Un dispositivo electrónico implantable, alimentado de forma inalámbrica, podría ofrecer un enfoque sin fármacos para tratar los trastornos metabólicos interrelacionados de la obesidad y la diabetes tipo 2. El dispositivo utiliza la electrocatálisis para eliminar el exceso de glucosa del torrente sanguíneo cuando sea necesario. La obesidad y la diabetes son trastornos metabólicos estrechamente interrelacionados que se refuerzan mutuamente a través de complejos procesos hormonales, inflamatorios y de regulación energética, lo que contribuye en conjunto al aumento global de la «diabesidad». Los tratamientos actuales dependen en gran medida de la medicación a largo plazo y de los cambios en el estilo de vida, mientras que los sistemas actuales de control de la glucosa y de administración de insulina presentan limitaciones en cuanto a precisión, fiabilidad, personalización y coste. Los enfoques emergentes, entre los que se incluyen las células terapéuticas modificadas genéticamente y los fármacos que actúan tanto sobre el peso como sobre la glucosa en sangre, son prometedores, pero siguen viéndose limitados por preocupaciones relacionadas con los efectos secundarios, la seguridad y la asequibilidad. Otra estrategia emergente se basa en la electrocatálisis, que utiliza las superficies de los electrodos para provocar reacciones químicas que convierten la glucosa en otros compuestos. Mediante la electrocatálisis, Debasis Maity y sus colegas han desarrollado un dispositivo implantable denominado «optimización de la salud mediante electrocatálisis de bucle cerrado» (ECHO). Este dispositivo, que se alimenta de forma inalámbrica, utiliza un catalizador de oro recubierto de platino para convertir la glucosa circulante en gluconato, que puede eliminarse a través de los riñones. Conectado a un monitor continuo de glucosa a través de un smartphone, ECHO se activa automáticamente cuando el azúcar en sangre supera un umbral preestablecido, lo que permite la eliminación selectiva de glucosa sin necesidad de insulina ni medicación externa. En un estudio de prueba de concepto realizado en ratones obesos con diabetes tipo 2, Maity y sus colegas informan de que la activación inalámbrica del dispositivo a baja potencia (0,75 voltios y 10 miliamperios) restableció los niveles normales de glucosa en sangre en una hora e hizo que el organismo pasara a utilizar la grasa en lugar de la glucosa como fuente de energía. A lo largo de seis semanas de tratamiento, los ratones experimentaron una reducción del peso corporal y de los niveles de triglicéridos, junto con un aumento de los ácidos grasos libres y los cuerpos cetónicos en circulación. Estos cambios se produjeron sin episodios detectables de hipoglucemia ni efectos adversos sobre la función fisiológica, la inflamación o el comportamiento. «Los dispositivos bioelectrónicos actuales ofrecen un acceso notable a los sistemas nervioso y neuromuscular», escriben William Bentley y Gregory Payne en un artículo de Perspective relacionado. «Por lo tanto, los futuros dispositivos de intervención electrónica podrían ayudar a tratar otras enfermedades además de la diabetes, modular las interacciones entre el ser humano y la microbiota o mantener la homeostasis redox en situaciones de estrés, entre muchas otras aplicaciones».

Un sistema de inteligencia artificial (IA) diseñado para imitar a un grupo de expertos médicos - que revisa continuamente la nueva información a medida que está disponible - superó a los médicos humanos participantes en el diagnóstico de casos clínicos, al tiempo que, en muchos casos, redujo los costes estimados de las pruebas. Las evaluaciones anteriores de las herramientas de IA médica «no habían analizado el diagnóstico como un proceso activo y secuencial de recopilación de información que tenga en cuenta conjuntamente la precisión diagnóstica y los costes de las pruebas diagnósticas», afirman los autores del estudio. El diagnóstico clínico es un proceso iterativo en el que los médicos recopilan información de los historiales de los pacientes, las exploraciones físicas y las pruebas diagnósticas para identificar una afección médica. A medida que surgen nuevas pruebas, revisan continuamente los posibles diagnósticos y determinan si existe suficiente certeza para llegar a una conclusión o iniciar un tratamiento. Aunque los modelos de lenguaje (LM) han demostrado impresionantes capacidades de razonamiento médico en exámenes escritos y casos clínicos estructurados, las evaluaciones convencionales suelen proporcionar toda la información del caso desde el principio. «Al reducir el diagnóstico a un único paso de inferencia», afirman los autores, «las pruebas de referencia estáticas no pueden evaluar si un sistema formula las preguntas adecuadas, se abstiene de realizar pruebas indiscriminadas, actualiza el diagnóstico diferencial a medida que se acumula evidencia o reconoce cuándo se ha alcanzado la certeza suficiente para dar por concluido el proceso de evaluación». Esto podría llevar a sobrevalorar la competencia diagnóstica. Para subsanar esta carencia, Harsha Nori y sus colegas desarrollaron el Sequential Diagnosis Benchmark (SDBench), transformando 629 casos clínicos extraídos de The New England Journal of Medicine y de atenciones en servicios de urgencias en retos diagnósticos interactivos paso a paso. Utilizando el SDBench, Nori y sus colaboradores evaluaron Diagnostic Orchestrator (DxO), un sistema de IA que crearon para guiar el razonamiento diagnóstico. Este selecciona preguntas y pruebas teniendo en cuenta los costes. Impulsado por GPT-5, DxO estableció un equilibrio más favorable entre la precisión diagnóstica y los costes de las pruebas que los médicos participantes en todo el rango de coste-precisión evaluado. En función de las limitaciones presupuestarias, el sistema alcanzó precisiones de entre el 79,6 % y el 84,5 %, con unos costes medios que oscilaron entre los 1.303 y los 8.945 dólares por caso. En comparación, los médicos que evaluaron casos seleccionados para conferencias clínicas alcanzaron precisiones diagnósticas medias del 22,3 % sin herramientas de referencia y del 36,1 % con ellas. Incluso el médico con mejor rendimiento, cuya precisión alcanzó el 51,8 %, fue superado por DxO tanto en precisión como en coste. El sistema también siguió una estrategia diagnóstica distinta, recopilando mucha más información sobre el historial del paciente antes de solicitar su primera prueba de lo que solían hacer los médicos. En los casos rutinarios del servicio de urgencias, DxO alcanzó una precisión del 80,3 % con un coste medio de 4.980 dólares por caso, sin restricciones presupuestarias. Aunque estos resultados sugieren que la coordinación mediante IA podría facilitar un diagnóstico más eficiente, los autores sostienen que es necesaria una evaluación más exhaustiva para determinar su eficacia en la práctica clínica real y su impacto en los resultados de los pacientes. Además, Nori y su equipo subrayan que el modelo no puede realizar exploraciones físicas ni observar a los pacientes directamente. No obstante, el sistema resulta prometedor a la hora de complementar el flujo de trabajo de un médico. Para obtener más información, consulta la entrevista en vídeo «SciPak: Unpak’d», en la que dos de los autores analizan el trabajo con mayor detalle.

Existe un techo de cristal mediático en las noticias sobre inteligencia artificial (IA) publicadas en medios de comunicación en los últimos años en España: los hombres protagonizan el 41% de las informaciones, mientras que las mujeres solo el 5%. Este es uno de los datos que aparecen en el informe “InfoIA: análisis de las informaciones sobre inteligencia artificial publicadas en medios digitales”, realizado por el Instituto Universitario de Estudios de Género de la Universidad Carlos III de Madrid (UC3M), con apoyo del Instituto de las Mujeres del Ministerio de Igualdad.

Mediante la aplicación de un «andamio» molecular único, los investigadores han creado un fármaco antifúngico de amplio espectro que se dirige específicamente a un compuesto fúngico clave sin alterar el colesterol del huésped, un efecto secundario frecuente de las terapias actuales. La selectividad del compuesto podría ayudar a evitar los efectos secundarios tóxicos que han afectado a los regímenes de tratamiento antifúngico y han frustrado a los médicos durante décadas. Para tratar las infecciones fúngicas, los médicos suelen recurrir a un fármaco llamado anfotericina B, considerado el tratamiento de referencia para una amplia gama de patógenos fúngicos. Este fármaco ha reinado de forma indiscutible durante más de 50 años, pero conlleva efectos secundarios peligrosos, como toxicidad renal y hematológica. Estos efectos secundarios se deben a que el fármaco actúa sobre un compuesto fúngico llamado ergosterol, que comparte muchas características estructurales con el colesterol de los mamíferos. Como consecuencia, la anfotericina B altera con frecuencia la biología del colesterol, lo que limita su utilidad clínica. Para desvincular el ergosterol del colesterol, Wei Liu y sus colegas desarrollaron un nuevo antifúngico denominado mandimicina M16, que diseñaron a partir de un esqueleto molecular al que denominaron «andamio de polieno 5+1». El diseño de este andamio permite que el fármaco se dirija de forma más específica al ergosterol fúngico a través del sistema diénico C5-C8, ausente en el colesterol. M16 neutralizó in vitro 11 patógenos fúngicos de riesgo prioritario - incluidas cepas multirresistentes - sin unirse al colesterol. Además, superó a la anfotericina B en varios modelos murinos de infecciones sistémicas por Candida sin causar daño renal. «M16 proporciona una base mecánica y estructural para el diseño de fármacos antifúngicos de nueva generación […] y abre una vía hacia agentes antifúngicos que cubran las lagunas terapéuticas que dejan los tratamientos actuales», escriben Liu y su equipo.

El consorcio de investigación PROSPERO, coordinado por la Universidad Carlos III de Madrid (UC3M), reúne a nueve organizaciones de seis países para transformar la arquitectura de las futuras redes de telecomunicaciones de sexta generación (6G) con el objetivo de conseguir una plataforma abierta e inteligente que reduzca costes y garantice el servicio de comunicaciones móviles ante grandes apagones.

Un consorcio liderado por la Universidad de Zaragoza y en el que participa la Universidad Carlos III de Madrid (UC3M) ha sido seleccionado en la convocatoria de Investigación en Salud 2026 de la Fundación “la Caixa”, una de las convocatorias más competitivas de la investigación biomédica en España y Portugal. El proyecto AIBEM desarrollará modelos epidemiológicos impulsados por inteligencia artificial (IA), capaces de reproducir cómo la confianza en las autoridades sanitarias, la adherencia a las normas, la desinformación, las desigualdades socioeconómicas y los determinantes sociales condicionan la propagación de una enfermedad, y de evaluar al mismo tiempo la eficacia de las medidas de salud pública para mitigar la transmisión comunitaria.