El investigador colombiano Diego Armando Salazar, integrante del equipo científico de los National Institutes of Health (NIH) de Estados Unidos, trabaja en la convergencia entre la Inteligencia Artificial (IA) y el modelamiento computacional.
Mediante el análisis de grandes volúmenes de datos biológicos, su trabajo busca transformar la ciencia compleja en soluciones de salud más precisas y seguras antes de llegar a las fases clínicas. Esta labor cobra especial relevancia al redefinir los diagnósticos tempranos y la eficacia de los tratamientos en enfermedades de alta complejidad.
Índice de temas
¿De qué manera transforma la IA el tratamiento de las enfermedades cerebrales?
Una investigación coescrita por Salazar y publicada en la revista científica Frontiers in Medicine (2025) destaca cómo la alianza entre la IA y la nanomedicina representa un punto de inflexión frente a patologías del cerebro como el cáncer cerebral, el Alzheimer, el Parkinson y la esclerosis múltiple.
En este campo, la nanomedicina utiliza vehículos microscópicos diseñados para transportar fármacos con absoluta precisión. El aporte de la IA consiste en analizar los datos clínicos y optimizar estas estructuras microscópicas para mejorar su efectividad. Este avance técnico resulta fundamental para superar la barrera natural que protege al cerebro, un obstáculo biológico que históricamente dificulta el ingreso de los medicamentos tradicionales al lugar correcto.
“La tecnología solo tiene sentido cuando se traduce en mejores decisiones, diagnósticos más tempranos y tratamientos más eficaces para las personas“, comparte Salazar y subraya la relevancia de este enfoque con una perspectiva de servicio a la sociedad.
¿Cómo ayuda el modelamiento computacional a descifrar el glioma de bajo grado?
El abordaje de enfermedades oncológicas también registra avances significativos mediante la ciencia de datos. Durante su trayectoria en la Universidad de los Andes, Salazar desarrolló un método computacional publicado en la revista Bioinformatics (2021) enfocado en integrar diversos tipos de datos biológicos fragmentados para identificar patrones que antes pasaban desapercibidos.
La propuesta metodológica funciona como un ensamblaje de señales complejas que permite agrupar la información médica por similitudes. En su aplicación específica al estudio del glioma de bajo grado –un tipo de tumor cerebral–, el investigador unificó bases de datos de proyectos internacionales de alta confianza como el Atlas del Genoma del Cáncer (TCGA) y la Enciclopedia de Líneas Celulares de Cáncer (CCLE). La integración de estas fuentes primarias permitió:
- Detectar patrones biológicos vinculados al desarrollo tumoral.
- Clasificar a la población de pacientes y a los modelos de laboratorio según su comportamiento biológico.
- Anticipar las respuestas a diferentes fármacos, identificando de manera temprana las señales de sensibilidad o resistencia al tratamiento.
¿Cuáles son las proyecciones de la ciencia abierta en el futuro de la medicina?
El impacto de este tipo de innovaciones tecnológicas no se limita al diagnóstico y la personalización médica, sino que plantea una reconfiguración en la forma de gestionar el conocimiento científico. El puente construido entre la ciencia de datos y la práctica médica acelera las rutas de investigación al permitir comparar la evolución de la población afectada con los ensayos de laboratorio.
Adicionalmente, el desarrollo de estas metodologías bajo principios de ciencia abierta garantiza que las herramientas computacionales queden disponibles de forma transparente. Esta accesibilidad técnica permite que la comunidad científica internacional construya sobre los hallazgos previos, multiplicando los esfuerzos globales para resolver desafíos urgentes de la salud pública.
