniforme a simple vista y no se pueden ver en él las diferentes células individuales. Desde finales del siglo XIX, cuando los neurocientíficos pioneros, Santiago Ramón y Cajal y Camillo Golgi, dibujaron los primeros mapas del sistema nervioso, los científicos han estado desarrollando tintes y métodos de tinción para ayudar a distinguir las estructuras en el cerebro, incluyendo diferentes tipos de células y su estado de salud.

Sin embargo, muchos de estos métodos involucran químicos fuertes que fijan, o congelan, las células en un estado antinatural o dañan las células vivas después de que se han aplicado varios tintes. Las técnicas tradicionales también limitan los detalles que los científicos pueden observar.

Un equipo dirigido por Steven Finkbeiner, director e investigador principal de los Institutos Gladstone en San Francisco, Estados Unidos, y profesor de Neurología y Fisiología en la Universidad de California, San Francisco, exploró si se podría capacitar los ordenadores para identificar estructuras en células no teñidas. “Todos los días nuestro laboratorio creaba cientos de imágenes, mucho más de lo que podíamos ver y analizar. Un día, un par de investigadores de Google llamaron a nuestra puerta para ver si podían ayudarnos”, relata el autor principal del estudio, el doctor Finkbeiner.

Los investigadores utilizaron un método llamado Deep Learning, que se basa en los principios del aprendizaje automático, un tipo de inteligencia artificial en el que las máquinas pueden aprender de los datos y tomar decisiones. El software de reconocimiento facial es un ejemplo de aprendizaje automático. Usando Deep Learning, el equipo de Finkbeiner entrenó un programa de ordenador para analizar las células cerebrales al mostrar imágenes manchadas y no teñidas. Luego, para probar si el programa había aprendido algo, los autores lo desafiaron con nuevas imágenes sin etiqueta.

Diferenciar células muertas de vivas

Después de la primera ronda de entrenamiento, el programa identificó dónde se ubicaban las células en el plato de cultivo al aprender a detectar el núcleo de una célula, una estructura redonda que contiene información genética y sirve como centro de comando de la célula.

Durante experimentos adicionales, el equipo aumentó la complejidad de las características que el programa estaba buscando y lo entrenó con éxito para distinguir las células muertas de las células vivas, así como para identificar tipos específicos de células cerebrales. Además, el programa aprendió a diferenciar entre axones y dendritas, que son dos tipos específicos de extensiones en neuronas. El programa tuvo éxito en la predicción de estructuras en el tejido no marcado.

“Deep Learning toma un algoritmo, o un conjunto de reglas, y lo estructura en capas, identificando características simples de partes de la imagen, y luego pasa la información a otras capas que reconocen características cada vez más complejas, como patrones y estructuras. Es una reminiscencia de cómo nuestro cerebro procesa la información visual -dice Finkbeiner-. Los métodos de Deep Learning pueden descubrir mucha más información de la que se puede ver con el ojo humano”.

Finkbeiner y su equipo notaron que el principal inconveniente del uso de esta tecnología es que los conjuntos de datos de capacitación deben ser muy grandes, idealmente alrededor de 15.000 imágenes. Además, puede haber un riesgo de sobre-entrenamiento de los programas, que se vuelven tan especializados que solo pueden identificar estructuras en un conjunto particular de imágenes o en imágenes generadas de una manera particular, y no hacer predicciones sobre imágenes más generales, lo que podría limitar el uso de esta tecnología.

Finkbeiner y sus colegas planean aplicar estos métodos en la investigación centrada en la enfermedad. “Ahora que demostramos que esta tecnología funciona, podemos comenzar a utilizarla en la investigación de enfermedades. El aprendizaje profundo puede detectar algo en las células que podría ayudar a predecir los resultados clínicos y puede ayudarnos a detectar posibles tratamientos”, afirma Finkbeiner. Se necesita más investigación para refinar la tecnología y hacer que esté más ampliamente disponible.

CLIC PARA SEGUIR LEYENDO
Advertisement
CLICK PARA COMENTAR

DEJA UN COMENTARIO

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Apps

Uber usa AI para saber si usas la app por placer o por negocios

Mediatelecom Tecnología

Publicado

en

ENTER.CO-Diana Arias

Uber tiene una opción para tener cuentas comerciales o empresariales y más de 65.000 organizaciones en el mundo usan este servicio. Motivo por el cual, según un comunicado de la empresa, la aplicación está trabajando en nuevos productos, actualizaciones, alianzas e integraciones para facilitar a los administradores y empleados el uso de la herramienta. 

Uber

Entre las nuevas herramientas, Uber presentó ‘recomendaciones de perfil’ para cuando una cuenta tiene la opción empresarial activada. Esta herramienta le permite a la app, por medio de inteligencia artificial, detectar patrones para identificar si un viaje se está haciendo por placer o negocios y, por lo tanto, cambiar el método de pago. Esto evitaría problemas cuando un empleado olvida cambiarlo.

8 de 10 recomendaciones deberían ser acertadas

De acuerdo al comunicado de Uber, de cada 10 viajes, la empresa espera que el 80% de las recomendaciones de las opciones de pago sea aceptada por los usuarios. Se espera que al usar inteligencia artificial se reduzcan los errores que suceden cuando los usuarios olvidan hacer el cambio entre su cuenta personal y la empresarial y los problemas administrativos que esto conlleva.

El portal Tech Crunch señala que para poder tener resultados tan cercanos a la perfección, la aplicación tuvo que haber analizado cientos y cientos de viajes que se realizan a diario por los usuarios para poder entender el propósito de cada uno. Sin embargo, hay que tener en cuenta que como la app no está solicitando información extra al momento de hacer un viaje, es normal que un 20% o más puedan tener errores hasta que el sistema reconozca completamente los patrones de viaje del usuario.

Así mismo, los administradores de las cuenta empresariales tendrán una herramienta para hacer revisión y administrar los viajes de los empleados que tienen autorizados para usar la cuenta empresarial. “Con ‘Revisión de viajes’ se pueden realizar diagnóstico de cómo se están usando los permisos con un contexto más claro, resalta el comunicado.

Por otro lado, si los empleados tiene un problema con un viaje, ya no tendrá que acudir al administrador. Ahora tendrán la opción de usar ‘resolución de viajes en la app’ para solucionar directamente cualquier eventualidad que puedan suceder sin necesidad de tener que pasar primero por un mail con el administrador para que este le dé solución.

Se espera que la actualización llegue paulatinamente a los usuarios que cuenta con este tipo de cuentas.

CLIC PARA SEGUIR LEYENDO

CULTURA DIGITAL

Apple lanzará iOS 12 sin la función de videollamadas grupales en FaceTime

La compañía decide posponer la esperada característica que ahora llegará en una futura actualización.

Mediatelecom Tecnología

Publicado

en

FayerWayer-Javier Flores

En la pasada WWDC se anunció que el nuevo sistema operativo iOS 12 finalmente incluiría videollamadas grupales para FaceTime, y hoy tenemos que se ha revelado que Apple ha decidido retrasar la esperada función (vía TheVerge).

El desarrollador Guilherme Rambo reveló que la característica de videollamada grupal para FaceTime fue retirada de la más reciente Beta para iOS 12 que se lanzó hoy, y mencionó que no se incluirá en el lanzamiento inicial de la nueva versión del sistema operativo.

Los que están esperando poder tener video chat a través de FaceTime ahora tendrán que jugar la carta de la paciencia ya que Rambo señaló que la función se distribuirá en una futura actualización de software durante la temporada de otoño del hemisferio norte.

Videollamadas Grupales

Las videollamadas grupales en FaceTime permitirán que hasta 32 participantes conversen al mismo tiempo donde cada persona se mostrará en una baldosa que cambiará de tamaño cuando hable, e incluso será posible seleccionar manualmente a las personas que se quieran destacar en la interfaz.

iOS 12 se espera aproximadamente para septiembre con diversas mejoras en rendimiento, seguridad y funciones, y mientras tanto hoy se lanzó la Beta 7.

CLIC PARA SEGUIR LEYENDO

CULTURA DIGITAL

¿Quieres viajar en el tiempo? Así puedes hacerlo con Google Street View

Te enseñamos como utilizar Google Maps para abrir una ventana hacia el pasado de muchos lugares alrededor del mundo, gracias a Street View

Mediatelecom Tecnología

Publicado

en

FayerWayer-Miguel Reyes

Durante los últimos 10 años, Google ha estado realizando una tarea que nadie más había intentado: cartografiar cada calle, avenida y camino existente alrededor del planeta Tierra. Utilizando una flotilla de vehículos y cientos de conductores, han recorrido cada camino posible existente alrededor del mundo, y en el camino han fotografiado estos para crear una representación gráfica que podemos disfrutar gracias a Google Street View.

Street View es una de las herramientas que podemos encontrar dentro de la plataforma de Google Maps. Esta herramienta nos permite observar estas fotografías que el equipo de Google ha tomado, y de esta manera poder “caminar” estos caminos sin necesidad de ir físicamente. Esto nos puede ayudar para encontrar una ubicación o para conocer un lugar antes de visitarlo, pero siempre hay que recordar que son fotografías.

La herramienta depende de los constantes viajes del equipo de Google alrededor del mundo, por lo que ellos se ven en la necesidad de recorrerlos una y otra vez. Y gracias a esto, es posible observar cómo ha cambiado un punto específico de una ciudad. Así es, es posible visitar el pasado de una ubicación en Google Maps.

Aunque no todos los puntos en el mapa cuentan con distintas fotografías, la gran mayoría sí. Y para poder observarlos no necesitas hacer ninguna tarea laboriosa. Solo es necesario visitar google maps y elegir una ubicación. Arrastra a “Pegman”, el muñeco amarillo de la herramienta de Street View, a la ubicación que deseas visitar, y se activará la herramienta.

Street View

Al entrar a Street View, la información del punto que estas observando aparecerá en un recuadro del lado superior izquierdo.

Recuadro

Dentro de este recuadro, si un archivo de imágenes está disponible, podrás encontrar el icono de unas manecillas del reloj dentro de un par de flechas. Al hacer clic en él, podrás ver una línea de tiempo, y al deslizar el marcador sobre ella, podrás observar las fotografías del pasado de ese punto específico.PreviousInfo

08
Presente
2017
2015
14
14
11
09
08
Presente

Aunque se trata de una opción limitada por la capacidad humana del equipo de Google, es una curiosidad bastante interesante. Trata de hallar algunos monumentos o lugares importantes para ti, y descubre como se veían años atrás. Nunca sabes que podrías encontrar.

CLIC PARA SEGUIR LEYENDO
Advertisement

DÍA A DÍA

abril 2018
L M X J V S D
« Mar   May »
 1
2345678
9101112131415
16171819202122
23242526272829
30  

Trending

Bitnami