Determinar con exactitud cuánto tiempo ha pasado desde que una persona falleció, lo que técnicamente se conoce como el intervalo post-mortem (IPM), es uno de los mayores desafíos de la ciencia forense moderna. Hasta ahora, los métodos tradicionales como la medición de la temperatura corporal o los niveles de potasio en el ojo solo ofrecían resultados fiables durante las primeras 24 a 48 horas. Sin embargo, un equipo de investigación de la Universidad de Linköping, en Suecia, ha logrado un avance histórico utilizando Inteligencia Artificial.

Un equipo de investigación liderado desde España ha desarrollado un innovador enfoque basado en inteligencia artificial explicable (XAI) para identificar variantes genéticas que predisponen a los pacientes a sufrir sepsis tras una operación. El estudio, publicado en Frontiers in Medicine, analiza el ADN de más de 4.000 personas y detecta genes clave que podrían predecirse con un simple análisis de sangre antes de entrar al quirófano. Este hallazgo podría revolucionar la forma en que se previene y trata una de las complicaciones postoperatorias más letales en hospitales.

Investigadores europeos han desarrollado Delphi-2M, un modelo de inteligencia artificial basado en transformadores generativos que puede predecir la aparición de más de 1.000 enfermedades diferentes a lo largo de la vida de una persona, a partir de su historial médico. Entrenado con datos de medio millón de personas en Reino Unido y Dinamarca, este modelo logra una precisión comparable —o incluso superior— a la de los sistemas actuales centrados en enfermedades individuales. Además, puede generar trayectorias de salud sintéticas, lo que abre nuevas posibilidades para la planificación sanitaria y la medicina personalizada.

Un equipo internacional liderado por Núria Malats, del CNIO, ha desarrollado un algoritmo de inteligencia artificial capaz de predecir con precisión la metástasis en cáncer de páncreas a partir de imágenes médicas rutinarias. Publicado en la revista Gut, el sistema podría evitar cirugías invasivas innecesarias y mejorar la planificación de tratamientos. El proyecto cuenta con financiación de casi 800.000 euros y se validará en hospitales de España, Países Bajos, China y Uruguay.

La Charité – Universitätsmedizin Berlin ha desarrollado un modelo de inteligencia artificial llamado crossNN capaz de detectar más de 170 tipos de cáncer sin necesidad de realizar una biopsia. Gracias al análisis del “fingerprint” epigenético de los tumores, esta herramienta diagnóstica alcanza una precisión del 97,8 % y permite identificar incluso tumores cerebrales difíciles de operar a partir de muestras de líquido cefalorraquídeo. Esta innovación promete transformar el diagnóstico oncológico en todo el mundo.

Un grupo de investigadores ha desarrollado un modelo de inteligencia artificial capaz de predecir con un 80% de precisión si una persona es fumadora, utilizando datos clínicos y biométricos. A diferencia de otros modelos, este sistema incorpora técnicas de IA explicable que permiten entender cómo llega a sus conclusiones, destacando parámetros clave como la hemoglobina, el GTP y la altura. El objetivo es ayudar al personal sanitario a identificar posibles fumadores sin depender exclusivamente de cuestionarios, y facilitar intervenciones médicas tempranas.

Investigadores alemanes han desarrollado una técnica que combina espectroscopía infrarroja y aprendizaje automático para detectar enfermedades de forma rápida, económica y precisa. El sistema, entrenado con miles de muestras, es capaz de identificar hasta el riesgo futuro de padecer trastornos como el síndrome metabólico o ciertos tipos de cáncer. El método se basa en la espectroscopía infrarroja, que permite obtener un “fingerprint” o huella molecular única de cada muestra de sangre. Este espectro contiene información sobre las vibraciones de las moléculas y permite detectar alteraciones provocadas por enfermedades.