II Jornada Internacional de Actualización en Ciencias de la Salud 2025 - Día 1

Santísima, sino que también usted pueda tener la práctica previa a través de la experiencia de simulación que nosotros estamos desarrollando desde las mallas, desde los programas de estudio con nuestros docentes para ustedes.

Estoy aquí. Cuando hablo acerca de evidencia científica, he tratado de documentar esta conferencia con bibliografía muy actualizada, porque en muchas ocasiones se cree que la simulación recién nació. La simulación tiene muchísimo tiempo en boga. No obstante, ¿verdad? Nosotros hemos tenido que continuar el oleaje que se dio en el COVID-19.

Uno de los aportes más valiosos es el aprendizaje personalizado y adaptativo. Y esa es la característica que nuestra institución tiene en todas nuestras carreras, pero hemos hecho un gran énfasis en el campo de la salud. Me encantaría que luego, en un momento que tengan ustedes tiempo, nuestros visitantes puedan darse un recorrido, ¿verdad?, para que puedan apreciar. Porque también tenemos un video. Porque no solamente queremos que sea una conferencia, sino queremos que sea una vivencia, una práctica que puede ser en todo momento mejorada, pero que sí queremos que ustedes sepan que las hemos pensado para ustedes.

Es por esto que desde Argos hemos incorporado las clínicas en la salud como un espacio práctico experimental que articula el aprendizaje teórico y vivencial con la simulación virtual. Si ustedes supieran, chicos, cuántos meses planificamos con el rector y el equipo de salud, con María José, con Rody, cuando se incorporó, con Camila en su momento, cómo nosotros fuimos planificando durante mucho tiempo cada uno de los espacios que ustedes tienen aquí. Y créanme que somos, eh, estamos muy orgullosos de saber que ustedes ya los están utilizando.

¿Por qué? Porque este modelo permite que ustedes se aproximen al manejo de la realidad profesional a través de una práctica guiada donde ejercitan procedimientos, reflexionan sus decisiones y desarrollan progresivamente las competencias necesarias a lo largo de su trayectoria académica.

Asimismo, una de las cosas que nosotros queremos fomentar es que ustedes puedan aprender a pensar, actuar, a resolver y a decidir desde el espacio de la salud. Y vuelvo a repetir, y ustedes lo saben, sus profesiones siempre van a estar dentro de un proceso de toma de decisión, lamentablemente en algunas veces, no puedo generalizar, en situaciones emergentes.

Por lo tanto, como sostiene el en el 2020, la simulación favorece un aprendizaje activo, reflexivo y significativo que se fortalece mediante la práctica deliberada y la repetición estructurada. ¿Qué significa esto? Nadie puede llegar a tener una técnica muy bien desarrollada si no lo practica. Ustedes se van a convertir en estos grandes técnicos en enfermería, en estos grandes tecnólogos de emergencias médicas, en estos grandes tecnólogos de desarrollo infantil integral. Con la práctica. Nosotros aquí les damos la base para la práctica. Cuando ustedes se van a los espacios de los hospitales, también tienen nuestro apoyo, pero en el aula también el docente trabaja con ustedes alrededor de esto.

Y aquí no se trata únicamente de usar la tecnología. Y yo voy a ser muy crítica con lo que voy a decir. La tecnología, señores, se ha creado para apoyar al humano, más no para darle haciendo las cosas. Hay una gran diferencia. Ustedes me preguntan, "Doctora, ¿usted utiliza inteligencia artificial?" Por supuesto que sí. Yo utilizo inteligencia artificial, pero ella es una herramienta, o sea, es mi asistente. Yo le digo qué tiene que hacer. Ella trae información, yo voy corrigiendo. A veces le he tenido que tumbar el 80% de la información porque yo tengo muy claro. Si ustedes se dan cuenta, aquí yo tengo aquí mi ponencia escrita. Aquí yo estoy utilizando, yo utilicé para hacer la presentación, una aplicación de inteligencia artificial, pero ella no sabe ir más allá de lo que yo he escrito y de lo que yo he investigado, porque si no, la inteligencia artificial me escribe cualquier cosa y se inventa. Les cuento, se inventan los autores, son terribles.

Entonces, yo no les digo que no hay que utilizar inteligencia artificial, no. Yo les digo, aprendamos a utilizar la inteligencia artificial y, ojo, las máquinas cuánticas que vienen más adelante para que sean para uso y apoyo de sus trabajos. Pero la inteligencia artificial no les puede decir a ustedes, cuidado, ¿qué te vas a poner hoy? ¿Qué vas a comer hoy? ¿A dónde vas a salir a farrear? ¿Tienes un problema con tu pareja y no sabes cómo solucionarlo? No. La inteligencia artificial es eso, inteligencia artificial.

Entonces, lo que nosotros necesitamos en el campo de la salud es que ustedes puedan practicar para que, en medio de la práctica y con la teoría, cuando se encuentren con una paciente como Monserral Bustamante, puedan abordarlo en ese momento. Si yo estoy, digamos que yo soy nerviosa para ponerme un suero, un ejemplo, el terror de todo médico o enfermero, una persona que es nerviosa y que las venas se les escapan. En ese momento usted no va a sacar el celular, no sé por dónde lo dejé. Usted no va a sacar el celular y le va a decir, "Oye, chat, ¿sabes que tengo una señora que se puso nerviosa y no le veo la vena?" No, usted tiene que solucionar. ¿Y cómo lo soluciona? A través del conocimiento teórico, la puesta en práctica, no solamente en el laboratorio de simulación, en el hospital también, y templando las velas, porque la inteligencia artificial no le va a templar las velas. ¿Saben lo que son las velas? Los nervios.

Entonces, esto es importante, que todo lo que nosotros podamos hacer en educación los ayude a construir esas competencias que ustedes necesitan para salir adelante. Y han de decir, "Pero, ¿por qué nos dice eso?" Porque el aprendizaje tiene que ser activo, tiene que tener una práctica deliberada. ¿Qué significa una práctica deliberada? Que usted pone de su parte y se pone a estudiar y que lo aplica. Y al mismo tiempo, tienen que ser conscientes de que siempre van a estar inmiscuidos en ambientes complejos, porque la salud tiene esa característica.

Por lo tanto, nosotros también vamos a hablar de el aprendizaje experiencial. Y estoy diciendo que es la experiencia, chicos, la clave o el kit del asunto, como ustedes dirían. No es que yo vengo acá y mira, me gusta, pero sabes que me da así como cositas y no me quieren hacer practicar o o ese biodigital que tienen. ¿Cuántos institutos no quisieran tener un biodigital? Y ese biodigital que me pone a hacer casos. Ya les voy a contar de lo que están hablando. Mis chicos saben lo que les estoy diciendo. Pero en biodigital, que es una herramienta que nosotros utilizamos, creamos los casos para que ustedes anatómicamente puedan resolver situaciones y así nosotros cumplimos con la clave del aprendizaje experiencial.

Por lo tanto, Akpan en el 2001 dice: "La práctica debe de ser no solamente en escenarios reales, sino también en escenarios simulados, porque fortalecen las habilidades del campo, o sea, del campo de la salud, les permite tener resolución de problemas, les ayuda a tomar decisiones y les enseña a trabajar de forma colaborativa." Y esto es fundamental. La simulación no solamente va a desarrollar técnicas operativas, sino que también transforma y los ayuda a construir habilidades blandas como la comunicación, el liderazgo y el trabajo interprofesional.

Pero vamos a ir al punto interesante de cuándo todo esto comienza a cambiar. En el 2020, a todos se nos cambió el mundo, ¿no? En el 2020 fue una situación de incertidumbre, incertidumbre global. Y esta incertidumbre hace que todo el mundo, habló del globo, y diga, "Okay, este proceso del COVID, de la COVID, aceleró todo." Y por lo tanto, también en las profesiones de ustedes se aceleró la forma de aprender. ¿Saben qué se dieron cuenta con el COVID de la necesidad de técnicos y tecnólogos que necesitaba el área de la salud? Y me da mucha alegría verlos a ustedes aquí, porque sé que si en algunos años, Dios no lo permita, nos enfrentemos a otra pandemia, creo que el mundo va a estar mejor preparado porque vamos a poder asumir desde una orilla distinta la forma de enfrentar este tipo de pandemias.

Por lo tanto, la COVID aceleró este proceso y a nivel mundial todas las instituciones de salud y de educación adoptaron masivamente la simulación virtual como mecanismo de continuidad académica, evaluación dinámica y retroalimentación continua. Lo dice Jant y Yald en el 2023. Este fenómeno permitió que se pueda reducir la brecha digital, amplió la cobertura educativa y la inclusión digital, lo que inició como una respuesta emergente se convirtió rápidamente en un estándar para la innovación educativa.

Y cuando hablamos de innovación educativa, hablamos de cómo dimos continuidad. En medio de la pandemia, nos tuvimos que movilizar en línea. Recuerdo 13 de marzo de 2020, creo que muchos de ustedes también pueden recordar esa fecha. Se cierran todas las instituciones de educación superior del país. En esa época, como lo dijo mi antecesora, yo estaba manejando un cargo público, la universidad pública más grande del país, y tuvimos que pensar cómo íbamos a hacer para que 84,000 estudiantes, 2732 profesores no se queden sin poder desarrollar su actividad.

Bueno, ¿qué sucede? Que cuando existen este tipo de continuidad académica, se acelera todo. Y ustedes dicen, "No, pues se supone que después del COVID todos íbamos a ser mejores, ¿verdad? ¿Sí o no? Todo el mundo decía, 'No, después de todo esto que ha vivido el mundo, vamos a ser mejores.'" Sí, debemos, pero los desafíos persisten y nada es perfecto. Persisten los desafíos relativos al costo de las tecnologías, a la escalabilidad, la confiabilidad de las plataformas y la disponibilidad de dispositivos tanto para docentes como estudiantes. Desde esta perspectiva académica, el gran reto va a ser equilibrar la práctica simulada, la práctica de campo y la interacción con los pacientes.

Ahora, ¿qué es lo importante aquí? Lo importante aquí es poder identificar cómo lo debemos hacer. Y esto es un llamado no solamente a los institutos amigos que están aquí con nosotros, sino también a todos aquellos que están en línea. Que nosotros tenemos que tener claro de que todas las herramientas tecnológicas que podamos desarrollar son una inversión para la educación. Eso va por el lado de la institución. Y ahora le voy a hablar a nuestros estudiantes: las herramientas que ustedes tengan disponibles por parte de su institución, véanlo como eso, como una inversión en su educación que nosotros estamos haciendo. Pero también dándose cuenta de algo, de que tienen costos de implementación y la tecnología, ¿verdad?, tiene que irse desarrollando de forma progresiva.

Ahora, con esto yo puedo decir muchas cosas, pero nosotros quisimos hacer una investigación bibliométrica. Aquí está la autora principal, que es la magíster Evely García, ¿verdad?, que fue la que me acompañó en este estudio, que es muy importante porque yo quería tener solamente el desarrollo de un campus pensado hace más de 4 años para ustedes, pero quería tener la evidencia científica que les permita a ustedes tener claro el por qué hacemos las cosas.

Por lo tanto, hicimos una investigación bibliométrica sobre la producción científica en simulación virtual en salud, indexada en la Web of Science, que es la plataforma de conocimiento más potente que tiene el mundo. E hicimos todas las revisiones en artículos de alto impacto. Obviamente, estos artículos están en inglés, ¿okay? Y pudimos identificar tendencias, redes de colaboración, núcleos conceptuales y líneas temáticas emergentes.

Los resultados son contundentes, chicos. La simulación virtual mejora los conocimientos, las habilidades técnicas y no técnicas, y la motivación al recrear escenarios reales y sin riesgo. Y aquí voy a decir algo importante. Ustedes van a tener que ir a las prácticas preprofesionales, pero nosotros aquí queremos minimizar ese impacto que ustedes tengan. Y cuando digo impacto, es para que vayan un poco más preparados. La verdad es que nosotros queremos que ustedes vayan superpreparados, pero la parte de la gestión de las emociones ya viene por ustedes.

También podemos decir lo siguiente: los tipos de simulación que existen. De acuerdo a Frey, Landuo y Levin en el año 2023, estos autores distinguen entre simulación por computador y simulaciones humanas o clínicas, las cuales son efectivas para generar aprendizajes cognitivos, conductuales y afectivos. Nosotros en los institutos podemos trabajar definitivamente todo el aprendizaje cognitivo, pero el conductual y el afectivo también es una construcción de ustedes.

De acuerdo a Stch en el 2022, él amplía esta clasificación e incluye la realidad virtual e inmersiva. Y quiero decirles que nosotros estamos entrando también a proyectar todo lo que tiene que ver con la parte de virtualidad y la parte de inmersión para las mallas de salud. ¿Por qué? Porque sabemos que es una forma como nosotros vamos a ampliar el espectro de trabajo. Estamos en proceso.

Las investigaciones también evidencian lo siguiente: cambios significativos en el pensamiento crítico tras el ejercicio intensivo de la simulación. También reporta que los estudiantes que participaron en simulaciones virtuales obtuvieron mejores resultados que aquellos que no lo hicieron. Esto demuestra que la simulación no solo entrena habilidades, sino que modifica el razonamiento clínico, que es hacia dónde nosotros lo queremos llevar.

Por otra parte, en el 2023, Kiao y el AL evidencian que la realidad virtual no inmersiva aumenta la autoconfianza y la satisfacción estudiantil, reforzando su efectividad educativa. Los hallazgos de la investigación bibliográfica para que nosotros podamos sustentar el modelo de Argos desde la simulación virtual para las carreras de salud se sustenta en la técnica de alta fidelidad que permite desarrollar habilidades técnicas y no técnicas en un nivel alto. No solamente está garantizado científicamente, sino que se lo ve en la práctica diaria.

También tenemos los pacientes virtuales que les permite a los estudiantes tener un razonamiento crítico, ¿verdad?, y clínico acerca de su trabajo. Finalmente, tenemos cuando se utiliza realidad virtual inmersiva, que los estudiantes permiten desarrollar procedimientos de retención y satisfacción alta, y nosotros estamos apostando para esa parte también.

Ahora, cuando hablamos de las competencias interconectadas, porque esto no es de comprar, esto no es, chicos, de comprarles unas gafas y ponerlos ahí a jugar, no. Todo esto tiene que estar entrelazado con los contenidos teóricos, con los perfiles de salida, con las competencias que deben de tener, más las prácticas en el ámbito de la simulación virtual.

Por lo tanto, nosotros podemos decir que el saber hacer y las competencias técnicas operativas son las que nos van a permitir trabajar sin ningún problema. Y los pacientes también, al momento que los vayan a ver, se van a sentir mucho más confiados porque aquí tengo una doctora que es muy amiga mía, la doctora Villavicencio, que va a estar de ponente con ustedes. Y una de las cosas que ella siempre me dice es: "El trato al paciente mejora de manera exponencial la salud de aquel que viene a buscar mi servicio." Y es lo que les quiero decir a ustedes, que nosotros necesitamos que ustedes se humanicen mucho más, porque al momento que ustedes tratan a un paciente con calidez, ese paciente va a poder mejorarse de una manera más sostenida.

Bueno, vamos a retomar entonces las competencias técnicas operativas y las transversales. Las primeras se relacionan con el saber hacer, o sea, comunicar y liderar. Y la simulación virtual permite fortalecer ambas simultáneamente, formando profesionales más seguros, autónomos y competentes. En esta línea, en Argos hemos impulsado una transformación curricular basada en la innovación educativa, creación de clínicas por tipo de prácticas, y hemos y podemos incorporar simuladores como biodigital y maniquíes que permiten diseñar casos clínicos reales mediante un trabajo colaborativo entre docentes y estudiantes. Esta integración ha permitido ejercitar la toma de decisiones clínicas de forma segura, potenciando el desarrollo de competencias técnicas, operativas y transversales, fortaleciendo sus habilidades blandas como el liderazgo, la comunicación y el trabajo interprofesional.

Pero ya no quiero seguir hablando y quiero mostrarles lo que realmente nosotros hacemos en Argos. Por favor, el video. Como ustedes pueden ver aquí, estas son nuestras clínicas, nuestros estudiantes, tenemos los domis, los profesores. Ustedes van a ver aquí el uso del biodigital. Se pasó un poquito rápido. Pongámoslo otra vez, por favor. Aquí tenemos, ¿no?, biodigital. Primero se arman los casos, los profesores explican a los chicos y luego de esto vamos a la práctica con los hogies. De tal manera que esto permite en cada una de las experiencias que ellos tienen, en cada una de las carreras que ellos tienen, estas clínicas les permite tener seguridad en los procedimientos, como ustedes pueden observar.

Y eso, ¿qué nos ha permitido? Poder diseñar un currículo, porque todo el mundo habla de innovación educativa, lamentablemente. Y la innovación educativa es cómo nosotros, desde la institución, con nuestros contenidos, con nuestros profesores, con las herramientas que tenemos a la mano y con las necesidades de un perfil que viene del Ministerio de Salud Pública, podemos crear todos estos espacios que ustedes están viendo en este momento. ¿Para qué? Para que nuestro alumno pueda tener el apoyo digital más la práctica en el paciente simulado.

Pasan todas las carreras. Aquí estamos viendo desarrollo infantil integral, cómo la estimulación puede también, y todos los casos se dan en esta plataforma. Muchísimas gracias.

Continuamos entonces. En síntesis, y esto no es que queremos mostrar que no estamos en proceso. Las buenas prácticas son necesarias y que las comuniquemos entre nosotros. ¿Para qué? Para que podamos ser fuertes juntos, ¿verdad?

Entonces, la transformación curricular en Argos. La transformación curricular en Argos se basa en la innovación educativa, las clínicas por tipo de prácticas, el uso de simulador biodigital y los maniquíes, y el trabajo colaborativo. Una estrategia fundamental para el futuro. Sí. ¿Por qué? Porque estamos trabajando en todo lo que tiene que ver con enseñanza y evaluación de competencias clínicas y no clínicas con tecnologías emergentes que están dentro de nuestro alcance, porque los institutos técnicos y tecnológicos tenemos también situaciones, pero nosotros estamos apostando para integrar avances tecnológicos de vanguardia, eso sí, de forma progresiva. Me encantaría poder tener todo planteado, pero hay que irlo haciendo de manera progresiva.

Una innovación educativa que plasma e impulsa nuevas metodologías pedagógicas, donde nuestros mejores aliados son nuestros estudiantes y nuestros docentes, que nos permiten formarlos para alianzas globales, como en este momento tenemos con los diferentes hospitales del sistema de salud pública y privada.

Nuestra responsabilidad, por lo tanto, es enorme. La educación en salud enfrenta cada vez más desafíos complejos y la responsabilidad que recae sobre quienes formamos profesionales es enorme, pero estamos dispuestos a asumirlo. No basta con transmitir contenidos. Necesitamos formar personas que piensen críticamente, que actúen con precisión y pasión, que aprendan a trabajar en equipo y que sepan tomar decisiones acertadas bajo presión.

Por lo tanto, nosotros en Argos estamos apostando y seguiremos apostando por la simulación virtual como una herramienta de apoyo, porque nos permite entrenar y poder potenciar capacidades en nuestros estudiantes sin poner en riesgo las vidas humanas y prepararlas a ustedes para que puedan ir trabajando. Si queremos profesionales capaces de salvar vidas, debemos ofrecerles escenarios donde puedan equivocarse sin perderlas y espacios donde puedan practicar hasta dominar las técnicas. Ese espacio seguro, innovador y guiado hoy lo ofrece la simulación virtual y es hoy eje nuclear de nuestra institución.

Muchísimas gracias y espero que haya sido una conferencia que les permita abrir esta segunda jornada, donde estoy segura que van a aprender muchísimo acerca de todas las cosas nuevas que se vienen en los distintos campos profesionales. Ha sido un gusto estar con ustedes. Un abrazo. Muchísimas gracias.

Muchas gracias, doctora, también por recordarnos cuál es nuestra misión, el propósito, por qué estamos aquí y cuántas personas dependen de ese profesionalismo que buscamos inculcar y formar en Argos. Nos acompaña nuestra directora de investigación, economista Evely García, quien le brindará un certificado de agradecimiento por esta intervención académica y también muy motivadora, porque reconocer nuestro propósito, reconocer qué es lo que tenemos y hacia dónde vamos es lo que nos motiva todos los días a seguir cumpliendo esa meta.

A ver, ahí viene, viene la cámara, viene corriendo nuestro, nuestra cobertura. Mientras tanto, se prepara nuestro siguiente ponente. Gracias, doctora. Más de ellas, no se preocupe que no está. Ahí va, ahí va Evely. Sí, mientras se conecta nuestro ponente, porque su intervención es desde Costa Rica, eh, nos ayudan, por favor, con el QR en la pantalla. Les permito recordar tres cosas. Ya tomen atención, sobre todo para los estudiantes de la institución tecnológica Argos.

Primero, este es un día de asistencia. Todos los docentes tienen que haberles asignado tareas alrededor de la jornada, seguramente no. Quienes no les han asignado, alzan la manito para decirle al docente aquí, al Mr. Rody, eh, ustedes deberán registrarse en el código QR, por favor. Igual los docentes tomar la asistencia respectiva en sus clases porque posteriormente se les enviará el certificado virtual. Para nuestros invitados externos, pues en el código QR, como les mencionaba también nuestros estudiantes, podrán registrar su asistencia. Hay internet, pueden tomarse de las del wifi. Aquí en los en el pilar está la clave, las credenciales correspondientes, porque les emitiremos un certificado de 40 horas académicas. Aquí están nuestros compañeros del Ministerio de Salud que no me dejarán mentir y se le pueden acercar a preguntar cuán valioso es un certificado de formación académica. ¿Sí o no? Sí, me están diciendo aquí de la porque lo primero que ustedes van a presentar en su primera las prácticas académicas o en su primera oportunidad laboral es su currículo y debe haber un segmento donde diga formación complementaria y usted va a tener la grandiosa oportunidad de indicar: "Participó en la segunda jornada con 40 horas de formación académica". Esa formación complementaria es la que se les brinda también desde la institución y es muy valioso para las empresas en el ámbito laboral. ¿Me dan señales? Me escriben. Gracias. Que no entiendo las señas.

Muy bien. Dije que les iba a mencionar tres cosas, ¿no? Segundo es que a través de nuestras redes sociales en Tecnoargos, tanto en Twitter como en Instagram, estamos subiendo las fotografías. Ustedes también pueden subir sus comentarios o sus aportes o los aprendizajes más destacados que tengan y compartirlo porque nosotros lo retuitearemos. @tecnoargos en todas nuestras redes sociales.

Y el tercero es que, como les había mencionado, la jornada está en modalidad virtual, así que si ustedes van a nuestro canal de YouTube, para nuestros invitados externos, sobre todo, le pueden compartir a sus amigos, docentes, familiares para que puedan participar de modalidad virtual de esta jornada. Si ellos se registran, al igual que ustedes, como los vamos a ir mencionando en cada conferencia, podrán también recibir su certificado de asistencia. Vamos a poner un video. Me dicen que ya el docente Brian Mora desde Costa Rica en breve estará con nosotros.

Muy bien, estamos. Me avisan si nos escuchan del otro lado. Sí, dice. Bueno, desde Costa Rica ya nos acompaña Brian Mora. Él es ingeniero en software, fundador y CEO de Opal Interactive y coordinador de SPER Lab, el laboratorio de ID de la Universidad Senfotec. Desde ambos frentes impulsa soluciones que combinan inteligencia artificial, computación espacial y experiencia digital para transformar cómo las organizaciones venden, se comunican y capacitan a sus equipos en sectores como educación, turismo, bienes raíces y entretenimiento. Ha liderado el desarrollo de plataformas escalables con miles de usuarios y aplicaciones inmersivas para dispositivos como Meta Quest y Apple Vision Pro, colaborando en proyectos para compañías como Netflix, Apple, Walmart y Roche, y obteniendo reconocimientos en competencias globales de innovación. Como lo mencioné anteriormente, es ingeniero en computación por el Tecnológico de Costa Rica. Cuenta con formación ejecutiva en Technology Roadmapping del MIT Professional Education y en educación de soluciones de blockchain del Compage en el Institute of Interactive Design. Su enfoque es experiencias memorables, métricas claras y personas en el centro. Hoy nos acompaña con la temática de Realidad mixta e inteligencia artificial para educación en salud. Un fuerte aplauso para Brian.

Adelante, docente. Muchas gracias, muchas gracias por la introducción y por este espacio para hablar de esta tecnología tan útil y tan bonita que tenemos hoy en nuestra caja de herramientas. Solo para confirmar, ¿se nos escucha bien? Sí, sí, le escuchamos muy bien. Perfecto. Voy a compartir pantalla y me confirman si se ve todo en orden, por favor. ¿Se logra ver mi presentación, señorita? Sí, Brian. Perfecto, muchísimas gracias.

Eh, bueno, ya con esa introducción tan buena, eh, no me queda mucho que decir de mí, tal vez para agregar por ahí un poquito. Eh, yo he tenido la oportunidad de de trabajar o la bendición en realidad de trabajar con estas tecnologías emergentes ya desde hace más de 7 años. Eh, desde roles eh desde programador, que es mi base, yo soy programador de educación y también he podido liderar a nivel técnico equipos startups escalables, haciendo las plataformas que ya se mencionaron y he tenido también la oportunidad de crear mi propia empresa, siempre con el objetivo de utilizar estas tecnologías de forma valiosa y no solamente como algo que genera el una innovación, ¿verdad?, algo bonito o algo interesante, sino que realmente genere un impacto. Entonces, ese ha sido mi enfoque y esta área de la realidad mixta es muy bonita porque es tecnología que se centra en el ser humano, ¿verdad?, que se enfoca en aumentar las capacidades del ser humano y no necesariamente en sacarlo de la ecuación, ¿verdad? Entonces, y además de que nos permite aprovechar lo que es la inteligencia artificial y todas las otras tecnologías emergentes para crear experiencias que realmente generan un impacto.

Para hablarles un poquito del Special Lab. El Special Lab es un laboratorio de investigación y desarrollo de la Universidad Senfotec de Costa Rica. Nosotros, junto a otros laboratorios, en este caso de los Special Lab, nos enfocamos en computación espacial o tecnologías inmersivas, que ya en unos minutos voy a hablar un poquito más sobre esta área para los que no estén tan informados, ¿verdad?, de la tecnología. Nosotros nos especializamos en aprovechar estas tecnologías para generar impacto en diferentes frentes, ¿verdad? Siendo uno en la educación, ¿verdad?, siendo una institución educativa, claramente para nosotros es un enfoque primordial el utilizar realidad aumentada, realidad virtual para generar innovaciones, ¿verdad?, o aplicativos que generen un impacto en cómo las personas aprenden, ¿verdad?, de una forma más rápida, más personalizada. También tenemos el área de accesibilidad, ¿verdad? ¿Cómo estas herramientas pueden impactar personas con problemas auditivos, hasta personas no videntes o problemas de visión utilizando inteligencia artificial para hacer aplicaciones adaptativas y interacción en el espacio. Es un área muy bonita.

Eh, hoy en día con tanto bombardeo, ¿verdad?, de información, los chicos o las personas en general ya nos cuesta muchísimo entretenernos. Tenemos que estar haciendo mil cosas a la vez, viendo TikTok, viendo. Entonces, capturar la atención de las personas cuesta mucho y en el espacio o las experiencias físicas eso impacta mucho. Entiéndase museos, ¿verdad?, entiéndase lugares públicos de juego, ¿verdad?, ya cuesta mucho traer las nuevas generaciones porque de repente se han quedado un poquito atrás ahí con en competencia con plataformas como TikTok, ¿verdad?, que tienen la atención de las personas en segundos. Entonces, estas tecnologías también ayudan a reactivar estos espacios. Bueno, eso es un poquito de lo que nosotros hacemos y de quién soy yo, ¿verdad?

Eh, esta ponencia, la idea es primero dar unas bases de realidad mixta para las personas que tal vez no están acostumbradas, logren entender las diferencias entre las diferentes tecnologías y cómo estas se ven aplicadas al área de salud específicamente. Luego vamos a hablar cómo nosotros en el Special Lab y en este proyecto que estoy presentando específicamente, utilizamos inteligencia artificial, pero no como desarrolladores de nuestros propios modelos, sino como consumidores de servicios que ya existen, ¿verdad?, que eso les va a ayudar a ustedes si de repente no tienen un equipo especializado en desarrollo de inteligencia artificial, aún así se pueden aprovechar de estas tecnologías para generar soluciones e innovaciones. Luego un poquito vamos a hablar de la gamificación y cómo fue implementada o cómo recomendamos nosotros implementarla en estos tipos de aplicativos, ¿verdad?, para que sea una gamificación efectiva y con esencia, no solamente sean juegos porque sí, ¿verdad? Entonces, ¿cómo aprovechar diferentes herramientas que nos da la gamificación para aplicarlo en salud y educación? Educación.

Luego voy a hablar un poquito de Humana, que es una aplicación que lideré yo el desarrollo en el área de salud, en el cual utilizamos realidad virtual e inteligencia artificial para lograr el objetivo. Es un ejemplo bien bonito y ustedes van a ver visualmente, ¿verdad?, qué podría lograrse utilizando estas dos tecnologías en el área de educación para salud específicamente, que tiene sus sus detallitos, ¿verdad?, muy importantes de los que vamos a hablar. Y al final les resumo toda la ponencia en una guía de cinco pasos de cómo ustedes podrían empezar a innovar con estas tecnologías de una forma efectiva, iterativa para que logren realmente generar impacto y o aprender, ¿verdad?, de cómo puede generar impacto e ir construyendo sobre eso.

Entonces, eh, sin más que decir de esta parte, podemos dar inicio, ¿verdad?, hablando un poquito sobre la realidad mixta y qué es realmente esta tecnología. Eh, no quiero entrar mucho a nivel técnico, ¿verdad?, que luego me me voy demasiado por ahí. Eh, pero lo que utilizan estos dispositivos son un montón de sensores, cámaras, acelerómetros y sensores que tienen estos dispositivos para poder simular mundos virtuales y hacer sentir al cerebro de la persona, del usuario, como si estuviera dentro de este mundo virtual, ¿verdad? Y esto nos abre posibilidades increíbles, aún más en el área de salud que hay temas tan delicados.

Pero bueno, en la realidad mixta es como un concepto sombrilla en el cual tenemos la realidad virtual, la realidad aumentada y pues la realidad mixta, que es lo que se viene trabajando en estos últimos años, ¿verdad?, o avances tecnológicos. Eh, y bueno, aquí tengo unos dispositivos que les voy a mostrar a ustedes para que entiendan las diferencias entre realidad aumentada, realidad virtual y lo que se llama realidad mixta, ¿verdad?, o mixed reality, que se habla mucho en la industria de investigación últimamente.

Eh, empezando por la realidad aumentada, me imagino que muchos conocerán Pokémon Go o por ahí lo habrán escuchado, ¿verdad? Pokémon Go fue un juego y es un juego todavía muy jugado, el cual permite a las personas ir capturando estos bichitos, estos animalitos, ¿verdad?, o pokémones en el mundo real. Esa esa tecnología se ha utilizado ya en muchísimas industrias y lo que hace es superponer elementos digitales en el mundo real utilizando estos dispositivos, ¿verdad? Entonces, utiliza los sensores del celular en este caso para poder trackear, ¿verdad?, o entender la posición del celular en relación con el espacio y poner elementos que realmente parezcan que está en el mundo real. Entonces, lo que hace es ir calculando los movimientos del celular para mover en el mundo virtual la cámara o la vista del usuario, ¿verdad? Entonces, generando esta interacción con elementos digitales que de otra forma no se podría, ¿verdad?

Eh, y luego tenemos la realidad virtual. La realidad virtual, a diferencia de la realidad aumentada, sumerge al usuario al 100% en un mundo virtual y lo separa de la realidad. Eh, esto para algunas cosas es muy bueno, para otras cosas trae sus complicaciones, pero cuando hablamos de educación, nosotros necesitamos que los las los estudiantes estén 100% atentos a lo que se les está dando, ¿verdad?, para que lo capturen mejor, eh, para que aprendan, para que lo logren disfrutar el contenido y no estén pendientes de su celular, de su compañero, ¿verdad?, qué sé yo, sino que estén superenfocados en aprendido un beneficio gigantesco en que ha traído la realidad virtual.

Este visor que se ve acá en el centro es el Meta Quest, eh, que es el más accesible y de muchísima calidad, ¿verdad?, que permite tener experiencias de realidad virtual y realidad mixta. Yo lo tengo acá a la par. Voy a ponérmelo nada más para que ustedes vean cómo se ve un visor de estos puesto y entiendan en la conversación que vamos a tener, qué impacto puede tener usar realidad aumentada o realidad virtual y realidad mixta. Acá lo tengo. No sé si se puede ver. Es bastante bastante grande en realidad. Eh, pesadito. No pesa mucho cuando uno se lo pone, pero a la media hora, una hora de utilizarlo, ya empieza a sentirse el peso acá en el cuello, ¿verdad? Lo que lo hace un dispositivo super bueno para sesiones cortas de media hora, una hora, 15 minutos, pero para ya sesiones más largas o tareas que requieran más horas, ya se torna un poquito cansado y ahí entra a jugar la realidad mixta, ¿verdad?

La realidad mixta nos permite hacer esta combinación del mundo físico y el mundo virtual por medio de dispositivos mucho más avanzados que un celular que realmente entienden el espacio, entienden dónde hay paredes, dónde hay plataformas, ¿verdad? ¿Qué estoy viendo, si hay una persona enfrente, si hay un automóvil, ¿verdad?, si hay un código QR para crear estas interacciones entre el mundo físico y el mundo virtual. Acá tengo yo otras gafas. Estas son las X Real. Son unas de las pocas gafas que tienen realmente realidad aumentada, ¿verdad?, que permiten tener esa combinación entre mundo físico y virtual. Y estas son mucho más livianas, no me esconden del o no me separan del mundo físico, ¿verdad? Como pueden ver, son unas gafas comunes y corrientes. Eh, si las vemos de frente, casi que son indistinguibles de unas gafas normales, ¿verdad?, pero me permite por medio de unas pantallitas que están acá atrás, no sé si se lograrán ver, tener esa interacción con el mundo digital. De repente, si las vemos de un lado, sí se siente un poco la diferencia, ¿verdad?, son un poquito como quedan lejos de los ojos, pero ya empiezan a ser mucho más livianas, algo que yo puedo quizás andar todo el día y tener esta interacción con el mundo digital, ¿verdad?

Entonces, bueno, esa es un poco la el camino o el hardware que se está utilizando hoy en día en realidad mixta, ¿verdad?, en la realidad aumentada y la realidad virtual. Y eso permite un montón de beneficios específicamente en el área de salud y en muchas otras áreas, pero en este caso, eh, por ejemplo, nos permite una práctica segura y repetible, ¿verdad?, de procedimientos, de actividades que se tengan que hacer sin poner en peligro una persona, un equipo que tal vez vale mucho, ¿verdad?, y poner a personas a aprender con él, pues un error puede salir muy caro. Entonces, en este caso es superútil. Eh, también, por ejemplo, para visualización 3D, ¿verdad? Poder aprender realmente, no sé, cómo se ve un corazón, ¿verdad?, en escala real, sin necesidad de abrir un cuerpo, de una forma más accesible, ¿verdad?, sin tener que ir a un a un lugar especializado para poder aprender de esta forma. Y además permite tener retroalimentación inmediata. De repente sin tener un experto a la par, ¿verdad? Eh, ya estos sistemas pueden tener sus propias guías y bueno, es un poquito lo que logramos con inteligencia artificial.

También voy a ponerles este video para que ustedes se den una idea, los que no han conocido antes lo que es realidad virtual, eh, lo que el mercado, en este caso Meta, que es la empresa que era antes Facebook, eh, envisiona, ¿verdad?, cómo ellos ven que pueden tener impacto estos dispositivos, nada más como para que se den una idea un poco más general de todas las áreas donde esto se puede utilizar. Y no solo el impacto que genera. Bueno, ahí vimos un poquito de entretenimiento, de trabajo, de estudio, de deportes, sino también es el precio, ¿verdad? Eh, cuando yo empecé a trabajar en esto, no sé, $10,000 era poco lo que se necesitaba para poder tener un dispositivo de realidad virtual. Eh, había que tener todo un cuarto especial para eso, una computadora superpotente, eh, además del visor que era con cable pegado al techo y hoy en día con tan solo $300 ya ustedes pueden tener acceso al punta de lanza en tecnología de realidad mixta, ¿verdad? Entonces, es algo que realmente se ha vuelto accesible.

Eh, bueno, de esto ya hablamos un poquito, tal vez lo que puedo hablar un poquito más del impacto que tiene la realidad mixta en salud es como la utilización de inteligencia artificial en ambientes virtuales permite generar estas simulaciones y entrenar un poco más las habilidades blandas, las habilidades duras, dígase, procedimientos, operaciones, cirugías. Eso ya desde hace bastante tiempo se está aprovechando la realidad virtual para entrenamientos, ¿verdad? Como les decía, es el área de impacto más estudiado que tiene la realidad mixta en este momento, pero últimamente estamos viendo un gran impacto en el uso de avatares con capacidad conversacional para simulación de situaciones difíciles, ¿verdad? Puede ser atender a un cliente, dar una noticia difícil, dar algún tipo o una explicación, ¿verdad? Cómo dirigirse a un niño, cómo dirigirse a una persona, a un adulto mayor. Todo esto se puede entrenar de una forma mucho más accesible y escalable y personalizada utilizando la mezcla de inteligencia artificial y realidad mixta.

Voy a ponerles aquí un ejemplo de una empresa que se llama Tailspin, que eh está trabajando fuertísimo en el uso de avatares para entrenamiento de habilidades blandas, power skills o como ustedes quieran llamar. Ven, ahí tenemos avatares bastante realistas, ¿verdad?, que escuchan lo que la persona dice. Ya no es un tema ahí de presionar botones ni nada, ¿verdad?, sino que permite esa interacción realista. El avatar entiende lo que se le está diciendo y reacciona de acuerdo a esto, ¿verdad? Esto permite de nuevo simular situaciones que son complicadas en el mundo real, eh, o que de repente necesitarían alguien muy experto que saldría muy costoso traerlo o llevarlo a todas las personas que ocupan entrenarse, ¿verdad? Entonces es de muchísimo muchísimo beneficio en la parte de inteligencia artificial y o consumo de servicios para poder empezar a explorar estas herramientas sin necesidad de tener un equipo especializado, ¿verdad?, en desarrollo de inteligencia artificial.

Nosotros utilizamos dos herramientas principales. Una es con by. Ahora voy a hablar un poquito más de eso y les voy a mostrar. Eh, con permite la creación y configuración de estos avatares conversacionales que ustedes muy parecidos a lo que a los que ustedes vieron. Ahora en el ejemplo les va a quedar clarísimo. Y eh esta es como la herramienta de inteligencia artificial y tenemos la herramienta de analítica y datos que se llama Cognitive 3D. Cognitive 3D lo que nos permite es generar datos o trackear, ¿verdad?, movimientos, interacciones, eh qué es lo que el usuario está viendo para realmente entender qué es lo que más genera impacto, lo que de repente no está funcionando tan bien y permitirnos iterar y crear cada vez herramientas más útiles para lo que es la educación en salud, ¿verdad?

Eh, acá podemos ver el algunas cosas que pueden hacer estos avatares, ¿verdad? Pueden acompañarnos en experiencias educativas, ¿verdad? Le permite al usuario hacer preguntas, pedir pistas, ¿verdad? El mismo avatar activamente puede darle pistas al a la persona si está un poquito perdida en en la materia que se está viendo. Eh, y y lo interesante es que permite enfocar el avatar específicamente en la materia que se está viendo. No es tan generalista como un ChatGPT, por ejemplo, que uno puede preguntarle lo que sea, eh, que pueden a veces también hasta soñar, ¿verdad?, o mentirnos mentirnos de cierta forma, dándonos datos que no son correctos. Sin embargo, estos avatares nosotros podemos configurarlos para que solo respondan relacionado al tema que se está estudiando ya revisado anteriormente.

Por los profesores, ¿verdad? Eh, a nivel de feedback y trazabilidad, esta herramienta Cognitive 3D, que es la la herramienta de datología, ¿verdad?, que nos permite generar datos y utilizarlo en la inteligencia artificial, nos permite en tiempo real ir tomando, por ejemplo, los aciertos y errores en caso de ser algún tipo de examen, ¿verdad?

Eh, navegación, nos permite hacer mapas de calor, ¿verdad?, de dónde, por dónde se mueven los usuarios, qué es con lo que más interactúan y realmente entender qué es lo que está sucediendo en la experiencia, que de otra forma sería bastante difícil, ¿verdad? Porque tendríamos que estar preguntándole al usuario constantemente qué es lo que está haciendo, y esa no es la forma más efectiva o científicamente correcta para hacer este tipo de análisis, ¿verdad?

Y bueno, otro valor agregado que utilizar herramientas como Conby permite es que permite primero personalizar la experiencia y hacerla mucho más accesible para el usuario, ¿verdad? De repente, si está muy difícil, el usuario puede pedirle ayuda al Avatar, eh, o si de repente no entendió, no escuchó algo, existe esa flexibilidad para preguntárselo al Avatar de nuevo y el sistema entienda la la necesidad del usuario, ¿verdad? Que de otra forma sería bastante, bastante eh complejo.

Acá, como pueden ver, ¿verdad?, este es un par de imágenes de comb, una idea. Eh, estos son los avatares que ellos tienen, tienen más realistas, más caricaturescos y eh permiten, por ejemplo, eh memoria a largo plazo, varios idiomas, eh agregar una una base de conocimiento específica, como les decía, también permite poner límites para evitar algún tipo de problema, ¿verdad?, o alguna conversación que eh a nivel educativo no queramos tener en el sistema, se permite poner esos límites y eh puede ser no solamente como un asistente de hacerle preguntas, sino que también se puede integrar al a la dinámica completa, a simulaciones o a la historia que queramos dar, que es una parte muy importante en la parte de gamificación, ¿verdad? Entonces, no es simplemente tener un chat, un chat GPT integrado, sino que realmente le suma la experiencia.

Acá a la derecha podemos ver un poquito de las opciones que hay, ¿verdad?, de memoria, eh poder, se puede darle como cierta flexibilidad de tener acceso a internet o poder contestar de una forma flexible las preguntas, o podemos decirle que literalmente solo utilice la base de conocimiento que se les da. Entonces, es bastante, bastante flexible y permite integrar estos avatares a los sistemas de realidad virtual, pero no necesariamente podría ser un aplicativo, podría ser una página web. Eh, esto permite o funciona en muchísimas plataformas.

Y esto es un poquito cómo se ve Cognitive 3D. Con 3D se puede de nuevo implementar en estas herramientas y nos permite ver, por ejemplo, qué tan presente se sintió el usuario o distraído, eh qué tan cómodo se sintió, ¿verdad?, o si le pareció frustrante la experiencia, cuánto duró, eh qué hizo, ¿verdad?, hacer estos mapas de calor o de puntos de interacción que les decía, lo que nos permite realmente entender a profundidad qué es lo que está pasando y cómo podemos mejorar en el desarrollo, ¿verdad?, y diseño de estas experiencias.

Bueno, como les decía, ¿verdad?, algunos riesgos que se pueden tener utilizando estos avatares, eh puede ser que las respuestas sean imprecisas, ¿verdad?, y más cuando es un tema de educación, hay que tener muchísimo cuidado con esto, eh, ya que pues una herramienta que transmita información que no es correcta, pues simplemente no funciona en el área educativa, ¿verdad? Entonces, eso es un riesgo bien grande. También al nivel de sesgos, ¿verdad?, o vallas que tengan a nivel de del sexo, de orientación sexual o todas estas áreas que son muy delicadas. Eh, eso es bien complicado cuando utilizamos herramientas o o LLMs, ¿verdad?, o de inteligencia artificial conversacional. Y también el tema de los datos, ¿verdad?, que las personas mientras están conversando no tengan, no transmitan o hablen sobre datos, no sé, su número de identificación o cédula, ¿verdad?, cuentas bancarias, eh, o información de salud personal que es delicada. Eso es un riesgo bastante alto también que al utilizar estas herramientas pues surgen, ¿verdad?, preguntas al respecto.

Eh, bueno, y hay varias formas en las que se pueden atacar, ¿verdad?, más específicamente con esta plataforma con y creando experiencias de realidad mixta, eh, ¿verdad? Entonces, como les mencionaba antes, eh para para no andar mucho más, en estos sistemas se pueden subir bases de conocimiento en forma de texto, PDFs, ¿verdad?, imágenes y otras formas, otros medios, ¿verdad?, que nos permiten indicarle al avatar exactamente qué es lo que conoce y qué es lo que no. Y es bastante interesante porque cuando uno hace esto y le pregunta algo al Avatar que está fuera, por ejemplo, si yo estoy en un aplicativo de educación, en este caso que les voy a mostrar del esqueleto humano, ¿verdad?, y le pregunto algo sobre el sistema muscular, por ejemplo, el avatar va a entender que eso se sale de su base de conocimiento y no me va a responder. Y aún si le pregunto algo indebido, ¿verdad?, o algo así. Bueno, o el usuario, con más razón el avatar va a saber gracias a esa base de conocimiento y a los límites que nosotros le pongamos para evitar algún tipo de problema con los estudiantes, ¿verdad?

Sí es importante a nivel de los datos, ¿verdad?, de seguridad de los datos, hacerle saber a los usuarios que este sistema pues tiene que enviar su lo que esté conversando con el avatar a un servicio en la nube para ser analizado, ¿verdad? Entonces, sí hay formas de proteger los datos, de filtrarlos antes de enviarlo al sistema. Sin embargo, aquí lo que sí recomendamos y es lo que hicimos en el caso que vamos a exponer es avisarles a los usuarios que todo lo que se hable con el avatar va a ser analizado en un servidor en la nube y ya con eso en realidad se cubre bastante. Meramente comunicarlo, ¿verdad?, ya se vuelve una experiencia mucho más tranquila y ellos ya saben. Y además, al ser una experiencia educativa, no es como que exista la necesidad de preguntar o dar muchos datos, ¿verdad? Entonces, con solo hacer ese disclaimer inicial, ya logramos sanar un poquito ese tema, ¿verdad?

Bueno, entonces ya hablé de la realidad mixta de la inteligencia artificial, pero es sumamente importante en este tipo de experiencias la parte de la gamificación. Al final, si nosotros creamos estas herramientas educativas, pero no las hacemos atractivas, no las hacemos que capturen realmente la atención de los estudiantes, pues no va a funcionar, ¿verdad?, no va a funcionar. De repente, por ser una tecnología tan bonita, ¿verdad?, o tan llamativa, eh, va a traer la primera vez, pero después de un primer uso los usuarios van a dejar de utilizarlo. Entonces, el aprovechamiento de varias herramientas de gamificación en el diseño de estas experiencias es sumamente importante y no es necesariamente hacerlo un juego. Puede no ser un juego, puede ser una experiencia educativa común y corriente, pero con solo integrar algunas de las herramientas que se usan en el ámbito de gamificación, ya el impacto que llega a tener a la larga aumenta por un grado muy, muy grande, ¿verdad?

Y aquí en gamificación, ¿qué estamos hablando? Estamos hablando de técnicas que usan los juegos para hacer la experiencia más entretenida. En nuestro caso vamos a utilizar herramientas como los objetivos, ¿verdad? Si se le dice al usuario qué es lo que tiene que lograr desde un inicio, la persona va a sentir como esas ganas de lograr algo, ¿verdad?, de sentirse exitoso, ¿verdad?, de cumplir la misión. Muy parecido a los videojuegos que llega el este mago, ¿verdad?, este ser místico y te pone la misión, ¿verdad? Como en el Señor de los Anillos o en Harry Potter. Siempre eso existe en la aventura del héroe, ¿verdad?, que es algo que se ha explorado mucho a nivel de cinematografía y videojuegos. Integrando ese sistema de misiones en estas aplicaciones, nos permite guiar al usuario y darle un norte, básicamente, ¿verdad?

Y un poco de no solamente darle un norte, sino que sea algo progresivo, ¿verdad? Ir misión por misión, termina una, se le da otra, un poquito más difícil y esa progresión se le va a permitir al usuario sentir que es una experiencia justa, lograble y entretenida, ¿verdad? Eh, también funciona muchísimo tener la progresión siempre visible, ¿verdad? A nivel de puntos, de tiempo, ¿verdad? ¿Cuántas preguntas me faltan por contestar? ¿Cuántos módulos me faltan por completar? Eso hace también que la persona active ese sentimiento de logro de querer completar todo lo que se le está poniendo, de querer dar su máximo esfuerzo y se le motiva aún más a seguir participando o a seguir utilizando la herramienta, ¿verdad? Si la persona sabe que le faltan tres módulos para completar todo y ganarse un premio, ¿verdad?, un certificado, un premio de cualquier tipo que la institución se le pueda dar, se ven mucho más motivados a seguir utilizándola y aprender más.

Y una parte muy importante que a veces dejamos por fuera es la parte de la narrativa, ¿verdad?, o storytelling, el darle como un background, un contexto a lo que se está haciendo, ¿verdad? No es meramente pasar un PDF a una experiencia de estas, sino realmente darle un flujo, una historia, aunque sea muy sencilla. Si de repente, no sé, si estamos estudiando el corazón, de repente somos un doctor, un cirujano especialista en esa área y tenemos que salvar a un paciente, eh, con una mini historia al inicio ya se le mete como esa esencia, ese sabor que saca a la persona de sentir que está estudiando y la pone como en un juego o a vivir una historia, ¿verdad? Entonces se vuelve algo mucho más entretenido. La persona aprende, se divierte y quiere seguirlo haciendo, ¿verdad?

Entonces, en modo resumen, a nivel de tener metas claras, progresivas, ¿verdad?, objetivos progresivos, ese progreso que sea siempre visible y utilizar la narrativa o el storytelling en la experiencia. Esas tres herramientas que les van a servir muchísimo.

Eh, bueno, y a nivel de recomendación, de nuevo hablamos de realidad mixta, aprovechamiento de inteligencia artificial en estos aplicativos y el uso de gamificación para que realmente generen impacto. Una recomendación que podemos dar antes de entrar ya al caso de éxito es empezar con algo muy pequeño, ¿verdad?, una experiencia, una microsimulación de 10, 15 minutos de una actividad o un módulo muy específico del área que ustedes quieran, eh, ya sea el sistema nervioso, ya sea bueno, todas las áreas que existen, empezar por algo muy pequeño y hacer un diseño instruccional. Eso es diseñar lo que se va a tratar en el aplicativo que sean realmente de impacto y que se beneficien realmente de estas tecnologías, ¿verdad? Hay algunos temas que sirve más estudiarlos en un libro y hay algunos temas que sirve más hacerlos prácticos, ¿verdad?, en una simulación.

Y se ha demostrado que cuando se hace este diseño instruccional inicial, el porcentaje de impacto que tienen los estudiantes aumenta increíblemente, ¿verdad? Luego, en el paso tres es integrar esta inteligencia artificial como un copiloto, como un soporte para el estudiante, siempre con sus límites claros, con su base de conocimiento bien definida y revisada por los profesores. Y después de esta experiencia hacer una evaluación formativa sencilla, ¿verdad?, para no tampoco hay que quebrarse la cabeza, pero sí, por ejemplo, ¿cuánto duraron las personas haciendo la experiencia? ¿Cuánto aprendieron, verdad? Comparar entre un grupo que no la utilice y un grupo que sí.

Y utilizar estas herramientas como Cognitive 3D para poder entender bien qué es lo que está pasando y escalar después de ahí solo al tener los resultados. También he visto muchísimo que empresas quieren acaparar un montón o hacer un sistema gigante sin antes empezar a probar el caso de uso específico e ir aprendiendo o iterando poco a poco, ¿verdad? Entonces, de esta forma ustedes van a darse una mejor idea de cómo funciona la inteligencia artificial, dónde sí, dónde no y la interacción en realidad mixta.

Con el tiempo que me queda voy a tratar de enseñarles un poquito del caso de Humana, que es una aplicación de realidad virtual para el aprendizaje del cuerpo humano. Y en este caso empezamos haciendo el módulo del sistema esquelético, ¿verdad?, enfocado específicamente en que los estudiantes puedan practicar en nombrar y localizar los huesos del cuerpo humano, ¿verdad? El público meta eran estudiantes que iban iniciando en su carrera y que les costaba mucho pasar los cursos de anatomía o aprenderse toda esta montón de huesos que tenían que aprenderse solo leyendo y leyendo y leyendo un libro, ¿verdad? Entonces, lo hace mucho más interactivo y entretenido.

Les voy a poner un video rapidito, ¿verdad?, para que ustedes lo vean visualmente. Ahí tenemos uno de los minijuegos, ¿verdad?, que es de etiquetar huesos y saber, o sea, o toma en cuenta el conocimiento del estudiante en el nombre como tal. Y en este caso es un poco más la ubicación en relación a otros huesos. Esta experiencia se diseñó en tres momentos específicos. Primero, una parte de narrativa de storytelling, ¿verdad?, de que se utiliza textos y audios junto al avatar para generar ese contexto, ¿verdad?, esa historia. En este caso, el usuario es un doctor, ¿verdad?, que tiene que encontrar estos huesos y etiquetarlos para completar una misión, ¿verdad? Y es como una escuela de entrenamiento para ser el doctor del futuro, ¿verdad?

Van a ver en los videos que les voy a mostrar cómo tenemos tiempo, tenemos puntos, tenemos progresión siempre visible para que la persona se mantenga motivada a seguir jugando y a completar los diferentes módulos. Eh, bueno, y tenemos un desafío de señalar y de etiquetar, que ya lo van a ver en los videos. Y aquí utilizamos la IA y la gamificación como un soporte, ¿verdad?, para que el usuario pueda, en caso de que tenga alguna duda extra, poder preguntarle al avatar, ¿verdad?, qué es este hueso, qué hace, cómo se llama.

Y bueno, eso ahorita lo vamos a ver en este video. Ahí podemos ver cómo se tiene una cartera, elige al sistema que más te llame la atención y prepárate para aprender. Ahí podemos ver una cartera de un montón de módulos, ¿verdad?, un catálogo, pero solo empezamos desarrollando uno. Eso es sumamente necesario para no saturar un proyecto que podría llegar a tener mucho impacto y por tratar de acaparar mucho, pues que no se continúe, qué sé yo.

Bienvenido, soy la doctora Dumani. A partir de hoy serás mi asistente. Aquí no hay pacientes, solo huesos. Muchos huesos. Hola, ¿quién eres? Hola, soy Sara, profesora de medicina. Me especializo en cómo funcionan nuestros huesos, músculos y articulaciones. Me encanta enseñar sobre el cuerpo humano. Es fascinante. ¿Hay algo en particular sobre el esqueleto o el movimiento humano que te interese hoy? ¿Cuántos huesos tiene el cráneo? Excelente pregunta. El cráneo es una estructura muy interesante. Está compuesto por 22 huesos en total. Se divide en dos partes principales. Uno, huesos.

Ahí podemos ver, ¿verdad?, cómo se puede ir profundizando en la materia, ¿verdad?, sin necesidad de crear un montón de contenido, aprovechando la inteligencia artificial. Acá van a poder ver un poquito más de las interacciones específicas también para que ustedes vean cómo esta simulación con lo digital nos permite aprender de formas innovadoras y mucho más atractivas, ¿verdad?, o que capturen la atención de las personas.

Necesitas demostrar que puedes identificar correctamente cada hueso del cuerpo humano. Ahí podemos ver el storytelling también, ¿verdad?, la experiencia, ¿no? Cada uno de estos huesos pertenece a una investigación. Necesitamos clasificarlos correctamente. Tu tarea es arrastrar cada hueso a la caja con su nombre correcto. Usa los controles. Solo una opción es válida. Equivocarte podría costarnos un caso. Ahí podemos ver objetivos muy claros, ¿verdad? Tienes un minuto para identificar correctamente 15 huesos. Si no decides a tiempo, el hueso se desechará automáticamente como evidencia perdida. De nuevo mezclando la narrativa con la concéntrate. Precisión, velocidad y memoria anatómica. Suerte.

Y ahí podemos ver un poco de la interacción, ¿verdad? Ahí la persona tiene que saber cuál es el nombre correcto. Y este es uno de los de los hay diferentes grados de dificultad, ¿verdad? Hay unos que combinan huesos de diferentes áreas. Entonces es más fácil identificar estas, por ejemplo, solo con la parte con verlas hay que saber cuál de las costillas es, ¿verdad? Entonces, diferentes grados de dificultad y permite un aprendizaje mucho más espacial, ¿verdad?, más allá de ver una imagen 2D de cada hueso y aprendérselo de memoria.

Y les voy a mostrar el del cráneo, que es más de puede relevar más que cualquier otro hueso, pero solo si sabes leerlo. Tu tarea de hoy es ubicar los huesos del cráneo lo más rápido posible. Frente a ti encontrarás un cráneo humano. Presiona el botón de grip para entrar y salir de la vista expandida, la cual te permitirá marcar los huesos más difíciles de alcanzar. El hueso que creas correcto de hueso.

Ahí podemos ver cómo la persona puede explorar, ir buscando, ¿verdad?, hueso por hueso el nombre que el nombre que se le está dando el aplicativo, ¿verdad? Siempre vemos cuántos faltan, cuánto tiempo queda. Hay estos sonidos que lo hacen mucho más atractivo, ¿verdad? Y ya el tutorial inicial me dio como ese contexto o esa historia que me hace sentirme mucho más identificado con la experiencia y no se siente como que estoy estudiando, ¿verdad? Eh, pero se aprende muchísimo en el proceso.

Entonces, eso eh ahí todavía ven mi pantalla. Acá estamos de nuevo. Puede relevar. Okay. Y ya para ir terminando la de contarles de este proyecto, ¿verdad? Eh, nosotros estamos en el proceso de hacer ya unas pruebas mucho más profundas, hacer grupos, ¿verdad?, para poder comparar que usen y no usen la aplicación. Sin embargo, hasta ahorita lo que tenemos son pruebas postdesarrollo un poco más livianas, ¿verdad? Hemos probado con 15 estudiantes y profesionales de la industria y hemos visto, por ejemplo, que duran más o menos 10 minutos realizándolas. Eh, tienen un 86% de aciertos, ¿verdad? Lo intentan varias veces y en realidad sí nos han comunicado, ¿verdad?, que esta experiencia es de muchísimo valor para el aprendizaje comparado con otras herramientas que ya tienen, ¿verdad?, como lectura de libros, aprender por memoria, ¿verdad?, que es mucho más difícil o cansado, ¿verdad?, mentalmente para ellos.

E y ya para terminar, ¿verdad?, el diseño y los objetivos claros desde un inicio son muy importantes y empezar con algo pequeñito. Se recomienda capacitar a las personas que vayan a ponerle estas herramientas a sus usuarios, ¿verdad?, porque tiene como su forma específica de usarlo y muchas veces por simple desconocimiento de cómo utilizar la herramienta se descalifica o se siente que no tiene un impacto correcto, pero es simplemente tener una pequeña capacitación al inicio.

Y bueno, después de desarrollar estos módulos pequeñitos y aprender el impacto que tienen, pues claramente hay que llegar a valorar, ¿verdad?, ¿qué impacto tendría en la parte económica, verdad? ¿Cómo escalarlo a todos los estudiantes del centro educativo, verdad? Hay muchos temas que faltan por hablar, ¿verdad?, para realmente generar una plataforma que genere un impacto real a lo largo del tiempo, pero este inicio como tal genera muchísimo impacto y muchísimas conversaciones importantes, además de que aprendemos, ¿verdad?, realmente cómo mejorar la educación en salud, ¿verdad?

Entonces, eso es lo que les traía yo hoy, ¿verdad? Pueden contactarme con este código QR, entran en mi página y podrán ver el Special Lab, podrán ver lo que hacemos en Opal, también ver los proyectos de investigación que tenemos en el Space por si quieren colaborar y algunas otras herramientas y materiales que yo he ido desarrollando a lo largo de mi carrera, ¿verdad?, de guías de inteligencia artificial y realidad mixta, planes de implementación. Bueno, ahí tengo varios links importantes que les podrán ser de beneficio, ¿verdad? Y bueno, muy agradecido con el espacio. No sé si hay tiempo para preguntas, eh, si alguien le gustaría, tiene alguna duda. Si no, me pueden contactar por LinkedIn o por WhatsApp y yo con muchísimo gusto les ayudo en lo que pueda.

Hola. Hola. Bueno, muchas gracias al doctor Brian Mora. Vamos a agradecerle con un fuerte aplauso, por favor. [aplausos] Muchas gracias por su intervención, bastante interesante cómo poder aprender de diferentes métodos para pues con los estudiantes el área de la salud. En ese momento vamos a dar apertura a preguntas que van a hacer los estudiantes. Eh, por favor, la dinámica es pues levantar la mano para poderles acercar el micrófono. Hacemos la pregunta y pues el doctor nos va a contestar. Empezamos la primera pregunta. El estudiante del lado de allá atrás.

Muy buenos días. Eh, yo le quería hacer una pregunta que cuál es el porcentaje de utilizar la inteligencia artificial para aprender de manera adecuada. El porcentaje de ¿qué? Disculpa. El porcentaje de tiempo de utilizar la inteligencia artificial para aprender de manera adecuada. El para, vamos a ver, será el porcentaje de tiempo que requiere para aprender a utilizar la inteligencia artificial. Sí. Okay. Eh, vamos a ver el el beneficio de los modelos grandes de lenguaje, ¿verdad?, es que nos permiten interactuar con ella de una forma muy natural, ¿verdad?, y aún más en realidad mixta, no solamente a nivel de texto o voz, sino también interactuar con nuestro cuerpo de una forma muy natural, ¿verdad? Entonces, en realidad aprender a utilizarla es casi que instantáneo y conforme se va utilizando cada vez se utiliza mejor, ¿verdad? Y es interesante porque la misma inteligencia artificial nos puede enseñar cómo utilizarla de forma adecuada y no cuesta más mucho más que hacerle una pregunta. La que me acabas de hacer se la haces al Avatar, ¿verdad? Entonces es bastante rápido el cómo las personas pueden beneficiarse de conversar con estos avatares, ¿verdad?, no es no es algo muy técnico para ellos. El lado de interacción con un avatar y el lado de interacción de realidad virtual también se ha vuelto mucho más accesible porque, bueno, no hablé mucho de eso en la charla, pero ya no se utilizan controles, se pueden utilizar las manos con un sistema que se llama trackeo de manos o hand tracking y podemos interactuar con estos mundos virtuales sin necesidad de aprender a utilizar un control o cuál botón uso, con cuál botón me muevo, ya eso ya no es la realidad porque podemos utilizar las manos, digamos, y tocar botones, no sé, agarrar objetos como si fueran reales y es una forma bastante accesible. Si tuvieras que sí, he tenido la experiencia de llevar estas herramientas a cursos de personas que de 30 personas una persona ha utilizado realidad virtual antes y todas las personas pueden completar el entrenamiento. Entonces, no sé si te entendí bien la pregunta, pero que es casi que instantáneo el poder beneficiarse de la inteligencia artificial y realidad mixta. Eh, claramente se puede ir aprendiendo a usarla mejor, pero aprovecho como una invitación, ¿verdad?, de si no utilizan día a día seguido Chat GPT o todas las herramientas Gemini que hay, ¿verdad?, no solo para responder preguntas, sino para crear también agentes, ¿verdad? Los insto a hacerlo desde ya, ¿verdad?, y que no le tengan ese miedo a la inteligencia artificial que a veces he visto en otras personas.

Okay, muchas gracias, doctor. Eh, ¿alguna otra pregunta? Vamos a dar este paso a dos preguntas también desde el campus Aurora. Tenemos una pregunta, este, un momento, los chicos del campus Aurora y de ahí este usted la siguiente pregunta. Querías preguntarle qué tan correcta es la efectividad del simulador si lo usamos en casos clínicos.

El Vamos a ver, la correctitud de la información como tal es confirmada por los docentes, ¿verdad?, en este caso fue confirmada por los docentes. Entonces, la información es 100% correcta. Y como vimos en la tablita, los estudiantes, porque son estudiantes, después de usar la aplicación y hacer una pequeña prueba, tenían se ganaban un 86% de preguntas correctas, ¿verdad? Eh, ellos nos decían, no lo hemos hecho de forma científica, pero ellos nos decían que con otras herramientas tenían un 50%, 40% de retención, ¿verdad?, de la información y con esta llegaron a tener un 86%. Eh, estamos en las pruebas ya más a profundidad con grupos diferentes, ¿verdad?, para eso confirmarlo y ya publicar resultados, pero en este momento tiene un 86% de correctitud después de utilizar la aplicación, ¿verdad? E eso va a depender mucho de la longitud de la sesión, ¿verdad?, del diseño instruccional del aplicativo que se haga, ¿verdad?, en otros módulos, pero para este Humana, específicamente en el módulo de esqueleto fue de un 86%.

Listo, muchas gracias. La siguiente pregunta desde el campus Aurora. Este, quería preguntar que cómo contribuye el simulador 3D a que los estudiantes de enfermería aprendamos riesgo al paciente, o sea, ¿qué tan real se puede sentir una experiencia?

Eso es una muy buena pregunta, eh, porque lo interesante de estas tecnologías es que y eso está comprobado en estudios, nosotros no necesitamos que la experiencia se vea sumamente realista para que el cerebro sienta que está viviendo en la realidad. De hecho, uno se pone este casco, empieza la simulación y uno se olvida que estoy, digamos, en mi oficina, en mi casa, ¿verdad? Me olvido por completo y me siento con un paciente enfrente o con un esqueleto enfrente. Entonces, a pesar de que de repente no se ve tan realista, se ve un poco colorido, que eso es un poco lo que fue una decisión de diseño por la parte de gamificación, ¿verdad?, que sea más entretenido, para el cerebro no hay distinción de estar con un avatar a estar con una persona real, ¿verdad?, no sé, tomándole signos vitales, haciéndole preguntas, ¿verdad?, o tratando un síntoma específico, ¿verdad? Y eso está demostrado en estudios. Entonces, la experiencia que se tiene en el mundo virtual, en la simulación es 100%, vamos a ver, 99% traducible, porque ya no es un tema de usar un click, ¿verdad?, de usar un mouse o usar un teclado, sino que yo con mis propias manos estoy interactuando con las cosas, ¿verdad? Claramente no es 100% igual a la realidad, pero es mucho más cercano a lo que sería papel, videos, PDFs, ¿verdad?, todo lo que ya tenemos anteriormente, ¿verdad? Entonces, eso eh luego puedo compartirles algunos papers, ¿verdad?, de que estudian cómo el cerebro si no distingue entre lo que es virtual y real con las condiciones adecuadas, ¿verdad?

Sí, vi que en la aplicación Humana solamente vi lo que era huesos. Eh, también podría tener lo que es músculos, nervios, tendones, eh ya que nosotros como rehabilitadores físicos vemos a profundidad estos temas para la futura rehabilitación del paciente, recuperar la movilidad de un paciente y aparte eh cuáles serían las estrategias claves y las consideraciones prácticas para implementar con éxito esta herramienta en lo que sería la eficacia clínica y la adherencia al paciente.

Mm. Eh, completamente, no sé si viste al inicio hay un catálogo con todos los módulos que se planean desarrollar. Eh, iniciamos con este primero para medir el impacto que se tiene. Vamos a ver, a nivel cualitativo, ¿verdad?, los doctores y los profesores nos han dicho que está genial, los estudiantes también, pero claramente para continuar, ¿verdad?, y ya ser una inversión más alta, se requieren números, ¿verdad?, y en esa etapa estamos, pero definitivamente en este aplicativo podríamos tener todos los sistemas, ¿verdad?, y no solo sistemas y estos minijuegos, sino también simulaciones de situaciones eh digamos que que pueden existir en la realidad, ¿verdad?, de una cirugía, un caso en específico, utilizando estas estas herramientas. Y eh de nuevo eh la de la otra pregunta, disculpa, de cómo alguna estrategia, digamos, para que sea realmente efectivo. E en el estudio base que hicimos para hacer esta propuesta, eh sí se ha encontrado que el diseño instruccional es clave. Básicamente tomar en cuenta el contenido que ya se tiene, ¿verdad?, y los profesores y todo el conocimiento que tienen a la hora de diseñar estas experiencias. Eh, suena medio obvio, pero muchas veces un equipo de innovación, ¿verdad?, a un equipo eh que tiene la idea o la capacidad tecnológica, pero de repente no la experiencia en campo, trata de proponer algo innovador e y eso es muy bueno porque de ahí sale la innovación, ¿verdad? Personas con ideas frescas, pero si no se toma en cuenta en la experiencia real de campo de alguien con mucho trayecto, eh sí puede pasar que no sea efectivo, ¿verdad? No, no solamente gamificación o puntos por puntos o jugar por jugar no es efectivo por sí solo, ¿verdad? Tiene que ir bien direccionado y con un diseño instruccional muy claro, eh, verdad, revisado de que lo que se esté haciendo en la simulación tenga un impacto verdadero, ¿verdad? De repente si es algo eh, no sé, el sistema nervioso. Bueno, ahí disculpen si digo algo que no es porque yo no soy experto en el área de educación, ¿verdad? Eh, pero si es algo que el usuario nunca va a ver en físico, ¿verdad?, o es algo muy pequeñito, no sé, nivel de células, qué sé yo, eh de repente no tiene tanto impacto interactuar con células gigantes o en realidad virtual, porque no es algo realista, ¿verdad? Entonces, no es solamente el hecho de utilizar inteligencia artificial y realidad mixta por innovar, sino realmente pensar a nivel de diseño instruccional qué es o para qué se va a utilizar la herramienta.

Listo, muchas gracias. Gracias al Dr. Brian Mora Villalobos por su intervención el día de hoy. Eh, quedamos muy muy agradecidos nuevamente por su por su aporte tan significativo en esta jornada, en esta segunda jornada internacional de actualización en Ciencias de la Salud. Aplauso nuevamente [aplausos] y nos preparamos para la siguiente intervención. Nos acompañará el día de hoy también el doctor David Alfaro desde Senfotec. Vamos a esperar unos minutos conectarnos con él para poder escuchar lo que tiene para decirnos. El tema de él será acerca de los gemelos digitales en la salud. ¿Qué tal? Buenos días, Dr. David Alfaro. Buenos días. ¿Qué tal? ¿Cómo están? Hola, ¿qué tal? Muy bien. Le escuchamos fuerte y claro. Sí. Ah, gracias. Muy bien. Eh, damos la bienvenida al Dr. David Alfaro Viquez. Él es Máster en sistemas modernos de manufactura por el Tecnológico de Costa Rica. Es doctor en informática por la Universidad de Alicante, docente universitario en la Universidad Senfotec, donde imparte cursos de desarrollo de software. También es coordinador de laboratorio de robótica de la Universidad Senfotec y su línea de investigación es sobre arquitecturas para el desarrollo de gemelos digitales para el monitoreo de actividad en aplicaciones de manufactura. Le damos la bienvenida nuevamente y está pues eh aunque sea de manera virtual, pero está en su casa el tecnológico Aras. Muchísimas gracias y voy a compartirle la pantalla. Me avisan si se está viendo bien. Sí. Usted estoy compartiendo la la puede ver. Ah, okay. Perfecto. Bueno, eh primeramente agradecerles a todos por al a la universidad por por esa invitación. Eh, yo les quiero compartir esta pues mi línea de de de investigación que son como lo lo mencionaban gemelos digitales y en este caso una aplicación en cuanto al área de de salud. Eh, yo incluí aquí en la presentación un poquito de mi background, pero eh voy a pasar un poquito rápido por acá. Ya, ya, ya. Eh, para entrar directamente en el tema, eh, la agenda que tenía para hoy son para tocar básicamente estos puntos de qué es un gemelo digital, eh, ¿qué es un gemelo digital humano? ¿Cómo se traduce esto a un a un este gemelo digital médico? Ver cómo cómo se se perdón me adelant un toquecito. ¿Qué es un gemelo digital médico? Eh, ¿cuál es el papel que juega la inteligencia artificial en el tema de gemelos digitales? Eh, un poquito de retos, ¿verdad?, de retos acerca de la implementación y pues las conclusiones. A mí me gustaría comenzar, ¿verdad? Yo vengo de la parte de manufactura, ¿verdad? Entonces, eh quisiera antes de entrar directamente a la parte de las aplicaciones en salud, eh quiero compartirles pues si no si no se ha escuchado el término de qué es un gemelo digital. Eh, básicamente en término, hablándolo en términos simples, es una réplica virtual de algo que tenemos en el mundo físico. Eh, hacer una una réplica virtual de de esto, ¿verdad? En como vengo del del de la parte de manufactura, entonces mi contexto pues básicamente puede ser una máquina, ¿verdad? Imaginémonos una cualquier tipo de máquina o un carro, ¿verdad?, que podemos que podamos modelarlo en el mundo digital con la finalidad de poder en esa simulación aplicar ciertas dinámicas, cierta simulación, monitoreo, eh sin tener, ¿verdad?, que o sea simular sobre esa parte digital, sin tener que hacer esos cambios directamente en su contraparte física. Este tiene de en el tema de eso vamos a encontrarnos muchas definiciones de lo que es de lo que no es un gemelo digital. Eh, por yo le mi intención es en el segundo en ese segundo punto que habla de una conexión bidireccional. Eh, es algo muy es algo que en una característica principal, ¿verdad?, que diferencia aún de lo que es o lo que no es un gemelo digital y es que exista esa conexión entre ambos mundos, ¿verdad? Por así decirlo, que lo que ocurre en el mundo físico o en su contraparte real sirva para los datos que se generen ahí, porque hablo de datos porque vamos a ver al al al final que todos son igual que en toda la parte de ella, todos son datos, y la y cómo utilizamos, eh, cómo pasamos, cómo lo que ocurre ahí, los datos que se generan ahí sirven para actualizar su gemelo digital, ¿verdad?, su su réplica en el mundo digital y viceversa, ¿verdad?, cómo lo que yo hago con la réplica en el con la parte virtual me ayuda para a actualizar o para tomar alguna decisión en su contraparte real eh dentro de la parte de manufactura eh y en general, ¿verdad?, no no no exclusivamente en en manufactura, nos ayudan a la predicción, ¿verdad?, simulación, monitoreo, diagnóstico de equipos. Aquí un poquito de aplicaciones antes de entrar de encaminarnos a la parte de salud. Eh, aplicaciones que tienen estos gemelos digitales. La intención de colocarlo acá es para ir abriendo la puerta acerca de las hacer la extrapolación, ¿verdad?, de esas aplicaciones a la a la al a la parte de salud. Entonces, en manufactura nos permiten hacer una simulación, monitoreo, ¿verdad?, de equipos que están en funcionamiento, donde yo puedo simular, por ejemplo, si una máquina va a fallar, en qué momento, en qué, ¿verdad?, qué probabilidades tengo de que falle en la siguiente semana, en el siguiente mes, este poder simular qué pasa si yo si recibí, por ejemplo, una producción más elevada en un determinado tiempo, simular cómo se va a comportar mi sistema, ¿verdad? Un poco por ahí. Control y programación de la producción, ¿verdad?, donde me permite poder tomar decisiones acerca de qué producir, cuándo producir, optimización de procesos y optimización de recursos. Esta parte tiene que ver mucho con el impacto, ¿verdad?, que tiene el proceso de manufactura como tal en el ambiente, ¿verdad? Todo todo deja una huella, todo deja una una factura en en el medio ambiente. Entonces, nos sirve para monitorear y para tomar decisiones sobre si yo tengo que producir tanto, ¿verdad?, o tanto volumen de algún producto cuánto, ¿verdad?, es la es la factura o la huella de en el para para el ambiente, perdón. Eh, todo esto, ¿verdad?, antes de pasar a la siguiente diapositiva, nosotros en la parte, digo, lo hablamos mucho en la parte de manufactura, nosotros de acuerdo con muchos académicos investigaciones, nos encontramos en una contexto tal vez ustedes lo si si y igual que que mi compañero Bran me disculpan si digo algo un poquito equivocado, no parte de de bueno, la el dominio es un poquito más la parte de de manufactura. El punto que hoy es que de acuerdo con mucha literatura y también pues el desarrollo el desarrollo tecnológico que tenemos en la actualidad, no se enmarca en un paradigma que le llaman industria 4.0. Eso se es una pues paradigma que se caracteriza más que todo por la conectividad. Ahí vemos o podemos ver donde sale el uso de un uso más intensivo de inteligencia artificial, ¿verdad?, como lo mencionaba Brian, tecnologías como realidad virtual, realidad mixta, este y más que todo se caracteriza por esa conectividad, ¿verdad?, que yo y de ahí sale también el término de internet de las cosas, donde yo puedo tener mis mis que me permite, ¿verdad?, mediante sensores, mediante diferentes dispositivos, conectarme a una nube y poder enviar mis datos para que puedan ser analizados mediante alguna serie de algoritmos. Eso se los quiero mencionar porque en la siguiente diapositiva yo le titulé así de del gemelo digital al gemelo digital humano, un pequeño puente aquí antes de entrar a la parte de salud este y es que tenemos un nuevo bueno les acabo de mencionar este paradigma de la industria 4.0, como todo va evolucionando y cambiando de verdad, muy muy rápidamente, nosotros estamos entrando también de acuerdo con muchos investigaciones que tenemos ahorita en una nuevo paradigma que se llama industria 5.0. esta no tiene que ver, no no es que bota el paradigma anterior, sino que se monta sobre él, ¿verdad?, adoptando todo lo que tiene que ver con el uso de inteligencia artificial, de todo lo todo lo que conocemos, ¿verdad?, o lo que estamos nosotros tecnológicamente acostumbrados a ver. Eh, y viene con un nuevo concepto que es colocar a la persona en el centro. Si lo vemos en la parte de manufactura, es colocar a un o en vez de desplazar al operario, colocar al al operario en el centro de pues de no voy a decir el centro de la producción, pero desarrollar herramientas pensando en la persona, no para desplazar a la persona, sino no para desplazar a la persona, sino para potenciar las habilidades de esa persona y que pueda hacer un mejor su trabajo. Entonces, en este contexto nacen los gemelos digitales humanos o Human Digital Twin.

Cual, ¿verdad? Si hacemos la extrapolación de eh lo que veníamos hablando de que es un gemelo digital, viene siendo la contraparte eh o la una réplica virtual de una persona, ¿verdad? Entonces, nosotros con en en de igual forma podemos extraerlos de esa persona y simularlos en en un ambiente virtual, ¿verdad? de tener esos tener esos datos simulados en un ambiente virtual para tomar decisiones.

Eh, aquí es donde es mi eh principalmente mi línea de de investigación. Entonces, en cuanto a la parte de manufactura, ¿qué decisiones podemos tomar? Por ejemplo, eh eh estimar fatiga, ¿verdad?, en en cuando la persona está está eh realizando su trabajo. Esto nos ayuda también a eh no nos da ventajas, ¿verdad?, en estimar la con si somos capaces de estimar esa ese tipo de de factores, podemos eh evitar, por ejemplo, accidentes, ¿verdad? identificar si eh una persona para realizar una tarea tiene que desarrollar una serie de actividades y las desarrolla, ¿verdad?, correctamente, toma el la herramienta uno y hace la operación uno o si eh tomó la herramienta equivocada, ¿verdad? Entonces, también contribuye a la parte de eh tanto de de seguridad, ¿verdad?, como de bienestar.

Hay muchas métricas muy interesantes donde eh mediante el uso de diferentes sensores, por ejemplo, cámaras, podemos identificar emociones de la persona, ¿verdad? identificar cierta reacción en su rostro mediante eh cuando la persona está trabajando. Y con eso eh con esa parte de de emociones podemos eh realizar un análisis de la la, por ejemplo, la complejidad de la tarea contra eh la emoción que presenta la persona en ese momento. Entonces podemos estimar no solamente una fatiga física, sino que lo podemos acompañar de una fatiga también eh mental del verdad si se siente muy, por ejemplo, identificar si se siente frustrado, realizar una una eh una tarea. Entonces nos puede llevar a tomar una decisión sobre eh si la persona necesita un poco más de capacitación, ¿verdad? O un poco más de de preparación para para esa parte o colocarlo, ¿verdad? hacer una eh eh asignarle cierto ciertas labores donde sí se desenvuelve mejor.

Eso un poquito, ¿verdad?, la parte de Human Digital Twin para entrar a al tema principal, ¿verdad?, que es que es un gemelo digital médico. Entonces, teniendo como como contexto lo que es un gemelo digital eh y después lo que es un gemelo digital humano, eh el gemelo digital médico pues es una eh podríamos decirlo como una como una capa, ¿verdad? una un pues un caso de estudio donde eh nuestro el sin sonar me me disculpan, ¿verdad? Para mencionarlo de formación muy muy abstracta. Tal vez nuestro objeto aquí de estudio va a ser el paciente, ¿verdad? Donde modelamos eh la el historial clínico de una persona, ¿verdad? Eh, ya hablando historial clínico como algo muy eh muy general, ¿verdad? Pero todo lo que en ese historial va, ¿verdad? Imágenes médicas, eh exámenes de sangre, ultrasonidos, eh radiografías, eh otros diagnósticos previos, ¿verdad? Todo lo que compone ese eh ese ese historial, todo eso, todo lo que tenemos lo que tenemos ahí son datos, ¿verdad?, la que podemos utilizar para eh modelar ese ese paciente en en Entonces vamos a tener la la persona, ¿verdad?, el paciente real y su contraparte eh digital, eh que esa ese esa contraparte digital es donde nosotros vamos podemos mediante este tipo de de tecnologías eh modelar, por ejemplo, el avance de una enfermedad o poder poder eh predecir cómo va a a afectar un tratamiento u otro sobre esa sobre sobre esa enfermedad.

Entonces, muchos estudios eh hablan acerca de del desarrollo de este de gemelos digitales médicos en pacientes oncológicos. Entonces, eh por ejemplo, algún tipo de algún tipo de cáncer, modelar cómo es cómo el el tumor o las células eh con los datos que se tienen ahorita con la con la historia, ¿verdad? y no solamente la historia de esa digamos de ese tratamiento en específico, sino en general todo el panorama del paciente, pues permite eh permitiría estudiar cómo eh si se aplica un tratamiento u otro, ¿verdad? Si estimar, ¿verdad? Si el la efectividad sobre el sobre la enfermedad, ¿verdad? Si se va eh ustedes conocen más de los los términos los términos que yo, ¿verdad? Entonces, aquí me me disculpan un poquito, ¿verdad? Si va a disminuir el tamaño o si va a a, ¿verdad? Si si si va a a tomar una forma u u otra.

En términos generales, ¿verdad? Antes de continuar, el gemelo digital médico es va a ser el el paciente digital, ¿verdad? Sobre el cual vamos a modelar, vamos a a pues sí, ¿verdad? a a a tomar sus datos y modelarlos para para tomar para el objetivo principal es el desarrollo de tratamientos personalizados, ¿verdad? Porque en muchas literatura se habla de que eh, eso tiene esto tiene un un costo, ¿verdad? Yo yo le eh a mí me gusta decirle a los a mis estudiantes eh un dicho perigo no no hay almuerzo gratis, ¿verdad? Entonces, eh tiene también un costo de de de desarrollo. Entonces, e no en en la en la literatura nosotros podemos encontrar eh análisis donde e no se desarrollan, o sea, no es que todo el mundo lo esté desarrollando, eh, pero e donde se aplican tratamientos, digamos, pues genéricos o no voy a decir más tal vez masivo se ha se ha se ha equivocado el término, pero digamos digamos, pues sí, genéricos para para muchas personas. Entonces, eso habilita un tratamiento eh más personalizado o customizado, ¿verdad?, a la a la al padecimiento que tiene la persona en ese en ese momento.

Eh, ¿cómo logramos esto, verdad? ¿Cómo eh o o más bien qué tecnologías nos habilitan para eh el desarrollo de estos gemelos digitales? E entonces yo lo lo dividí en dos. E la primera, ¿verdad?, la parte de datos, como decía un profesor por ahí, eh sin datos no tenemos nada. Sin datos no no podemos hablar de de eh de ese tipo de tecnologías. Entonces, como como mencionábamos antes, eh los datos van a venir siendo todo el historial de la persona, eh laboratorio, exámenes de laboratorio, eh ultrasonidos, este toda la como dice ahí la parte de de genómica, diagnósticos previos, eh todo ese historial, ¿verdad? toda esa información que podemos recolectar de eh de la persona, incluso hasta hasta verdad, que están en una constante medición que de la presión arterial y y demás demás factores. Entonces, es básicamente, ¿verdad? En cuanto a la imagen que les les había les había colocado antes, eh, bueno, de la imagen que tenemos ahí es eso que encierra el círculo azul, ¿verdad? todo lo e esos datos eh que nos van a permitir modelar modelar el el el paciente. Entonces, como primera eh y como principal habilitador tenemos los tenemos esos datos, toda la información, ¿verdad? Aquí en la en la diapositiva apunto pues eh eh un poco, ¿verdad? No, no, no voy a a a decir que es todo porque eh ustedes como especialistas en eso pueden eh eh decir, ¿no?, ¿verdad? Falta eh algo más de información o verdad, todo esto es en general toda la información que podemos recolectar de una persona de su pasado, ¿verdad? los los datos actuales que nos permita modelar la pues su enfermedad y su respuesta a diversos tratamientos.

Eh, y como segundo componente la parte de inteligencia artificial, ¿verdad? El aquí el uso de eh la inteligencia artificial. Eh, nosotros, a mí me gusta hacer una una distinción de eh uno tal vez ahorita está tal vez un poco más acostumbrado a a entenderlo como todos estos lenguajes eh estos modelos grandes de lenguaje como CHGPT y así. Eso es inteligencia artificial generativa. Nosotros aquí podemos hacer uso de eso, ¿verdad? para como como se menciona ahí para fusionar datos. Cuando hablamos de fusionar datos es tomar todos esos datos que tenemos, imágenes, reportes, exámenes de laboratorio, ¿verdad? Todo tomar toda esa información y estructurarla porque en el campo en el que se desarrollan ustedes la información se dice que que esa información no estructurada, ¿verdad? Con eso nos referimos a que unas unas eh por un lado tenemos reportes, ¿verdad?, de un un examen de sangre o exámenes de sangre. Por por otro lado están imágenes, eh resonancias, ¿verdad? Y las imágenes van a variar porque no es es diferente un ultrasonido a una placa, eh, ¿verdad? Entonces, interpretar todo eso y unir la información, eso eh va a ser una tarea pues un poco demandante en el sentido de eh si lo tuviéramos que hacer de forma manual va a ser este, ¿verdad? Analizar muchos muchos factores. Y hecho aquí, ¿verdad? Como tal vez se ha escuchado mucho, no es tanto desplazar al doctor, sino dar estas herramientas o al experto en salud, perdón. sino eh desarrollar estas herramientas para eh agilizar o para ayudarle en esa toma de de decisiones.

Entonces, el uso de la parte de inteligencia artificial acá viene siendo sobre eh tanto la construcción de los datos para el desarrollo de ese paciente y la interpretación de los de los resultados. Otras herramientas que tenemos, ¿verdad?, siguiendo con la misma eh con la misma línea. Otras otras herramientas que tenemos acá tal vez un poco eh los un un poco más un poco más técnico, pero eh eh igual igualmente se las eh me gustaría mencionarlas es el uso de eh e diferentes algoritmos de inteligencia artificial como son como son redes neuronales que hay de diferentes tipos. El primero que dice CNN son redes neuronarias convolucionales, es el término largo y y técnico, por así decirlo, que se utilizan para eh el reconocimiento y detección de eh elementos en una imagen eh o lo que nosotros queremos identificar en una en una imagen, ¿verdad? Por ejemplo, identificar en una imagen si es eh hay muchos casos donde dice una foto un lunar, ¿verdad? saber si es eh benigno o maligno. Eh, el siguiente que dice RNN son eh otro tipo de redes normales que nos ayuda a contemplar la parte temporal. Cuando cuando analizamos una imagen es una eh una foto, ¿verdad?, de un momento específico, pero este otro tipo de eh de algoritmos nos permiten analizar la evolución en el tiempo de de diferentes imágenes, ¿verdad? Si yo tengo si no si tengo solamente una imagen, pues, ¿verdad? Va a ser un poco limitada la conclusión, pero si tenemos diferentes imágenes, ¿verdad?, de en el pasado, ¿verdad?, de digamos diferentes meses atrás mediante estas redes podemos podemos eh ver el avance o ver la cómo ha sido esa evolución, ¿verdad? Añadirle la parte de tiempo, ¿verdad?, al al asunto.

Eh, luego tenemos cuando hablamos de modelos generativos, eh, es principalmente para eh esto que apunto acá que se llaman datos sintéticos. Siempre eh la eficiencia de todos estos algoritmos va a depender de los datos, ¿verdad? De cuántos datos tenemos para poder eh concluir algo, ¿verdad? a un final. Eh, nosotros lo que queremos es un modelo de inteligencia artificial que pueda generalizar eh y ayudarnos a a tomar conclusiones. Entonces, cuando hablamos de generalizar eso, volviendo a la imagen de o a la al ejemplo que les colocaba del del lunar, por ejemplo, yo tengo que enseñarle un montón de imágenes de lunares, ¿verdad? de decir que es un lunar bueno y que es un lunar un lunar malo y un montón de imágenes de lugar de lunares malos para que cuando le presente una nueva imagen, ¿verdad?, que no ha visto, como por ejemplo cuando estudiamos para un examen, ¿verdad? Eh, estudiamos con ejercicios resueltos, pero a la hora del examen tenemos un ejercicio nuevo. Igual pasa con estos modelos de de aprendizaje. Entonces, la parte de datos siempre va a ser importante. Entre más datos tengamos va a ser mejor para con para para pues, ¿verdad?, que que sea más robusto la conclusión. Entonces, cuando hablamos de modelos generativos es generar datos sintéticos o datos eh digitales que igual van a tener van a estar basados en componentes reales, pero nos permiten aumentar esa cantidad de datos para eh potenciar la el el análisis de nuestra red y por y eh el uso de eh modelos grandes de lenguaje o lls para la extracción de la información, ¿verdad? cuando hablamos de eh estructurar la información, pero tomar toda esa eh tenemos difer en esta parte de salud vemos que tenemos diferentes fuentes de datos, ¿verdad? examen, como hablábamos, imágenes, exámenes de laboratorio, entonces tomar toda esa información y estructurarla para eh e ver la la llegar a esa parte de toma de decisiones. Y por último, la parte de interpretabilidad se refiere a es todo una gran una gran área de la parte inteligencia artificial donde eh estudia por qué, por ejemplo, verdad, si yo le enseñé, volviendo al al ejemplo de de la del lunar, si yo le enseñé una imagen y la y el modelo de inteligencia artifícia concluyó que era benigno, bueno, ¿por qué? ¿Verdad? ¿Que que cuál fue por por qué concluyó que era benigno? ¿Verdad? ¿Qué razón estuvo para para concluir eso? Entonces, nos ayuda también a robustecer esa esa eh la la las decisiones, ¿verdad? el el que la la las conclusiones que va que va a tomar la la nuestro modelo e para continuar por acá un poquito la eh un un poco con la con los retos, ¿verdad? de la le puse le pusimos adopción clínica, pero en general puede podemos verlo como en en general la retos en general para la la adopción de estas tecnologías.

Eh, cuando hablamos de de interoperabilidad, nos hablamos de que eh si queremos pues eh los equipos que tenemos vienen de diferentes fabricantes, unos son más modernos, otros son un poquito más eh de de un poco más años atrás. Entonces, ¿cómo hacemos que todos ellos hablen, verdad, el mismo eh el mismo idioma para que se puedan conectar o para poder extraer la información? La gobernanza de datos tiene que ver con la privacidad, ¿verdad? Estamos hablando aquí el tema pues y principal es que estamos hablando sobre personas, ¿verdad? Entonces, cómo salvaguardamos, ¿verdad? Como toda la parte del tratamiento de los datos, ¿verdad? De la la privacidad de esa de esa información, la validación clínica y generalización, ¿verdad? Super importante. Aquí es donde eh e se necesita el acompañamiento de profesionales, ¿verdad? Porque eh un alguien que sabe programar una red neuronal muy posiblemente no es médico, ¿verdad? Entonces se necesita o o de algún área de de salud, ¿verdad? Entonces, eh se necesita esa validación, ¿verdad? decirle, "No, eso eso eh falta o o la decisión que tomó la la el modelo no es adecuado por esto y esto, ¿verdad?" Entonces, eh se ocupa de esa, ¿verdad?, de eh para la para se ocupa esa validación tanto para el resultados finales como en las primeras etapas, ¿verdad? nosotros comenzamos levantando eh datas o conjuntos de datos que son los que permiten entrenar estos modelos de inteligencia artificial. Entonces, eh volviendo, ¿verdad?, ahí aquí al al al ejemplo que les colocaba sobre sobre el lunar, eh no se trata solamente de tomar un montón de fotos o imágenes de lunares, porque alguien que no es eh experto, ¿verdad?, en el área de salud, eh, no va a poder identificar que es un lunar bueno un lunar malo, eso es trabajo de una de de del profesional correspondiente. Entonces, se necesita esa validación decir, sí, eh una un experto que diga, "Sí, esto es un lunar bueno, esto es un lunar malo." Eh, y por supuesto la parte del desarrollo coste, la infraestructura y la operación, el deployment de estos eh de estos modelos para que puedan pues este operar, ¿verdad? Por un por un lado tenemos eh podemos identificar dos estados, ¿verdad? El estado en desarrollo, cuando el modelo está siendo pues desarrollado, valga la redundancia, y cuando ya estamos seguros o o de de que está funcionando, entonces eh se hace el deployment, ¿verdad? O el el el despliegue de este modelo para que pueda eh funcionar como una aplicación.

Y para para concluir y dar el espacio de la de de las preguntas, eh, en cuanto al desarrollo de gomelos digitales, ¿verdad?, nos habilita la como como reflexiones finales, nos habilita que podemos este desarrollar tratamientos personalizados para para un determinado para un determinado paciente que puede que puede traer beneficios, ¿verdad? Aquí todo es todo son probabilidad, ¿verdad? Puede traer beneficios en eh el tratamiento de su enfermedad, ¿verdad? de de de desarrollar algo personalizado para él. En cuanto al el yo la las dividí así en la parte de gemelo digital en cuanto el papel de la inteligencia artificial potencia el desarrollo de todo esto, pero final tenemos un montón de datos y datos no estructurados. Entonces, aquí es donde juega un papel importante la inteligencia artificial en estructurar esos datos y poderlos analizar para eh y ayudarnos a en este caso a a a ustedes como expertos en en salud eh a tomar, ¿verdad?, de no solamente a a a ayudarles en o a dar soporte en esa toma de de decisiones y por supuesto sobre esa esos modelos que hablamos como como veníamos veníamos este hablando eh ocupan ser entrenados con datos y los datos provienen de una persona, de un paciente. Entonces, es importante tomar en cuenta en el desarrollo de todo es de todos estos modelos esa protección de la de la de la información. Y es muchas gracias a todos por su atención. Aquí les les dejo mi correo sin cualquier cosa que yo les pueda colaborar. Eh, y muchas gracias de nuevo por el espacio. Muchas gracias al doctor David Alfaro Viíquez por su intervención bastante interesante el día de hoy. Vamos a dar paso a dos preguntas que tenemos pues del lado de allá para que le hagan al doctor, buenos días. Mi pregunta es, ¿en qué área de la salud se ha demostrado mayor impacto el uso de gemelos digitales? Por ejemplo, en cuidados intensivos, cirugía, rehabilitación, ¿en cuál?

Okay. Eh, buenos días, muchas, muchas gracias por la pregunta. Eh, bueno, yo aquí la mayoría de investig de de papers que estuve estudiando lo que demuestran es en la en el desarrollo o la implementación de esas tecnologías en la parte de oncología, ver el la evolución de pues un cáncer, un tumor, ¿verdad? modelar esa ese enfermedad, ¿verdad? No sé si si el término si lo estoy diciendo así de forma correcta, pero modelar esa esa enfermedad y el tratamiento sobre sobre esa enfermedad. E específicamente sí, la mayoría la la gran mayoría de las de las investigaciones han sido los he visto mucho en pacientes en tratamientos oncológicos.

Pregunta. Me ayuda, por favor, con la siguiente pregunta a las compañeras que están de protocolo. Hola, buenos días. Este, mi pregunta es, ¿qué desafíos éticos y de privacidad existen al crear réplicas digitales de los pacientes?

Okay, muchas gracias. Eh, es e en cuanto a los desafíos va a venir siendo sobre la protección de los datos, ¿verdad? como eh cuando nosotros hablamos de los datos hay todo un panorama eh muy grande en cuanto a eso, desde cómo se recolecta la información, cómo se almacena la información eh y cuánto tiempo va a estar la información almacenada, eh cómo se el la destrucción de esa de esa información cuando ya no se va cuando ya no se va a ocupar y quién es el responsable. able de esos datos, ¿verdad? O sea, ¿quién es el responsable de todo todo este proceso? Eh, todo esto, ¿verdad?, que que estaba estábamos hablando eh pues hay un componente de software muy grande, ¿verdad?, en el desarrollo de de estas aplicaciones, ¿verdad? hay mucho eh digamos de programación acá presente. Entonces muchos retos eh tienen que ver desde no no lo no lo no lo mencioné en la presentación, pero lo considero un poco más más técnico en la parte de software, pero nosotros acá igual que como cuando se hace una casa que se empieza por planos, ¿verdad? por una arquitectura de la casa y igualmente una una aplicación de de software. Eh, se desarrolla una arquitectura que que se compone de todos los módulos, todos los elementos y cómo se conectan esos elementos entre entre ellos. Entonces, es contemplar desde ahí la parte de eh de seguridad de la información, ¿verdad?, con herramientas o con o con prácticas de desarrollo seguro de software para prevenir, ¿verdad?, todo eh posibles desde eh vamos a decir, verdad, de tal vez nos metemos aquí un poco en la parte de ciberseguridad, pero desde la parte de hackeo, ¿verdad?, o o garantizar de que nadie más va a poder accesar a esa información, ¿verdad? que solamente el paciente y y el doctor que está en ese que está en ese momento, nadie más del del sistema, ¿verdad? Todo eso viene bien viene siendo eh desde la parte de verdad, como hablamos de los datos, eh roles, ¿verdad? No solamente en cuanto a los datos, también existen muchos muchos eh digamos elementos, ¿verdad? lo lo o muchos otros roles, no solamente el dueño del el dueño de los datos, que no no es no no es el dueño como tal de la información, sino el encargado de la de la información. Hay otros eh hay diferentes roles, ¿verdad? ¿Quién quién puede eh eliminarla? ¿Quién puede accesar quiénes pueden accesar esa información? Entonces, para puntualizar un poquito está desde eso, ¿verdad? Desde cómo se eh todo lo que tiene, todo lo que gira alrededor de los datos, cómo se recolectan y todo lo que lo que los roles, ¿verdad? la en de la gente que tiene o sí la gente que tiene que ver con los con la información y también desde la parte de la de la aplicación, ¿verdad? Cómo eh considerar elementos de desarrollo de seguro de software para el desarrollo de aplicaciones para evitar eh o para garantizar, ¿verdad?, la parte de privacidad, integridad, confiabilidad de la de la información.

Propuesta. Eh, bueno, en nombre de todos los presentes agradecemos este este compartir de su experiencia, de inspirarnos por seguir explorando todas estas innovaciones digitales dentro del ámbito de la salud. De verdad ha sido un honor poder escuchar su intervención. Eh, muchísimas gracias nuevamente. Eh, un aplauso, por favor, para el doctor y vamos a dar paso. Muchísimas gracias. Listo. Vamos a dar paso a la siguiente intervención a cargo de la doctora Melisa Villavicencio Santos. Recordamos a los estudiantes que estamos en una jornada académica que tiene eh pues contabilizada la asistencia. y que va a servir pues para sus futuras tareas el día de hoy. Damos la bienvenida a la doctora Melisa Villavicencio. Ella es fisioterapeuta con más de 15 años de experiencia en el área de la rehabilitación física y la neurorehabilitación. fundadora y directora de dos centros especializados en terapia física y terapia diamagnética, dedicados a la recuperación integral de pacientes con patologías neuromuscoesqueléticas y neurológicas. Ella es apasionada por la innovación en tratamientos con enfoque en protocolos personalizados para mejorar la calidad de vida de cada paciente. Recibimos con un fuerte aplauso a la doctora Melisa Villicencio. Bienvenida.

Buenos días con todos. Eh, qué gusto poder estar aquí con ustedes. Antes de empezar, eh, quiero darles un agradecimiento a la doctora Moxerrada Busamante, que aparte de ser mi paciente, es mi amiga y ha apostado porque este tema sirva para todos ustedes como parte del aprendizaje académico. Como entes de salud sabemos que el estar sentados mucho tiempo hace que nuestro cerebro se desconecte de la mente. Así que del cuerpo, por favor, quiero que dejen un ratito el celular y separen todos. Separen, estiren un poquito los brazos, la espalda. Están casi que los veo ahí ya con ganas de dormir, tienen hambre, sed. Y les digo y les digo algo, muevan un poquito los brazos, levántenlo, levanten los brazos, estiren como que quieren sacar esa columna lo más que puedan. Respiren y por favor, por favor, esos minutos que est yo aquí, eh, he dejado todas mis labores rutinarias para poder dedicárselos. Espero que les sirva, espero que estén atentos y sean parte eh de su aprendizaje. Eh, siéntesen, por favor, y dejen un ratito el celular, chicos, por favor, un ratito para que presten atención.

Okay, como les decía, les decían en mi presentación, yo tengo muchos años ya de experiencia en el en el ámbito de la rehabilitación física, pero por sobre todo por esas ganas de avanzar y no quedarme en el mismo sitio y ser parte solamente de un título y no buscar más allá de qué hacer y marcar la diferencia en mi proceso. proceso de eh profesional. Me he ido más allá en estudiar la neurorehabilitación, la rehabilitación deportiva, eh la rehabilitación gerentológica que me apasiona, pero también me he especializado en buscar qué herramientas me permiten a mí como fisioterapeuta irme más allá del electrodo, de la compresa, del láser, del ultrasonido, que sí son herramientas válidas y que nos sirven mucho en en el campo de la rehabilitación, pero que si nos ponemos a investigar más, el mundo sigue avanzando, la tecnología sigue avanzando, las herramientas como la IA, que nos ha permitido en muchos casos pues hacer mejores programas y protocolos de tratamiento, también nos induce a esto, a buscar la innovación en la aplicación de la tecnología, en este caso la diamagnética.

¿Cuáles son los objetivos de esta charla? Sobre todo que ustedes conozcan los fundamentos en que se basa esta tecnología, comprender qué hace esta herramienta que la van a la van a ver más adelante, qué hace y por qué me apasiona tanto poder hablar de ella. Porque no solamente ha cambiado mi vida como profesional, sino la vida de las personas que la han usado. Es una tecnología que eh al comprender su funcionamiento y de y poder identificar qué patologías y qué pacientes las pueden usar, es de gran herramienta, sobre todo para evitar cirugías, cirugías que pueden ser muy complejas y pueden tener una rehabilitación mucho más prolongada. También esta tec esta esta este uno de los objetivos es poder analizar con ustedes qué es qué tan eficaz puede ser esta tecnología al momento de poderla tener o poderla eh experimentar y también promover esta visión integral de que no solamente nos podemos quedaros con lo que ya tenemos, sino buscar más allá de las herramientas para poder salir adelante con un paciente.

Aquí les voy a hablar de qué es la CTU Mega 20. No sé si alguno de ustedes ya ha escuchado hablar de esta herramienta tecnológica. Alguien que pueda levantar la mano y decir, "¿La ha visto? ¿La ha escuchado?" Nadie. Bueno, esta es una bomba diamagnética que de alta potencia. tiene dos Teslas de potencia como un resonador magnético, pero es una eh frecuencia variable que nos permite crear un cambio, un un campo magnético para tener un cambio biológico dentro de una célula célula del tejido que quiera yo recuperar o regenerar. Esto me va a permitir no solamente desinflamar, mover líquido, sino estimular células diferenciadas, ya sea del tejido nervioso, muscular, cartílago, hueso y piel. Entonces nos da la Zeg20 nos da un efecto terapéutico profundo que no es invasivo y que no produce dolor. Esta tecnología nos permite eh basado en los principios de la diamagnética, poder movilizar o reducir inflamaciones, edemas, hematomas, ya sean agudos, suagudos o crónicos, sin afectar eh otros otras estructuras del cuerpo. nos permite regenerar tejidos a nivel de la bioestimulación de la membrana celular de una célula y reducir en tiempo récord la inflamación y por ende bajar el dolor. Esta actúa en zonas específicas o en zonas más amplias, si así lo deseamos, porque la tecnología no las da y también nos va a ayudar a acelerar el tiempo de recuperación de un paciente, ya sea pre o postquirúrgico, para poder ayudarlo a rehabilitar.

Esto es una de las partes más importantes de los que quiero que ustedes eh puedan ver, que es el fundamento científico. ¿En qué se basa el efecto diamagnético? Se basa en la capacidad de ciertos materiales biológicos de repeler los campos magnéticos. Es decir, nosotros somos una composición corporal de más del 80% de agua. Esta onda diamagnética va a estimular la parte eh líquida y fluida de los tejidos, donde va a favorecer la regeneración tisular y celular de los mismos. Es esta acción va a permitir que la terapia sea completamente indolora, no genera calor, no es invasiva, por lo que resulta seguida, segura para tejidos sensibles. Por ejemplo, personas que tienen laceraciones o eh problemas en la piel que no se puede tocar. Como estamos viendo en pantalla, hay un músculo grande del cuerpo que es el cuádrices que se está trabajando en una rotura fibrilar y se puede con eh tener contacto, pero si esta piel estuviera quemada o estuviera con una escara, el mango de la máquina se lo podría poner fácilmente sobre la sobre la gasa o sobre la ropa que tuviera el paciente sin ningún problema.

Okay, aquí vamos a ver cómo se mueve el cómo se mueve el tejido. Si lo puedes poner el video, ¿cómo se mueve el tejido? ¿Cómo recepta la onda a nivel celular? No sé si puede se puede generar el video cómo la onda llega a la membrana celular y puede estimular la capacidad de absorción de la onda. Sí, tienen. Ah, okay, okay. Ya, ya. Pero es un link, estaba en un link. Okay. Bueno, si ven ustedes los e los las pintitas color naranja son la estimulación que causa el efecto diamagnético y esta es, lamentablemente no se puede ver el video, pero la onda penetra hasta por 7 cm debajo de la piel, es decir, puedo llegar a un tejido profundo eh que esté muy dañado, sobre todo en una rotura muscular o en un una acumulación de líquidos como un edema. Puedes pasar la otra ahí.

Okay. ¿Qué patologías podemos tratar en esta en esta eh con la máquina? Todas las todos los problemas neuropáticos a nivel eh músculoesqueléticos, lesiones, tendinopatías, lesiones musculares, contracturas, todas las itis, bursitis, tendinitis, epicondilitis, pero también artrosis, artritis y problemas de columna como hernias discales o protruiones. La máquina tiene a nivel de los discos intervertebrales la capacidad de poder rehidratar el disco y evitar que el paciente pueda entrar a una cirugía. Un ejemplo, un paciente hipertenso, diabético, con un síndrome metabólico o con otras patologías asociadas, con un problema cardíaco, que no pueda someterse a una cirugía, la máquina es una herramienta muy útil para evitar la cirugía en este paciente. Algo pasa con las Ahí está.

Bueno, los los beneficios terapéuticos que ayudan a desinflamar a una a un tiempo más más rápido, a una absorción rápido del edema. también estimula mucho los tejidos para mejorar la movilidad y como les decía, pues es un método seguro. Generalmente nosotros decimos que en la rehabilitación física las máquinas son un complemento. nuestra experticia como fisioterapeutas y eso para todos los que están estudiando no solamente la rehabilitación física, sino los las demás carreras, es que en la práctica es donde vamos a ver realmente qué protocolos de tratamientos podemos eh implementar y mejorar de acuerdo a cada paciente. Cada persona es un mundo y reacciona a respuestas diferentes. Un paciente que tiene hipersensibilidad o que tiene otras patologías asociadas, no es lo mismo que un deportista y por ende no me va a reaccionar igual con un electroestimulador o con una compresa caliente o con una compresa fría. Hay que tener criterios para poner o para poder eh hacer que un protocolo funcione, desde dónde parte para poder eh usar la máquina o cualquiera herramienta desde una buena valoración física clínica, que siempre sea acompañado del médico especialista y que tengan seguro que es el diagnóstico cuál por el cual están tratando y dando este protocolo de tratamiento. Muchos de los muchos de los eh pacientes que llegan a consulta vienen con dolor ya crónico, es decir, no es una patología reciente, por lo que vamos a tener que valorarlo bien para poder aplicar este uso de la bomba diamagnética.

Casos reales, eh, no sé porque tampoco las imágenes que he traído se las no se las puede aplicar. Pero teníamos muchas imágenes de todo lo que se ha podido conseguir, sobre todo en pocas sesiones. Si ven en una tendinopatía crónica del tendón de Aquiles, que es el que nos permite la marcha, solo en tres sesiones el paciente pudo recuperar hasta el 80% de su función completa. en una gonartrosis con derrame articular, una persona con artrosis de rodilla y con limitación severa que generalmente está propensa a una prótesis o a tratamiento farmacológico fuerte, pudo rehabilitarse en cinco sesiones con mejorar el rango articular. Y esto es importantísimo para las personas que damos este tipo de servicio, poder darle al paciente calidad en recuperación y en tiempo. en una fractura posquirúrgica de columna lumbar, donde esta fractura tiene aditamentos como barras y tornillos de titanio, la máquina pudo ayudar a reducir el edema en un 90% desde la primera sesión, cosa que el paciente mejoró la movilidad y pudo eh hacer los ejercicios de rehabilitación con mucha más independencia. que es lo que se se aspira en los casos de de la rehabilitación.

Hay otros, ahí están las imágenes, por favor, si las puede me pueden ayudar. están las imágenes de las evidencias del tratamiento. Eso más adelante, por favor, más adelante. Eso. Este es un paciente amputado con moñón eh proxim distal de del miembro inferior derecho con una patología asociada que es la diabetes y no podía cicatrizar la herida. Entonces, al no poder cicatrizar no podíamos hacer movilidad y no lo podíamos preparar para la prótesis. En este caso, el paciente tuvo tres sesiones una vez por semana y la cicatrización sin ponerle ningún eh medicamento fue efectiva. El paciente actualmente eh maneja su prótesis sin ningún problema. A a su parte en la parte de la columna, la anterior, por favor. Podemos ver a nivel de la lumbar eh cinco y la primera ácara, una hernia discal que está topando médula y que ya tenía un efecto secundario en el paciente, que era no poder caminar, eh, no tener la sensibilidad correcta en su pie derecho y no poder mover. Entonces, después eh de 20 semanas, una vez por semana de sesión de la bomba diamagnética, podemos ver en el otro lado el disco rehidratado y la hernia absorbida, es decir, una desinflamación de un tejido que generalmente es solo quirúrgico. Todos los pacientes, y aquí quiero hacer una una explicación breve, ¿no? Todos los pacientes califican para la máquina en casos de hernias discales. ¿Por qué? Porque hay pacientes que ya que no solamente tienen la hernia discal, sino que ya no tienen espacio. Tiene una estenosis de discos, es decir, ya de vértebras, perdón, ya no hay disco. Entonces eso de ahí ya amerita una cirugía. Pero si el paciente tiene factores como eh que son eh para su recuperación válidos, como la edad, como el tiempo que tiene la patología y si tiene una buena musculatura y es activo, la máquina puede actuar de mejor manera.

Aquí vemos un paciente que está encamado por mucho tiempo con eh problemas de escaras a nivel de su eh de sus pies. Un paciente que tuvo un accidente en moto y quedó con una lesión severa cerebral. sus cambios posturales no permitían tener una buena fluidez y a nivel distal su pie quedaron eh sus talones sobre todo y sus tendones comenzaron a deformarse y a tener este tipo de de llagas y escaras que no permitían una buena eh vascularización a sus miembros inferiores. Entonces, en su mismo inferior, como vemos en la última imagen, está casi cicatrizado y el paciente, aunque no puede mover su miembro inferior, pues se puede movilizar de mejor manera el segmento corporal en la rehabilitación. Este es otro paciente que aparte de tener eh un problema vascular, tiene un linfedema. Con esta eh con este problema de cicatrización, la vascularización también es un tejido que e o un de los eh factores que la máquina puede trabajar y ayudar. Esta es una paciente que tiene un postparto y tiene una diástasis abdominal que le provoca eh una musculatura muy débil a nivel abdominal y por ende otros problemas que a ella le había causado en este caso tenía un poco de reflujo, dolor muscular y después de una sesión, solamente una sesión con la máquina la inflamación de estos tejidos bajó. Hay que seguir haciendo un trabajo hipopresivo de fortalecimiento abdominal, pero fue muy satisfactorio ver como esta paciente pudo mejorar en una sola sesión. Después de cinco sesiones de la máquina, la paciente tenía un músculo muy eh fuerte. Aquí vemos también otro otro caso de hernia discal. podemos ver eh donde está la protrución y en el otro lado donde ya está reabsorbida y rehidratado el disco. Y en la otra imagen tenemos un un paciente que tiene 78 años con una artrosis severa de rodilla que ya no tenía con nada de espacio entre eh hueso y hueso y el cartílago totalmente generado. En 12 sesiones de máquina, una vez por semana, el cartílago mejoró la parte de la del borde y nos aperturó un poco el espacio y con esto hemos podido trabajar en hidroterapia, en piscina para mejorar la movilidad. El paciente dejó el andador y ahora usa un bastón, se moviliza por sí solo. Entonces, al recuperar un paciente, la independencia también mejora su calidad de vida y su parte emocional. Ese ya lo habíamos visto.

Mira, [música] aquí se puede observar como la onda penetra sobre la piel hasta un tejido profundo hasta hasta 7 cm por debajo de la piel. Podemos ver cómo llega aquí. Yo creo que sí podemos ver la otra imagen, cómo la onda puede estimular las células a nivel eh mitocondrial y permitir que la eh tenga una la fuente de energía que es la mitocondria en las células pueda tener una respuesta más rápida a la a la regeneración. Es el otro, eh, cómo se va implantando o cómo la onda va estimulando los tejidos a nivel celular donde ninguna otra máquina llega a para esto. Ya vimos estos casos reales.

Vamos a hablar un poquito de lo que significa la máquina, la bomba diamagnética. Yo les cuento un poquito. La bomba diamagnética tiene 9 años de estudio desde que fue eh creada por dos científicos italianos. Esta máquina es hecha en Suiza, en Lugano. Exactamente. Ustedes pueden entrar en YouTube, ver en redes sociales, también buscarla como bomba diamagnética y ver toda la capacidad que tiene esta máquina que en Europa, en Canadá, a nivel de Latinoamérica está casi en la mayoría de los países. En Ecuador es una tecnología que está desde 2023 y somos pocos los fisioterapeutas que tenemos la bendición, digo yo, siempre de tenerla porque es una herramienta que ha contribuido a acelerar los procesos de recuperación de nuestros pacientes. Esta máquina representa una revolución en fisioterapia al combinar la ciencia, la tecnología y la práctica clínica, pero sin dejar de lado de ser el ser humano como tal, ser empático con el paciente. Cada paciente es un mundo y necesita de nuestra calidad y calidez como profesionales de la salud. La en fisioterapia nosotros tenemos que integrar las tecnologías eh en en nuestro campo como van avanzando, ir más allá, no quedarnos con lo que tenemos, sino ir buscando qué más, qué herramientas podemos ofrecer para que poder marcar una diferencia y ser profesionales de calidad.

Otra eh un mensaje final que quiero dejarles es que la fisioterapia del futuro se construye hoy combinando el conocimiento anatómico, el razonamiento clínico y la tecnología de vanguardia. Esta máquina, la CTU, no solamente es una eh una máquina, sino es una herramienta para amplificar nuestro potencial terapéutico, sobre todo si nosotros como entes en salud seguimos capacitándonos y recordando todo lo que vimos en aulas cada día. No solamente ahora que tenemos estas herramientas debemos tener, sino repasar lo que ya hemos aprendido, sobre todo en anatomía, neuroanatomía y todas las lesiones o patologías que vamos viendo a diario en consulta. Muchas gracias por haber prestado atención a esta charla. Si tienen alguna pregunta. [aplausos]

Hola, muy buenos días, doctora, y muy buenos días, compañeros. Este, yo quisiera preguntar, ¿cuáles son las precauciones específicas que se deben tomar al utilizar la CTU Mega 20 en pacientes embarazadas, considerando la posible exposición del feto a los campos magnéticos expulsados y cómo se puede evaluar el riesgo y beneficio en este grupo de pacientes, especialmente en el primer trimestre del embarazo? Gracias.

Es una pregunta muy importante y es algo que creo que no estábamos eh no está en la información y es las contraindicaciones o las personas que no pueden usar la máquina. Sobre las mujeres embarazadas no pueden usar la máquina en ninguno de los trimestres.

del embarazo. Personas que tienen marcapasos o que tienen problema de trombocitropenia o de formación de coágulos o trombos no pueden usar la máquina. También personas que tienen cáncer o están en un tratamiento de quimio o radioterapia, no pueden usarlo. Sí.

Otra pregunta tiene. Muy buenas tardes. ¿En qué se diferencia la bomba magnética de la diatermia por onda corta en términos de profundidad de penetración?

Okay. Nuestra máquina tiene eh dos Teslas de potencia y tiene muy bajo magnetismo, es decir, la diamagnética que se diferencia de la del magnetismo normal porque tiene muy baja intensidad. Esta regula los campos magnéticos por bioestimulación, es decir, por los líquidos que encuentra. En cambio, cuando nosotros usamos, por ejemplo, ondas bajas como el ultrasonido, son eh ondas que van hasta 3 cm por debajo de la piel. Muy poca eh muy poco llega a los tejidos profundos como el hueso o el cartílago. La diatermia que tiene tanto la bomba de magnética como con cualquier otro equipo es la diferencia de profundidad. ¿Cómo la vamos a utilizar? va a depender del tejido o de la patología que queremos tratar. Sí.

¿Otra pregunta? Buenas tardes, buenos días. Bueno, este, ya me quitaron las preguntas, pero buenas preguntas las estudiantes. Eh, ya lo que me queda, eh, yo particularmente tengo una lesión de ligamiento cruzado anterior, me llamó demasiado la atención y también en cuanto a hernias en la columna. Eh, obviamente es diferente la magnetoterapia, acaba de decir normal con la parte de la bio la diamagné diamagnética. En cuanto a lesiones de ligamento cruzado anterior, sabemos o sé que tengo una lesión que probablemente tenga un proceso de artrosis porque ya no soy el mismo, sí está indicado normally esto diferente de la magnetoterapia o puede ir en conjunto o debería ser el método ideal para poder recuperarme un poco más rápido, sabiendo que el ligamento cruzado anterior es difícil que te vaya, bueno, es más quirúrgico la la resolución, entonces va en es el ideal o reemplaza la magnetoterapia como tal.

Okay. A ver, mira, una un una aclaración muy importante siempre es valorar al paciente. No todas las lesiones de ligamentos son operablas operables. Cuando está totalmente descontinuada la fibra es una operación. Aunque en Europa, en los en los últimos estudios que se ha realizado, eh han podido eh tener pacientes que aún teniendo el ligamento cruzado anterior o posterior roto, con una inmovilización en semiflexión por un tiempo prolongado, el ligamento tiene la capacidad de regenerarse. La máquina cuando se usa en nuestras consultas, nosotros no es que hemos dejado aparte los los métodos convencionales como la magnetoterapia, el ultrasonido, el láser, todo lo contrario, la potencializamos. Sí. Cuando un en tu caso específico que hay una lesión de ligamentos, hay que identificar si realmente está roto, descontinuado o es una distensión de ligamentos que puede estar que puede causar un desgaste o una deshidratación de la cápsula sinovial de la articulación. En este caso, la bomba diamagnética no solamente trabajaría el ligamento, sino que también trabaja todas las otras estructuras de la rodilla. Y es lo que pasa eh con todas las otras patologías que yo he visto. Por ejemplo, un paciente con un hombro congelado, un hombro doloroso, crónico, de edad avanzada, que solamente el tratamiento años atrás era quirúrgico y que no quedaba 100%. Podemos ver que es trabajando toda la estructura, pero aparte los el protocolo de ejercicios, la educación del paciente a nivel de higiene postural contribuyan a que ese paciente no tenga que entrar a cirugía. Y como les decía a la a la señorita que que me hacía la pregunta, no todos los pacientes eh se en todos los pacientes se puede usar, pero sí hay que valorar con imágenes de la mano del especialista, teniendo en cuenta la cronicidad de la lesión y así en muchas lesiones. Hay personas, por ejemplo, que tienen osteopenia, osteoporosis, eh que tienen eh daños de cartílago o genéticamente predisposición a la artritis o a la artrosis. son pacientes que son actos para la máquina, sobre todo, como yo siempre digo en mi lema de trabajo, si yo leo la calidad de vida a un paciente, no es en vano que estoy aquí.

¿Tienen alguna pregunta más? Buenos días. Eh, la bomba magnética puede reemplazar a la de radiofrecuencia en manejo del dolor crónico.

La bomba diamagnética es una herramienta, como les dije, que nos sirve para regenerar tejidos. Cuando un paciente, como ustedes saben, aquí o en todos lugares, es el boca a boca, si me curó, le avisas a otra persona, ¿no?, verdad. O le dices, "Anda, ya, que allá me curaron." Entonces, yo siempre digo al paciente algo, yo nunca vendo un tratamiento, sea con la bomba o no, que le que yo te pueda decir, te quito el dolor, porque el dolor es manifestación de nuestro cuerpo. Cuando uso la bomba diamagnética, el es para regenerar, es decir, primero lo primero que se hace es la movilidad de líquidos, desinflamar. Cuando tú desinflamas, el dolor cede. Sí. Otra de las cosas importantes que me ha ha contribuido la máquina en los protocolos de tratamiento es que no tengo nada en contra de la parte farmacológica porque ayuda muchísimo, pero entre menos medicina farmacológica le dé al paciente, lo voy a cuidar su sus otros sistemas. ¿Sí?

¿Otra pregunta o está todo claro? Sí. Muchas gracias. Agradecemos la presencia de la doctora Melisa Villavicencio y vamos a hacer la entrega, Dr. Rody Camposano, va a hacer la entrega de su certificado a la doctora. Nuevamente un fuerte aplauso para ella. Excelente intervención. [aplausos]

Bueno, nos vamos a preparar para una fotografía final. Eh, invitamos a todos los presentes colocarse de pie para tomar la fotografía ahí en sus puestos. No nos movemos. Estamos culminando la primera parte de esta jornada académica. Invitamos a los estudiantes colocarse de manera correcta mirando al frente. Ya vamos a hacer dos cosas ya. Una con la cámara y otra con el celular. Vamosamos. Uno, dos, tres. Perfecto. Otra más y voy por atrás. 1, dos, tres. Ya se mueva. Perfecto. Un, dos, tres. Ajá. Un, dos y tres. Tiene video. Pueden saludar todos lados. Uno, dos y tres. Perfecto. Listo. Gracias. Muchas gracias a todos por su presencia. Los esperamos en la segunda parte de esta jornada académica a las 14 horas. Recordemos que debemos mantener el orden y el respeto. Gracias.

El que usted se registre a estas jornadas también implica en la asistencia a clases, así que por favor si no tienen eh internet. Está la red con la contraseña aquí arriba. Miguelit. Ah, ya ya vamos a a arreglar este detalle del cuerro. Ya es que no no les coge. Van a llamar a asistente. No, no tengo para proyectar allá atrás. Yes. oamos. Ya.

Bueno, hasta que podamos arreglar un poquito el tema técnico del QR, voy a hacer la presentación de eh el ponente de esta tarde. Primero que nada, quiero darles la bienvenida a esta segunda jornada internacional de actualización en Ciencias de la Salud del año 2025. Les mencionaba que esta es una jornada académica y tenemos que estar muy atentos a lo que nuestros ponentes también tienen para compartirnos. Les aseguro que son temas bastante interesantes y de actualidad. Damos la cordial bienvenida al Dr. Leonel Vázquez Ceballos. Él es ingeniero eh PhD en ingeniería biométrica, especializado en simulación médica, telemedicina e inteligencia artificial aplicada en la salud. Él se desempeña como coordinador general del centro de simulación clínica SIMUES en la US y como docentes en programa de grado y posgrado. Su desarrollo combina simulación clínica avanzada, realidad mixta, biosensores y plataformas de telemedicina con inteligencia artificial para la educación médica y atención comunitaria. Su línea de investigación, él ha liderado proyectos de I de I en Ecuador y España mediante colaboraciones activas con la Universidad Politécnica de Madrid y la Universidad de La Laguna. Cuenta con publicaciones indexadas en telemedicina, aprendizaje bioautomático y realidad mixta en la salud y ha desarrollado soluciones en IoT clínico, monitoreo remoto e inteligencia artificial generativa para aplicaciones educativas y clínicas. Damos la cordial bienvenida con un fuerte aplauso al Dr. Leonel Vázquez Cevz. [aplausos]

Bien, buenas tardes. Eh, gracias por la invitación. Quisiera este agradecer un poco las autoridades. Estamos eh eh estábamos planeando hacer otra charla, un taller en la mañana, pero no se pudo dar, ¿no? Eh he traído un equipo con que trabajamos en el centro de simulación, pero vamos a tratar de ver si si podemos utilizarlo con alguien de ustedes, ¿no? Vamos a hablar un poco de inteligencia artificial, simulación médica, qué tiene que ver con el aprendizaje de los estudiantes. Yo soy eh docente de biofísica en el grado de medicina y trato de enseñarles a mis estudiantes un poco eh de ciencia y cómo la inteligencia artificial está mejorando estos desafíos que tenemos actualmente. En el centro de simulación aplicamos una metodología de aprendizaje que nos permite eh evidenciar la correcta aplicación de los conceptos, ¿no? La simulación es como un puente entre la parte teórica y la parte práctica. Si usted no pasa por simulación o no se equivoca en simulación, generalmente va a tener mucho riesgo en la práctica. ¿Okay? Allí es donde validamos un poco eh lo que aprendemos en la teoría. Entonces, se compone con el brief, la parte de preparación, eh la parte de poder eh diseñar todo. Y esto es como cuando usted está cocinando, usted prepara eh sus alimentos, compra sus alimentos y luego pasa la parte de simulación, ¿no? usted ya hace la preparación como tal, eh, y luego se lo eh se lo realiza en poco tiempo, es decir, 5 minutos, 10 minutos o aquello que nosotros diseñamos. Luego de eso vamos a una evaluación que podemos tener eh después donde se le da el feedback al estudiante eh de alguna manera estructurada. Y luego nosotros manejamos el concepto de debriefing que tiene que ver con las causas de esas acciones buenas y esas acciones malas. Entonces, eh se completa este proceso para que el estudiante pueda reflexionar con respecto a lo que se hizo en simulación dentro de un escenario, más allá del el resultado de aprendizaje que nosotros diseñamos, nosotros tenemos que ver cómo evoluciona ese aprendizaje. Entonces, en zona cero yo le doy al estudiante un simulador, puede ser este, puede ser un RCP y el equipo le da el feedback, ¿no? En zona uno, nosotros eh los docentes lo preparamos a la preparamos la habilidad y destreza eh con el estudiante y manejamos eh esa parte con cualquier escenario que queramos. En zona dos de simulación, nosotros ya dejamos al estudiante solo o sola. para poder evaluar aquella habilidad y destreza que nosotros le hemos enseñado. Zona tres ya le damos más ruido, ya valoramos más cosas como procedimientos y en zona cuatro ya es en los hospitales o en las casas clínicas que este al final de una intervención hacemos un debriefing. Recuerde que la el debriefing es sumamente importante para poder manejar esas acciones que nosotros pudimos haber hecho bien o mal. Enes tenemos varias especialidades médicas donde podemos trabajar esta parte, tanto zona 3 como zona cu y nuestro centro de simulación pues cuenta con más de 15 m² repartidos en 17 salas de clínicas para replicar o reproducir cualquier tipo de escenario. Entonces, ya el escenario de parto, el escenario de la eh la unidad de cuidados intensivos, la unidad de simulación eh quirúrgica y nos topamos el reto de cómo incorporar inteligencia artificial en el centro de simulación, que ya lo tienen, ya vamos a hablar un poco de historia porque cada uno de estos equipos de simulación tiene incorporado una parte de inteligencia artificial. Entonces, eh esto no es nuevo. Ya vamos a eh ver un poco que esto aquí eh tiene que ver con computación, si bien es cierto, pero todo es la base matemática que nos dieron en la escuela o en el colegio. ¿Okay? Entonces, desde 1950 eh se trató de eh replicar todo lo que tiene que ver con el pensamiento humano en máquinas. Entonces, eh en este sentido se fue evolucionando no solamente por eh la parte creativa del ser humano, sino por el nivel de procesamiento que ya iban manejando los computadores. Entonces ya tenemos en la actualidad eh computadores o supercomputadores que pueden manejar procesamientos paralelos y que de alguna forma beneficia al análisis que se está haciendo. Entonces, por ponerles un contexto, nosotros aprendimos en el colegio polinomios o a factorizar. Entonces, en ese sentido, lo que está haciendo la inteligencia artificial es cada palabra, cada letra o cada frase que usted pone eh incluirla en un polinomio y ese polinomio es el que trata de hallar raíces. O sea, básicamente es eso, cómo lo eh planteamos en educación médica o en salud. Nosotros tenemos que entender que hay dos tipos. Uno es supervisado, que usted simplemente tiene que ver con la parte de etiquetado. Usted etiqueta y eso es supervisado. La parte no supervisado es la que no hay etiquetas. usted no sabe cómo viene el paciente, sino simplemente está capturando datos. Por esta razón eh necesitamos de alguna forma eh tener presente este vocabulario. Al final eh lo que estamos haciendo con todos los programas es tratar de alfabetizar a cada uno de los estudiantes para eh tener eh claro aquellos conceptos que estamos eh dando, ¿no? Entonces, lo que yo decía era eh preparar al estudiante para darle valor aquello que aquella herramienta que nos están dando. Es decir, no necesito la herramienta tecnológica para entregar un deber o entregar algo que es sumamente sencillo. Necesito para solucionar problemas médicos muy grandes eh y e importantes, ¿no? Por ejemplo, les preguntaba a mis estudiantes, ¿cuáles son los problemas médicos que no se han resuelto en la actualidad? ¿Quién me puede decir ahora? El cáncer, ¿no? Fácilmente es visible el cáncer. Entonces, ¿cómo podemos utilizar esta herramienta para detener el cáncer, por ejemplo? Entonces es allí es donde tenemos que reflexionar para ver la buena utilización de esta herramienta. No es necesario programar de nuevo. Usted se está capacitando en la parte de salud y lo que necesita es aprender aquellos términos que va a utilizar y luego va a evaluar. Les pregunto algo, ¿cómo se aprende un idioma nuevo? Por ejemplo, ¿qué necesito para un idioma nuevo? El vocabulario, ¿verdad? Tenemos que tener vocabulario. Si no tiene vocabulario, no puede aprender un idioma nuevo. Por lo tanto, acá es lo mismo. Si usted no conoce qué es una base de datos, qué es un algoritmo supervisado o etiquetado o aquellos términos que estamos escuchando en la actualidad, no podemos utilizar una herramienta tecnológica de esta magnitud. Okay. Entonces, ese es el proceso de poder aprender cualquier tipo de tecnología que vaya a venir, ¿no? en simulación médica lo que tratamos es hacer eso, es decir, la el equipo que nosotros tenemos poder incorporarle eh lo que nosotros estamos en la actualidad haciendo llamadas a la inteligencia artificial de Gemini, por ejemplo, para que valore o evalúe la parte de eh los procedimientos médicos que hace el estudiante. Entonces, la idea acá es con los equipos que tenemos tratar de ayudarnos en la parte educativa y que el estudiante pueda hacer esa repetición varias veces, ¿no? Y en zona dos es lo más eh importante trabajar estas experiencias de simulación porque allí el estudiante está solo o sola con estos equipos que le va a permitir tener esa ayuda. Es decir, si yo he trabajado en la parte rural y si yo tengo una ayuda no solamente del teléfono, sino de un profesional en cualquier parte del mundo que me está eh siguiendo lo que mi práctica médica y me está colaborando con la parte de evolución del del caso clínico. Esa ayuda es muy muy necesaria para los sectores rurales. Y ustedes han escuchado la parte de agentes de IA y cuál es la diferencia con un checkbot o algo parecido o qué es lo que se viene más más adelante. Entonces aquí se juega algo que se llama memoria, ¿no? La memoria eh de alguna manera eh la tecnología la guarda en bases de datos para eh poder interactuar con usted. Entonces, si ese agente tiene la capacidad de guardar datos, de tener memoria, le puede ayudar en cualquier punto de eh su vida profesional hasta que termine pues esto. ¿Y cómo lo hemos hecho hasta ahora? Eh, hasta ahora va íbamos de este por pasos en zona cer zona un hemos tenido una experiencia con la parte de simulación. Tenemos acá un simulador, ¿sí?, que reemplaza señales electro de un electrocard cardiógrafo o del paciente básicamente no cualquier complicación del paciente. Y luego con este equipo que está incorporado con inteligencia artificial en un electrocardiógrafo, podemos eh predecir eh qué tipo de anomalía tiene esa señal de electrocardiograma. Por lo tanto, el estudiante cuando se presenta a un caso y el y ya conecta la parte teórica con la parte práctica que está viendo, ya puede equivocarse menos, ya puede reconocer menos. Entonces, ya no va a tener esa duda cuando vea a un paciente real y de esa manera se baja la tasa de errores que que ellos tienen, ¿no? Entonces, voy a ver si puedo presentar un video de cómo es la configuración. y que no se demore tanto. Bien, entonces lo describo. Nosotros aquí tenemos lo que le decimos base de datos visual, ¿no? Acá están todos los datos del paciente. Lo que estamos haciendo ahora es configurar. No se ve, creo, la el video. Bueno, no hay problema. Este, ahí. Entonces, como ustedes ven, el equipo está ya conectado. Tengo registrados los pacientes. El paciente es el simulador que lo tengo aquí al lado. Okay. Y el equipo lo que arroja es una predicción, está con este un algoritmo supervisado, está etiquetando esos valores de de SG. ya contrastado con con lo que hay en la literatura. Entonces, imagínense que esto en tiempo real eh eh lo podemos usar en ambulancia sobre todo y que tengamos el poder de actuar, ¿no? Por lo menos los paramédicos que tengan la facilidad de actuar en ese momento cuando el paciente está en complicaciones, eh, y que nos diga que tenemos que hacer un RCP o cualquier otro otro procedimiento, ¿no? Entonces, básicamente el equipo eh van a venir muchos equipos de esta forma, pero si no nos preparamos para poder utilizarlo, va a ser en vano esta tecnología que que está actualmente presentando. ¿Cuáles son los desafíos? los desafíos, este es la parte de la privacidad de los datos, eh el manejo de estos datos, porque siempre tenemos que respetar aquellas leyes que están ya hechas a nivel mundial. En España, sobre todo, se está dando bastante regulación en este sentido para que eh podamos utilizar de manera segura esta tecnología. ¿Y para usted, ¿qué es seguridad eh de datos? es que mi número de cédula o mis condiciones clínicas no se las deje a nadie, es decir, eso pertenece a la misma persona. Y tenemos que utilizar técnicas como anonimización de datos o hacer algo mínimo con los datos del paciente. En la parte didáctica, pues presentarle eh al estudiante todo el escenario que va a capturar, ¿no? todo la el objetivo de aprendizaje que eh nosotros estamos diseñando. Eh, la pregunta sería para los docentes, si el docente no conoce esta esta parte, también va eh tener problemas el estudiante, ¿no? Entonces, ese es un matrimonio que necesitamos mejorar, sobre todo en la parte del docente, que no piense que la herramienta es para simplemente crear contenido, sino también para solucionar aquellos problemas de cada uno de nosotros, de los estudiantes, para que su nivel cognitivo pues sea mejor. Eh, no todos pensamos igual, todos tenemos un eh modelo mental diferente y en ese sentido necesitamos esta herramienta para que todos lleguen a esa meta final que es obtener el objetivo de aprendizaje. Siempre está la parte ética, siempre está la parte pedagógica que el docente va a tener que manejar en este tipo de de herramientas. validación clínica y educativa. En el centro de simulación no tenemos un chat GPT que nos ayude. Entonces ahí es donde se demuestra donde te puedes equivocar, donde te pueden validar tus conocimientos. Entonces, la idea del centro de simulación que usted yo he visitado es que allí usted se equivoque, o sea, vaya eh haga cualquier tipo de procedimiento que le enseñaron en su clase y valide sus conocimientos en de esa manera y luego pues va a la parte de práctica con toda la seguridad del caso. Nosotros hacemos un pretest, un postest, rúbricas basadas en guías clínicas, evaluación por pares y autoevaluación asistida por inteligencia artificial. Estamos tratando de hacer un programa tanto para docentes como para estudiantes para tener este esta hoja de ruta, es decir, alfabetizar en inteligencia artificial a todos estos grupos luego que utilicen estas herramientas eh con inteligencia artificial. Y finalmente humanizar a estas herramientas. ¿Qué creen ustedes que es humanizar esta herramienta? ¿Qué significa humanizar? ¿Qué es ser humano? Por ejemplo, cualquier cosa. Dígalo. Tener valores. ¿Qué más? Razonar. ¿Qué más? Ser empático. Entonces, todas esas condiciones que a nosotros nos enseñaron desde niño para poder crecer y tener una eh cierta eh eh memoria o un comportamiento adecuado, necesito introducirlo en estas en estas tecnologías. Entonces, de esa manera podemos eh asegurar de que el uso vaya a ser eh garantizado para los beneficios de la humanidad, no para sacarle provecho y y de alguna forma hacer cosas que no tienen que ver con eh mejorar el eh la vida de los humanos. Eh, no sé si alguien quiera eh ver las gafas. No pude conectarme al al dispositivo, pero lo que presenta las gafas es simplemente un paciente en holograma no pierde nada del espacio, sino que se le presenta un paciente para un procedimiento de parto. Entonces, ¿cuál es la parte que nosotros queremos incorporar inteligencia artificial? es que le diga al estudiante en qué se está equivocando. Entonces, hay algo de inteligencia artificial, pero necesitamos eh que el estudiante sea intuitivo el uso del del software para que cometa menos errores. Entonces, así como cuando usted hace prácticas de cirugía y a la décima o a la este 100 veces que repite el procedimiento, se va a sentir más seguro o segura para hacerlo. Entonces, eh los que quieran conocer más de estas aplicaciones y del centro de simulación que tenemos en US eh pueden llenar este formulario y este podemos hacer un contacto para eh usar tanto gafas como eh los equipos que tenemos en simulación. Yo creo que eso les he traído hasta ahora y si me invitan nuevamente pues ya coordinamos un taller, ¿no? Gracias por su atención y este será [aplausos]

Bueno, le agradecemos mucho. su intervención, Dr. Leonel Vázquez. Eh, damos espacio para las preguntas que deseen hacer estudiantes o docentes. ¿Alguna pregunta? No, sí. Este, me ayuda, por favor, con los micrófonos. Buenas tardes, profesor. Un placer. Eh, solamente quería saber eh qué papel juega Chuckb en referencia a la inteligencia artificial aplicada en la salud. Gracias.

Sí, muy buena pregunta. Eh, el chatbot eh creció y fue una buena ayuda para tareas determinadas. Es decir, hay una estructura de preguntas y respuestas que tiene un marco eh que no permite salirse de ese marco. Eh, yo he utilizado algunos chatbots y cuando no te reconoce algo eh vuelve a repetir la misma pregunta anterior. Entonces, la diferencia con un agente ya es que el agente sí te va eh colocando eh formas de poder aprender del la propia interacción. Entonces, mientras el chatbot simplemente sigue instrucciones definidas, eh la gente de inteligencia artificial lo que hace es aprender de la interacción, es decir, tener memoria y de esa manera tienes una mejor experiencia. eh eh de usuarios en salud lo podríamos poner, por ejemplo, eh para eh zona cero o zona uno en educación o procedimientos muy básicos, es decir, agendar una cita médica, eh algo que sea repetitivo, algo que esté automatizado, tareas definidas, ¿no? Entonces, cuando venga la transformación digital en todos los hospitales, vamos a ver cómo ese chatbot y cómo esa gente de inteligencia artificial va a ser concatenado. La primera capa va a ser el chatbot y la siguiente capa es el el agente de inteligencia artificial. O sea, vamos a tener una orquestación de todas estas eh aplicaciones para un beneficio común. [aplausos]

De allá tenemos el doctor que nos quiere hacer preguntas y del lado de atrás me parece un estudiante que más. Hola. Buenas tardes, doctor. Buenas tardes, compañeros presentes. Mi pregunta con respecto al asistente de la inteligencia artificial es qué tan certero es el juicio clínico y si nosotros podemos confiar en las predicciones que da al momento de evaluar un paciente? Esa sería mi pregunta. Gracias.

Sí, sí, es una excelente pregunta. ¿Cómo confiar en esta herramienta? Primero, eh si yo les doy los datos correctos, es decir, yo tengo que verificar que la herramienta esté entrenada con mis datos eh validados. Eh, hay en Estados Unidos, por ejemplo, los dataset eh validados por los hospitales, esos hospitales tienen toda esa data, lo ponen a entrenar a algunos algoritmos y ya confían en esa herramienta. Entonces, ¿qué hace la herramienta que tenemos acceso nosotros? eh algo general y si no le especificas exactamente lo que tú necesitas, te da una respuesta cualquiera. Entonces, eh puedes hacerlo personalizado, ¿sí?, con tu con tus datos y asegurarte que eso no va a tener tanta alucinación o eh tener específicos específicas instrucciones para darle a chat GPT, por ejemplo, para que tenga menos errores en darte esa respuesta. Entonces, yo recomiendo eh que se entrene a una conversación de chat GPT de lo más básico hasta lo más específico. Es la forma de aprender este tipo de de tecnología. ¿Confiamos o no en chat GPT? Bueno, ya necesitas eh entender cómo funciona eh el nivel de de datos que tiene o lo haces personalizado con tu propia data. O sea, ya depende de de los hospitales hacen eso básicamente, o sea, no se van a echar GPT eh simplemente porque es la la moda, sino simplemente en sus departamentos de datos confían en sus datos y lo trabajan, ¿no? Es lo que he visto.

Otra pregunta. [aplausos] Damos paso a la tercera pregunta, la de atrás. Bueno, buenas tardes. Mi pregunta es con respecto a la simulación clínica de diagnóstico funcional, si es certero un diagnóstico funcional regirnos a lo que nos da el chat GPT, o sea, para entrenamiento está es es muy bueno. Lo que ahí sí el docente tiene que trabajar muy bien el resultado de aprendizaje. Necesitamos este al docente guiarlo de alguna forma para que el resultado de aprendizaje pueda ser valorado en simulación las veces que sea necesaria, no una vez, sino varias veces. Entonces, para algo funcional, eh utilizamos quizás también pacientes estendarizados, no solamente máquinas, una persona que actúe y que eh te dé una valoración en Citus en en un procedimiento determinado. Entonces, la idea es eh correlacionar lo que va a pasar en el futuro tanto con herramientas como chatpt y simuladores que nosotros tenemos o pacientes estendarizados que podamos este unir. Entonces, de a poco eh yo siempre digo, cuando tú muestras resultados como los experimentos estamos haciendo, la gente confía más. Entonces, eh lo que tenemos que hacer ahora es hacer más experimentación, probar más estas estas herramientas en centros de simulación para ver si nos dan buenos resultados. Entonces, mientras más midamos podemos mejorar, digamos así, ¿no? Sería mi respuesta. [aplausos]

Listo. Muy bien. En este momento vamos a entregarle un certificado al doctor y este esto estará a cargo del economista Evelyn García, directora de investigación del Tecnológico Argos. Nuevamente fuertes los aplausos. Muchísimas gracias por su intervención.

Como segundo ponente de esta tarde, estas este primer día de la jornada, tenemos a nuestro invitado desde Costa Rica, el doctor Alejandro Villalobos Hernández. Eh, si me ayudan, por favor, proyectando el Perd, Francisco, el Dr. Alejandro Villalobos Hernández es profesional de ingeniería de software y estudiante de inteligencia artificial con más de 10 años en la experiencia en arquitectura de sistemas de microservicios, gestión de proyectos, home automotation e inteligencia artificial, que en conjunto con las habilidades de capacidad, resolución de problemas, pensamiento crítico y analítico, liderazgo y orientación a resultados se compromete en cumplir con cualquier objetivo. Él actualmente tiene una maestría en ingeniería de software con énfasis en inteligencia artificial. En Senfotec también es licenciado en ingeniería de software con énfasis en administración de proyectos. Ha participado de proyectos académicos. Él es investigador principal en la Universidad de Salamanca. lidera equipo interdisciplinario entre la Universidad de Salamanca y Senfotec, pues para alcanzar los objetivos del proyecto con entrega de resultados en el año 2025. Un fuerte aplauso para nuestro invitado el día de hoy. [aplausos]

Hola, buenas tardes a todos. Muchas gracias, un placer. Le confirmo que le podemos escuchar. Gracias. Listo. Pueden ver ahí la presentación. Me confirman si pueden ver ahí la presentación, por favor. Sí, sí se puede observar. Eh, pues bueno, tardes de nuevo. Muchas gracias por la invitación. Para mí es un placer estar acá y hablarles un poquito de la investigación que hicimos desde Senfotec eh junto con la Universidad Salamanca. Eh, la investigación se denomina Modelos de la inteligencia artificial para la predicción de actividad biológica de compuestos crímicos contra Leichmania Donomani. Entonces, para iniciar vamos a ver tres componentes eh que al final junto con mis compañeros en Senfotec logramos amalgamar y unir los puntos para lograr este eh este sistema capaz de de hacer predicciones. Entonces, bueno, primero vamos a empezar hablando un poquito de definiciones y de qué otra manera empezar que con la química computacional. La química computacional eh es una rama de la química que utiliza modelos computacionales para ayudar a estudiar y resolver problemas químicos a través de la aplicación de técnicas y simulaciones de sistemas moleculares. Esto quiere decir que eh la a través de la química computacional nosotros podemos ver de diferentes maneras eh las cosas. Por ejemplo, eh tenemos acá a la izquierda eh una tableta de parcetamol. Gracias a las herramientas que nos brinda la química computacional, esa heram esa tableta la podemos representar eh como una molécula, eh en este caso como una molécula 3D que tenemos acá. De igual manera y a un nivel más bajo, esa esa molécula se puede representar en una anotación que se conoce como smiles, que es esta que está aquí a la derecha. Y si avanzamos todavía un poquito más a un nivel más bajo, que sería nivel de máquinas, podríamos representar esa misma molécula, en este caso el parcetamol en unos y ceros, que es básicamente lo que se conoce como el fingerprint molecular de un compuesto químico. Entonces, para resumir esta parte, prácticamente lo que tenemos en aquí a la izquierda, que es la eh la tableta de parcetamol, se podría representar en unos y ceros de esta manera que está acá en un vector que viene siendo el fingerprint eh molecular. Eh, otras otras eh bueno, sí, otras herramientas que se pueden utilizar de la química computacional eh son aquellas que nos permiten diseñar compuestos químicos. En este caso, eh podríamos iniciar desde cero la el diseño de un compuesto y representarlo, ya sea en 2D o en 3D, lo cual es muy útil para ver la forma que tiene y ver los acoples que se podrían necesitar o que podría requerir para unirse con otras moléculas. Además, eh nos permite también la química computacional crear eh sistemas que predigan eh la actividad de los compuestos. eh y el comportamiento que pueden tener ellos en diferentes dimensiones, por ejemplo, actividad biológica, que es el que vamos a ver aquí, lo que hicimos en el estudio, u otras como la toxicidad y otras que sean de interés. Algunas de las herramientas que utilizamos en en nuestro estudio para mencionárselas rápidamente. Bueno, el lenguaje de programación Python, la librería D kit, eh muy útil para generar los fingerprints de los compuestos, por cierto. Este también Open Open tiene una particularidad y es que es eh es software propietario, pero a través de las instituciones académicas se pueden gestionar licencias educativas. Entonces, para que lo tengan ahí presente, porque de verdad que es muy muy útil. Eh, también, bueno, las librerías públicas Pupche Michel, que de ahí obtuvimos los compuestos químicos para el entrenamiento, la inteligencia artificial como tal y el API REST, que es una técnica de comunicación que utilizamos para poder obtener datos de las eh de estas librerías que están en en internet.

Ahora bien, eh ya hablamos de la eh de la química computacional, que era el primer componente de la investigación. Ahora, para seguir, bueno, vamos a hablar un poquito de la inteligencia artificial. Y es que, ¿qué es inteligencia artificial? La inteligencia artificial son algoritmos y funciones matemáticas que tienen un propósito. Y este propósito es crear máquinas capaces de imitar el pensamiento y la inteligencia humana. La inteligencia artificial se puede dividir en dos tipos. Esta la clásica que existe ya desde hace bastante tiempo, como lo mencionó el ponente anterior, eh desde la década de 1950 ya se venía hablando de de esto de la inteligencia artificial eh de este tipo. es un tipo de inteligencia artificial que se utiliza en la que se utilizan algoritmos muy definidos y y modelos matemáticos tradicionales que permiten crear e eh bueno, los modelos capaces de encontrar patrones y eh predecir cosas, ¿verdad? Este, algunos ejemplos de la inteligencia artificial clásica, que el término clásico lo hace sonar muy viejo, pero en realidad es algo que vemos todos los días. Eh, por ejemplo, el sistema de recomendación de películas de Netflix o las sugerencias de amigos en redes sociales. Ese tipo de cosas son ejemplos de las redes de las de la inteligencia artificial clásica. Por otro lado, tenemos el tipo de inteligencia artificial generativa, que esta es es más moderna, utiliza eh modelos matemáticos y sistemas más avanzados y complejos y la principal diferencia es que genera contenido nuevo. ¿Cuál es un ejemplo de ello? Chat GPT. Cada vez que hacemos una pregunta en chat GPT y e y el chat no responde, ahí estamos viendo una inteligencia artificial generativa, valga la redundancia, generando contenido nuevo. ¿Okay? Después teníamos también el machine learning. El machine learning es una rama de la inteligencia artificial eh cuyo objetivo es desarrollar técnicas que permitan a las máquinas aprender. Se basa en analizar grandes volúmenes de datos para encontrar patrones y posteriormente tomar decisiones. Por ejemplo, nosotros podemos entrenar a un modelo para que nos pueda predecir si una molécula prototipo y una molécula nueva tiene potencial de convertirse en un medicamento. E, ¿qué quiere decir esto? Nosotros podemos ver las inteligencias artificiales como un blackbo box, como una caja negra. Y si les llaman caja negra, porque la verdad es que nadie sabe qué pasa ahí adentro. son un fórmulas matemáticas superclejas que entender cómo funcionan, pues la verdad sería eh demasiado complicado. Entonces, se dice que las eh que con el machine learning nosotros podemos crear un blackbo box de estos, de manera que para usar el ejemplo del del estudio del estudio nuestro, podemos tener una molécula que estamos diseñando, ¿verdad? la introducimos al Black Box, que es un modelo entrenado, y este Black Box nos va a decir si esa molécula se podría convertir o no en un medicamento. ¿Okay? Eh, por aquí lo de inteligencia artificial y vamos a pasar ahora a la parte de las enfermedades tropicales desatendidas, que es viene siendo el tercer componente de nuestra investigación. Las enfermedades tropicales desatendidas son eh afecciones prevalentes en zonas tropicales donde eh proliferan eh personas que viven en comunidades empobrecidas, las causan diferentes virus, bacterias, parásitos, hongos y toxinas y conllevan una serie de consecuencias sociales, económicas para la salud devastadoras. Se les llama desatendidas porque, lamentablemente casi no aparecen en los en los programas de salud mundial y regional. Entre estas enfermedades tropicales desatendidas tenemos la lechasis. La lechaniasis eh es una enfermedad que se transmite por la picadura de un mosquito infectado con el parásito le mania y se puede dividir en tres tipos. Tenemos la viseral, que es causada por una variante que se denomina lechia donovani, es la más mortal de los tipos y eh es en el es el tipo de le mania en la cual nosotros enfocamos el estudio para mencionar las otras dos, la cutania, que es la más frecuente y la mococutánea, que también es es bastante eh agresiva.

Ahora bien, eh cuál es el papel de la Universidad de Salamanca en todo esto, ¿verdad? Bueno, la Universidad de Salamanca en España, ellos estudian a través de una línea de investigación que se llama obtención de compuestos con actividad leichmanicida del programa de doctorado de salud y desarrollo trópicos. Ellos se enfocan en estudiar moléculas que sean efectivos, efectivas, perdón, contra el eh contra el parásito le mania. Se encargan de diseñar las moléculas, estas moléculas nuevas. Eh, esto lo hacen de manera manual, eh, basado en la experiencia que ellos tienen. Después, cuando la molécula ya tiene la fase en diseñolista, la sintetizan en el laboratorio químico en la universidad y posteriormente la llevan a una investigación preclínica donde otro laboratorio eh nos va a dar el resultado o les va a dar el resultado a ellos más bien de si eh esta molécula es efectiva o no contra la lechia, es decir, si tiene actividad lechmanicida. Eh, la el tipo de moléculas que estudia la eh Universidad de Salamanca para este propósito eh son bencimiasoles, que es este anillo que está aquí abajo a la derecha. Eh, es en el que ellos se basan para realizar el diseño de todos estos de todos estos eh compuestos nuevos. Esto es importante porque ahora cuando veamos el proceso de entrenamiento de los modelos, vemos eh vamos a a entender el por qué es importante esta este anillo deidad sol. Eh, bueno, ahora sí, la investigación que hizo Cenfotec, ¿qué fue lo que nosotros hicimos? Eh, bueno, primero presentar al equipo, mi persona, Alejandro Villalobos, la ingeniera Helen Aguilar, el ingeniero Leonardo Araya, el ingeniero Fernando Rojas, todos de Senfotec y por parte de la Usal a la máster Sofía Méndez, que es doctoranda del programa de de salud y desarrollo trópicos de la Universidad de Salamanca. Nosotros eh tuvimos una hipótesis que es esta que está acá. Podemos entrenar modelos de inteligencia artificial con técnicas de machine learning para predecir si un compuesto químico podría tener actividades devanicida contra el parásito elonovano.

Bueno, entonces, ¿qué fue lo primero que nosotros tuvimos que hacer? Eh, cuando una vez que tuvimos bien definida la hipótesis, eh lo que seguía era encontrar cuáles eran los modelos de inteligencia artificial que nos iban a ayudar a nosotros a poder realizar este este sistema de predicciones. Entonces, nos enfocamos en dos modelos que son unos de los más comunes para este tipo de de sistemas, para este tipo de tareas. El primero que les voy a explicar, que es uno que se llama random forest, es un conjunto de árboles de decisión. Estos árboles de decisión, eh, los que uno configure, que pueden ser desde dos, tres hasta 500 o 1000, ellos lo que hacen es cada uno toma una serie de decisiones pequeñas para intentar averiguar un por qué, ¿verdad? En este caso, el por qué nosotros andábamos buscando es por qué unos compuestos tienen actividad lichmanicida y otros no. Entonces, la manera en como esto funciona es, por ejemplo, uno de los árboles podría decir, bueno, yo creo que es eh por esta razón y puede ser que sea un bit del eh del vector que representó el compuesto, mientras que otro árbol de decisión puede decir, "No, yo creo que es por esto." Y así van sucesivamente hasta que en general el bosque completo vota, por así decirlo, para tener el patrón final en el que ellos creen que se basan. ¿Por qué un compuesto es activo o no contra la lech mania? Después tenemos uno que es un poquito, bueno, perdón, antes de continuar, este es importante mencionar que el modelo random forest es eh inteligencia artificial clásica, mientras que el otro que tenemos acá que se denomina variational auto encoder con un eh al que se le agregó un multilayer perceptum, de ahora en adelante le voy a decir solamente, ¿verdad? para que lo tengan ahí referenciado. Este modelo es diferente. Este es un es un tipo de inteligencia artificial generativa. Lo que pasa lo que d un segundo para ver si puedo nada más. Bueno, no sé si logran ver el puntero del del ratón ahí, eh, pero bueno, el BAE como funciona es que nosotros le damos

Los datos aquí en la columna de la izquierda. Es una red neuronal que lo que hace es ir comprimiendo la información, eh, cada vez más. Tiene diferentes capas y va, va comprimiendo la información hasta que llegue aquí a la parte del centro donde dice "bottleneck". Que es un espacio latente. En ese espacio latente concentramos, eh, toda la información que que se considera importante y a partir de ella el modelo intenta recrear la misma información.

Entonces, empieza a generar aquí a la derecha. Esta es la parte generativa del del modelo como tal. Y, eh, lo que se trata es que de la última columna de la derecha, los datos que están ahí sean iguales a los datos de entrada, ¿verdad?

Eh, en el caso del estudio de nosotros, esto es importante porque para poder saber si, eh, si lo que está aquí en el en el espacio latente, en el en el bottleneck, es realmente bueno, eh, los datos se tienen que poder reconstruir. Entonces, eh, pues básicamente nosotros ocupamos a ver que los datos de salida sean iguales a los datos de entrada. Sin embargo, eso no a nosotros no nos da un modelo que sea capaz de predecir algo, ¿verdad? Sino ahí lo que tenemos es un modelo capaz de reconstruir compuestos.

Ahora, ¿okay? ¿Cómo hacemos nosotros entonces para sacar ventaja de este modelo y hacer lo que sea capaz de predecir? Al espacio latente aquí al bottleneck, lo que hicimos fue que le adjuntamos otra red neuronal conocida como el multilayer perceptron. Este lo que hace es tomar los datos que están ahí. Y igual, eh, por medio de de capas en la red neuronal nos va a dar al final un resultado binario. Entonces, entre uno y cero. Y, eh, bueno, perdón, lo que va a hacer es intentar clasificar lo que está ahí en en uno o cero y darnos una función sigmoide, que es una probabilidad estadística de qué tanto probabilidad tiene un compuesto de ser de un tipo o de otro tipo. En este caso, de ser activo o de ser no activo contra la leishmania.

Eh, bueno, hasta ahí con los modelos que nosotros utilizamos. Eh, es importante antes de continuar hacer un poquito más de énfasis en lo que son los fingerprints moleculares para lo que es el proceso de entrenamiento. El fingerprint, como les mencionaba anteriormente, es una representación de un compuesto químico. Entonces, lo que tenemos nosotros en SMILES o lo que tenemos nosotros en un en el dibujo de de una molécula es, eh, se puede representar en un vector de unos y ceros. Esos vectores, eh, tienen toda la información, las características fisicoquímicas de los compuestos. Entonces, es muy útil porque, eh, es como nosotros le vamos a decir a las máquinas, esta es la información que a nosotros nos interesa que usted analice de una manera en que las máquinas puedan entenderlo.

Para continuar, ya vamos a explicar un poquito el proceso de entrenamiento de los modelos. Okay. Entonces, lo primero con cuando uno, cuando se entrenan los modelos de inteligencia artificial, una de las partes, eh, que se tiene que hacer al inicio y es una de las partes más complicadas también, es la obtención de datos. Eh, ¿por qué? ¿Por qué los datos existen? Eh, los datos existen y uno tiene que transformarlos de manera que para uno tengan sentido. Eh, nosotros, eh, elegimos dos fuentes de datos, eh, para este proyecto. Eh, una es la base de datos pública ChEMBL y otra es, eh, PubMed. De la base de datos pública ChEMBL obtuvimos todos los compuestos químicos que se utilizaron en el estudio. Elegimos esta base de datos porque ella, eh, tiene la información sobre la actividad biológica de los compuestos y nosotros necesitábamos saber cuáles compuestos tienen actividad contra la leishmania para poder, eh, entrenar este modelo, ¿verdad? Entonces, nosotros lo que hicimos fue obtener de la base de datos, eh, de esta base de datos una serie de, eh, de compuestos que cumplieran con un filtro. Ese filtro es que tuvieran un IC50 menor a 10 micromolar contra el parásito Leishmania donovani. ¿Okay? Adicionalmente, se hizo una búsqueda manual en PubMed de compuestos de tipo benzimidazol y se agregaron al final a la lista de todos los, eh, de todos los compuestos químicos que utilizamos nosotros como referencia, eh, que tengan actividad contra el parásito.

Ahora bien, el modelo necesita también compuestos que no sean activos para que aprenda a identificar de mejor manera qué es un compuesto activo y qué no es un compuesto activo. Nada más aquí para aclarar, cuando digo un compuesto activo, me refiero que es un compuesto activo contra la leishmania y cuando digo no activo es que no es activo, o sea, que no tiene actividad contra el parásito. Eh, hicimos lo mismo para los compuestos no activos. Buscamos los, eh, una una búsqueda aleatoria de compuestos en en la base de datos de ChEMBL y, eh, como es una búsqueda aleatoria, lo que hicimos fue nada más luego hacer una verificación aquí pequeña de que no estuviera ya en en este conjunto que habíamos definido antes. Y después el proceso se repitió para la fuente de datos de PubMed, la búsqueda en la bibliografía de manera manual de benzimidazoles que no tuvieran actividad contra leishmania y obtuvimos los SMILES de los compuestos no activos.

Ahora, con los dos conjuntos listos, eh, lo que hicimos es convertirlos a SMILES, los SMILES a fingerprints, perdón. Convertimos los SMILES de los compuestos a una representación vectorial para que pueda ser entendida por el por las computadoras. Esto lo hicimos utilizando esta librería que está acá de Python, eh, que es muy sencilla y y fácil de utilizar. ¿Qué pasa? Un segundo aquí que tengo que borrar.

Okay. Siguiendo con el proceso de entrenamiento, una vez que tenemos los SMILES convertidos en fingerprint, eh, tenemos dos conjuntos de datos. Tenemos un conjunto de datos de compuestos o de fingerprints de compuestos activos y un conjunto de datos de fingerprints de compuestos no activos. Los, eh, conjuntos de datos se ven más o menos de esta manera, o sea, es un vector con unos y ceros que representa una molécula. El, en este caso, los de la izquierda son activos, los etiquetamos con el número uno y los, eh, compuestos que no son activos contra la leishmania, ¿verdad? Las representaciones, eh, vectoriales las etiquetamos con el número cero. Estos unos y ceros es importante porque al final el resultado que nosotros estamos buscando es que el modelo pueda predecir qué tanta, eh, probabilidad tiene un vector de estos de ser uno o de ser cero. Eso nos va a dar un número entre cero y uno que nosotros luego vamos a poder interpretar.

Bueno, una vez que tenemos todos los, eh, los conjuntos etiquetados, eso se lo entregamos al modelo, a los modelos de inteligencia artificial, tanto al Random Forest como al BAE, y empieza el proceso de entrenamiento. Una vez que el proceso de entrenamiento termina, pasan dos cosas muy importantes. La primera es que, eh, vamos a obtener un reporte de entrenamiento. Este reporte de entrenamiento es, eh, bueno, funciona de la siguiente manera. Cuando uno le da los datos al al el conjunto de datos, a los modelos, uno aparta una porción de esos datos para que luego el modelo verifique ver qué tan bien le fue o qué tan mal le fue. En este caso, que nosotros utilizamos alrededor de 5,000 compuestos entre activos y no activos, eh, dejamos alrededor de 1,000 compuestos para pruebas. Estos compuestos de pruebas están igualmente etiquetados con unos y ceros. Entonces, cuando el modelo termina de entrenarse, empieza a probar cada uno de estos 1,000 compuestos y él lo que hace es hacer una predicción ya con el modelo entrenado. Entonces, eh, como él sabe, eh, de antemano si el si el compuesto, eh, es activo o no activo, una vez que pasa la prueba, eh, va a ver si lo adivinó bien o no, ¿verdad? Si si acertó o no. Ese reporte de entrenamiento lo vamos a ver ya casi a continuación.

Y después, la otra cosa que pasa, bueno, es que tenemos el modelo ya entrenado en el cual nosotros luego vamos a poder, eh, pasarle el fingerprint de un compuesto nuevo para que él nos dé una predicción de qué tanta posibilidad tiene de ser uno, o sea, activo, o cero, o sea, que no es activo. Si ustedes ven esta parte de aquí abajo donde está la molécula, el modelo entrenado y la predicción, esto se parece mucho a lo que vimos antes del black box porque eso es lo que es el modelo entrenado. O sea, nosotros lo que hicimos aquí con todo este proceso fue entrenar o crear ese black box que luego va a permitir que, eh, obtener predicciones de si los compuestos son o no o no son activos.

Vamos a continuar por acá. Estos son los resultados del del entrenamiento de los modelos. Entonces, aquí podemos observar varias cosas. Eh, la primera, la primera es que la primera es que el Random Forest, eh, tuvo una un total, bueno, una accuracy, que es el total de predicciones correctas, de 93%, mientras que el BAE obtuvo un 89%. Eh, la diferencia parece no ser mucha, en realidad no la es, pero sin embargo, bueno, esto con datos de entrenamiento. Sin embargo, ahora que pasemos a la siguiente diapositiva, vamos a poder tener un poquito de, eh, de vamos a ver cómo se comportó ya en el mundo real, pero ya aquí teníamos un pequeño adelanto de cuál modelo, eh, va teniendo un mejor desempeño que el otro.

Eh, okay. Estas estas pruebas iniciales son muy importantes para nosotros porque se hicieron con compuestos inéditos de la Universidad de Salamanca. Estos compuestos inéditos, eh, son compuestos que la, bueno, yo le digo inéditos porque no están publicados. La Universidad de Salamanca los diseñó, los, eh, sintetizó y les hizo la la evaluación preclínica. Y podemos ver aquí en la columna de la izquierda el resultado de laboratorio. Este resultado es un IC50. Eh, bueno, vamos a explicar un poquito qué es el IC50 porque, eh, para que estemos todos en la misma página. Un IC50, eh, contra el contra este parásito quiere decir cuál es la cantidad, eh, de micromolar que se necesita para acabar con el 50% de la muestra del parásito que se tiene en este caso en el laboratorio. Entonces, los que están en cero, los que están en amarillo, fue que no tuvieron ningún tipo de de resultado, o sea, son no activos, son compuestos no activos, no le hicieron nada, no pudieron eliminar el 50% del parásito en la muestra. Sin embargo, los que sí tenían, eh, los que sí tienen un numerito por ahí, si les puedo si les puedo anotar por aquí, estos que sí tienen valores, estos quiere decir que el compuesto al que corresponde este esta línea con con 0.56 56 micromolar fue capaz de eliminar el 50%, eh, del parásito que se tenía en la muestra, ¿verdad? Como vemos, hay unos que necesitan menos cantidad y hay otros que necesitan más cantidad, pero, eh, pero son capaces de eliminar de eliminar el 50% de de la muestra. Entonces, entre menos sea este número, quiere decir que el compuesto es más efectivo. Sin embargo, como nosotros aplicamos un filtro de que los compuestos que obteníamos tenían que ser menor a 10 micromolar, eh, estamos intentando, eh, llevar el algoritmo, los modelos a que sea a que se enfoquen en los mejores compuestos. Nosotros el número de 10 micromolar, eso bueno, lo lo obtuvimos gracias a la USAL, que ellos son los expertos en la materia y fueron los que nos dijeron que eran los compuestos, bueno, por así decirlo, ¿verdad?

Entonces, eh, aquí vemos, eh, ahorita lo vamos a ver un poquito más gráficamente, un gráfico de barras, pero podemos ver que, por ejemplo, el Random Forest, eh, falló falló tres veces de 21 compuestos que analizamos. Esto no, nunca estos compuestos que no se entrenaron, que no tienen nada que ver, que no son de la bibliografía, sino que son compuestos nuevos diseñados por ellos. El modelo falló en tres, acertó 18 y tuvo tres fallas. De esas tres fallas, dos falsos negativos y un falso positivo, que es este de acá. Aquí es importante, eh, hacer una diferencia en falsos negativos y falsos positivos. Los falsos positivos, eh, por lo menos en cuanto a compuestos químicos, eh, que tengan actividad biológica contra un parásito, se refiere, no son tan preocupantes. ¿Por qué? Porque si la si la herramienta dice, "Okay, este compuesto es activo" y lo llevamos al laboratorio y resultó que no es activo, pues no pasa nada, digamos. Tenemos un compuesto que pues que no es activo, pero el problema está en los falsos negativos. ¿Por qué? Porque la herramienta nos puede decir este compuesto no es activo, podemos ignorarlo y podemos estar perdiendo un compuesto que de verdad es bueno, ¿verdad? Eso para, eh, tenerlo por ahí en mente. Que sin embargo, en 21, eh, fallar dos de estos, eh, son resultados prometedores. Eso lo vamos a explicar un poquito más adelante.

Siguiendo con el otro modelo, con el BAE, vemos que la es otro escenario completamente. El BAE, bueno, tuvo muchos fallos. Entonces, acá, eh, no dio los resultados esperados. Vamos a pasar, de hecho, la próxima para verlos.

Acá podemos ver los resultados de ambos modelos. Tenemos en azul los del Random Forest y en naranja los del los del BAE. Vemos que de los 21 compuestos, el Random Forest acertó en 18 ocasiones, mientras que el BAE acertó solamente en ocho. Ambos tuvieron un falso positivo y en los falsos negativos, pues también se ve mucho la diferencia. El el Random Forest solamente falló en dos ocasiones, mientras que el BAE falló en en 12.

Eh, bueno, eh, todo eso, eh, al final de cuentas es un poco técnico, pero al final lo que nosotros logramos hacer fue crear una herramienta que se la entregamos a la a la Universidad Salamanca, ¿verdad? Esta fue la herramienta que les hicimos a ellos. Eh, es lo intentamos hacer lo más sencillo posible. Es una caja de texto donde se pueden poner los SMILES de los compuestos. Un botón que al hacer clic predice la actividad. Esto lo que hace es convertir cada uno de esos a los a los fingerprints. Se le pasa al al modelo y el modelo. En este caso, estos son resultados del Random Forest aquí a la derecha, ¿verdad? Estos son compuestos elegidos al azar solo para la, eh, presentación. Aquí tenemos la predicción de ser activo, o sea, de tener actividad biológica contra leishmania. Esta es la herramienta que, eh, que nosotros le entregamos a la Universidad de Salamanca ya una vez que que finalizamos nuestro nuestro nuestra investigación.

Eh, bueno, sí, para ir terminando, eh, bueno, esta frase que está por acá, que me la encontré en una mientras hacía el research, eh, aplica no solo para los químicos, aplica, yo creo que para absolutamente todas las profesiones, ¿verdad? Eh, dice: "Si la inteligencia artificial no reemplazará a los químicos, pero aquellos químicos que no utilicen inteligencia artificial serán reemplazados por aquellos que sí." Por eso es importante que nosotros, eh, no importa cuál, eh, en qué área estudiemos, empecemos a incorporar inteligencia artificial, eh, en nuestra área de experticia porque al final de cuentas esto nos va a dar una ventaja competitiva que dentro de unos años ya no va a ser ventaja, sino que va a ser una necesidad, ¿verdad? Eso por ese lado.

Después, desafíos. Eh, hay dos tipos de desafíos que yo veo por acá que son muy importantes mencionar. Lo primero son los desafíos que tenemos como profesionales. El primero, inspirar a las personas, inspirar a ser ciencia, a ser ciencia internacional, a a utilizar la inteligencia artificial en sus proyectos, en sus investigaciones, a utilizar la química digital que viene a facilitar muchísimo los estudios de este tipo y y muchos otros estudios, eh, en los que se puedan en los que podamos utilizar tipos de de herramientas de predicción, ¿verdad? Eh, es importante la parte de inspirar porque esto de la inteligencia artificial, yo creo que viene a romper muchos paradigmas de cómo se de cómo se investiga. Eh, hay no no se puede dejar de lado el método científico, por supuesto que no, pero creo que, eh, cuando empecemos a incorporar inteligencia artificial en este tipo de estudios, podemos ver las cosas desde otra perspectiva. Por ejemplo, en este caso nosotros estábamos analizando fingerprints, pero se podría analizar imágenes, imágenes de de tumores, imágenes de cualquier otra cosa, ¿verdad? Y, eh, buscar el por qué desde un punto de vista completamente diferente a como se ha venido haciendo siempre, ¿verdad? Entonces, eso va a ser un complemento para el método científico que, eh, creo que va a hacer que la ciencia avance muchísimo más rápido.

Otro de los desafíos es la transferencia del conocimiento que, eh, no siempre se da el cuando se hacen estudios de cualquier tipo en las universidades. Muchas veces lo que nosotros hacemos es llenar las bibliotecas de la universidad de tesis o de estudios y quedan ahí. Y, creo que es muy muy importante que ese conocimiento se transfiera y que se transfiera de una manera sencilla a las personas que de verdad le pueden sacar provecho para que lo sigan utilizando, para que nos digan cuáles son las, eh, áreas de mejora y así poder, como decía antes, hacer ciencia y, eh, avanzar muchísimo más rápido entre todos este y y que y que nuestras investigaciones de verdad aporten valor a a quienes a quienes la necesitan.

Eh, para continuar, eh, los desafíos de la investigación rápidamente. Bueno, lo que queda ahora es, eh, seguir investigando para reducir la cantidad de falsos negativos, ¿verdad? Para que la herramienta sea más confiable. El la investigación se podría extender a otras dimensiones como la toxicidad de los de los compuestos químicos, que es muy importante también, ¿verdad? Ver si son tóxicos, eh, para la especie humana, por ejemplo, ¿verdad? Porque no hacemos nada con que el compuesto tenga actividad leishmanicida si no se puede usar en seres humanos. Y, eh, la otra, el otro desafío es la validación, en la cual vamos a tener el apoyo de la Universidad Salamanca, que van a seguir con los compuestos que ellos, eh, siguen diseñando y y haciéndoles los estudios preclínicos, nos van a a decir, nos van a ayudar a a validar esta herramienta, eh, para ver en realidad, eh, qué de qué tanto, eh, valor aporta.

A modo de conclusión, eh, bueno, nosotros vimos que sí es posible entrenar modelos de inteligencia artificial para la para predecir actividad de de compuestos químicos contra el parásito Leishmania donovani. Y, eh, otra, eh, es que, eh, no siempre lo más complejo es lo mejor, ¿verdad? En este caso, el modelo Random Forest, que es inteligencia artificial clásica, que es un modelo mucho más sencillo, dio muchos mejores resultados que el BAE, que es un modelo generativo más moderno que utiliza, eh, funciones matemáticas mucho más complejas.

Para finalizar, bueno, quisiera agradecer al al profesor Rodrigo Herrera de Cenfotec, que nos dio desde el principio, a los doctores Estel Olmo y Alfonso Alejo de la Universidad de Salamanca, que literalmente nos enseñaron este cosas básicas de química hasta con dibujitos. Y, eh, bueno, aquí presentarles el al equipo de la USAL. Es el equipo del departamento de ciencias farmacéuticas con el que estuvimos trabajando. Y pues, eh, les dejo aquí mi correo también por si quieren, eh, eh, contactarse conmigo para, eh, conversar un poco más de esto. Si tienen alguna idea que que quieran llevar a cabo y no saben por dónde empezar o si nada más quieren, eh, pues, eh, verdad, contarme un poquito de de si han, eh, decidido hacer algo similar. Y pues, de momento eso sería. Les agradezco mucho su atención y espero que les haya parecido interesante la presentación. Muchas gracias al doctor Alejandro Villalobos. Vamos a dar paso con el segmento de preguntas para que pudiesen hacerle a él. Vamos a dar paso a las preguntas del campus Aurora. Me hola, hola. Eh, buenas tardes, doctor. Eh, bueno, el tema que ha tratado es muy interesante en vista al a la farmaco a la farmacoterapéutica, ¿no? Con respecto a la leishmaniasis. Mi pregunta es con respecto a esta implementación de la inteligencia artificial, porque usted lo ha hecho con un parásito que sería, eh, la leishmania, pero usted cree que con el pasar del tiempo también se puede aplicar en el ámbito hospitalario, sobre todo en unidades de cuidados intensivos, sobre la resistencia bacteriana y ver pues si la molécula o el fármaco puede ser más susceptible o sensible o por medio de esta inteligencia poder, eh, específica, específica, ya me trabé, o sea, ser más específico al momento de de elegir el fármaco, ya que, por ejemplo, veo que es muy común en las unidades de cuidado intensivo, eh, el tema de las resistencias bacterianas, sobre todo las Escherichia coli. Entonces, con el tiempo, ¿no?, hacer estos estudios. ¿Usted cree que pueda hacer también algún de algún beneficio para estas esta parte hospitalaria? Muchas gracias por la pregunta. Eh, bueno, todo depende de los datos. Creo que es importante el el tema de la resistencia a a los antibióticos es algo que definitivamente pues nos preocupa a todos. Y creo que lo más importante para poder avanzar en esa dirección es que los hospitales o o las, eh, eh, quienes llegan a poder saber si se está causando o no resistencia, que empiecen a guardar datos y a guardar datos y a guardar datos. Entre más datos, eh, se tenga, eh, mejor desempeño van a tener las la los modelos de inteligencia artificial. Yo no me atrevería a decir en este momento si sí o si no, pero yo la verdad creería que sí, ¿verdad? Con la suficiente cantidad de datos, eh, las inteligencias artificiales podrían, eh, ayudarnos a encontrar patrones que son muy difíciles para nosotros, eh, ver a simple vista. Eh, las inteligencias artificiales tienen una capacidad de procesamiento que es increíble y, eh, yo creo que yo creo que sí, creo que en en, eh, vamos a ver en la lucha de por la salud, cualquier tipo de problema que tengamos con la con la suficiente data y abordando el problema, eh, de diferentes maneras, creo que sí podemos, eh, aprovechar estas herramientas para encontrar, eh, soluciones a este tipo de problemas. Muy bien, vamos a darle paso a los estudiantes del campus Aurora, que también tienen dos preguntas para realizar. Ya no, no se escucha. Este, ¿qué enfermedades también podrían ser parte de la investigación? para poder visualizar sus moléculas y actividades. Eh, creo que cualquier enfermedad, siempre y cuando se tengan, eh, los datos de de la actividad, eh, biológica de los compuestos. Eh, el principal punto de, vamos a ver, el principal problema que tenemos cuando entrenamos modelos de inteligencia, inteligencia artificial, siempre son los datos. Eh, por ejemplo, nosotros para este estudio logramos contar con 2,400 aproximadamente de compuestos, eh, con actividad con actividad leishmanicida. Si hubiéramos tenido el triple o el cuádruple de compuestos con actividad leishmanicida, eh, no tengo ninguna duda de que los resultados hubieran sido todavía mejores, ¿verdad? Entonces, habría que ver cuál es la enfermedad que se quiere estudiar y que se quiere hacer un modelo de este tipo y ver qué tantos datos tenemos disponibles para poder entrenar los modelos. Pero, eh, sí se puede y no solo para ver que tengan, eh, actividad o no actividad biológica, me refiero, sino que se puede analizar otras dimensiones importantes, como mencionaba antes, una es la toxicidad, que también, eh, eh, es algo que se podría analizar, la toxicidad de los compuestos, hacia la especie humana o incluso hacia animales y si fuera para para medicamentos veterinarios, por ejemplo, ¿verdad? Entonces, eh, sí se puede para, diría que se puede para cualquier tipo de enfermedad, siempre y cuando haya datos, eh, que nosotros podamos utilizar para entrenar estos modelos. Buenas tardes. ¿Cree que la IA podrá algún día detectar brotes de leishmaniasis antes que los profesionales de vigilancia epidemiológica? ¿Qué falta para lograrlo? Bueno, creo que, eh, creo que sí se podría, eh, en realidad vimos algo similar con las proyecciones que se hicieron durante la pandemia con, eh, lo del coronavirus. Eh, ya hay algoritmos de inteligencia artificial que que son capaces, eh, de hacer este tipo de de predicciones y enfocarlos en un tema u otro, pues va a depender, eh, de proponérselo nada más. Eh, así sin sin conocer mucho de cómo hacer este tipo de de predicciones, ¿verdad? Porque sería un estudio completamente aparte. Habría que estudiar, eh, los casos, eh, por por provincia, por, bueno, por región geográfica, ver el crecimiento, eh, el avance que ha tenido la enfermedad, eh, a través de los años. Eh, los datos, los datos siempre van a ser lo más importante. Por ejemplo, si si tuviéramos datos de las regiones geográficas, eh, cuántos casos nuevos hubieron, cuántas defunciones hubieron, eh, todo eso se podría ingresar a una inteligencia artificial y podemos, de nuevo, a los patrones. Puede ser que haya un patrón de clima, puede ser que haya un patrón de, no sé, de de cantidad de turismo, de vuelos que ingresaron. Hay muchísimas variables que analizarlas todas es muy complicado, pero si al final de cuentas podemos meter todos esos datos en modelos de inteligencia artificial, eh, creo que el el forecast, ¿verdad?, como se llama, la predicción de de este tipo de cosas, eh, es completamente posible. Sí. Si hay otra pregunta. Buenas tardes. Este, ¿de qué manera contribuye la IA artificial a la precisión del procedimiento? ¿A la qué, perdón? ¿De qué manera contribuye la guía artificial a la precisión de cada procedimiento realizado? La precisión, bueno, las inteligencias artificiales se basan en probabilidades. Eso es algo que nosotros tenemos que tener claro. Eh, entonces, bueno, va a depender de cómo se haya entrenado la la IA y es algo que tiene que ver mucho con la calidad de los datos. A final de cuentas, todo vuelve a los datos siempre. Entre más datos se tengan, mejor va a ser el modelo. Es muy importante que los modelos se puedan validar. Las herramientas todas tienen que ser validadas. Eh, por ejemplo, nosotros esta la Universidad Salamanca nos va a ayudar mucho, eh, de aquí en adelante a validarla, ver si si es confiable o no y al final de cuentas vamos a tener un índice de confiabilidad. Yo diría que para, eh, cosas médicas, entre más alta sea la confiabilidad, vamos a poder usarla o como guía o, eh, o como algo más, ¿verdad? Como algo más definitivo. Sin embargo, siempre es importante, eh, tener, eh, a un humano de por medio, ¿verdad? No es algo en lo que podamos confiar ciegamente, ni siquiera en ChatGPT, que es un modelo, eh, que tiene, eh, muchísima investigación, que tiene muchos fondos para desarrollarse, eh, uno le puede preguntar algo y y no se le puede creer 100%, ¿verdad? Eh, es algo que se tiene que utilizar como guía. Entonces, eh, pues es algo que estamos, eh, empezando a a hacer. Eh, la IA de este tipo o la proliferación que ha tenido la IA en los últimos años ha sido mucha y ha avanzado muy rápido, pero todavía creo que estamos en pañales y creo que veremos el verdadero potencial en 5, 10, 15 años tal vez. Eh, pues podríamos hablar de de inteligencias artificiales más confiables todavía. Sin embargo, es un proceso y, eh, hay que hacer ciencia y hay que hay que seguirlo, hay que no no podemos esperar a que pase, sino que hay que hacerlo pasar. Muchas gracias, que tengan bonita tarde. Fue un placer. Hasta luego. Eh, bueno, a continuación vamos a tomarnos una foto final, así que invito a todos, eh, los presentes a ponerse de pie en el espacio en donde se encuentran. No nos vamos a desordenar. Los docentes en la parte de adelante también. Ya le escrib. No, no, no era esa. Ya viene R. Luego de la foto nos vamos a dirigir a los salones de clases. Va a transcurrir las clases normales a partir de esta hora. Sí. Listo. Ahora sí nos acomodamos para la foto. En la parte de atrás los estudiantes miren hacia adelante. Marcado 1, dos, tres. Otra más. A ver, 1, dos, tres. 1, dos, tres. Podemos hacer un video que diga "Jornada de la Salud", ya, pero gritando. Vamos a hacer una prueba. Ya. Y pueden ver las manos. Anto, a los si nos escuchan los chicos de OYO de de de, eh, las personas que se encuentran en el campus Aurora también para que puedan participar de la dinámica, van a decir "Jornada de la Salud" a la cuenta de tres para que puedan salir en el video también. Nos van a ayudar haciendo de la mano las personas que están en el campus Aurora. A la una, dos, tres. Uno, dos y tres. Jornada de Salud. Perfecto. Otra vez las personas del campus Aurora van a levantar la mano en la cuenta de tres. Ya. 1, dos, 3. Salud. Muy bien. Agradecemos nuevamente a todos los participantes de la del primer día de la segunda jornada internacional de la actualización de las ciencias de la salud, incluida las personas que estuvieron conectadas con nosotros durante la jornada matutina y vespertina. Nos vemos el día de mañana.