https://pharma.intelligence-synthesis.com/es/ai-science/Ciencia y erudición impulsadas por la IA, por disciplinaeshttps://pharma.intelligence-synthesis.com/es/ai-science/s/75c73ba4f5/sc-75c73ba4f5Sat, 17 Oct 2026 00:00:00 +0900Medicina y descubrimiento de fármacosClasificar el cáncer de pulmón y de colon a partir de imágenes histopatológicas es difícil porque las clases se parecen y la morfología del tejido varía, y los modelos convencionales de aprendizaje profundo ofrecen poca transparencia. Los autores dividen la tarea de cinco clases en etapas de lo general a lo específico: primero tejido normal frente a cáncer, y después un clasificador especializado para las categorías de tejido normal o los subtipos de cáncer, eligiendo para cada etapa la mejor arquitectura. El marco alcanzó una exactitud del 98.50% en LC25000 y del 82.01% en el conjunto de datos independiente LungHist700, y se emplearon Grad-CAM, Grad-CAM++, LIME y Occlusion Sensitivity para resaltar las regiones de la imagen que sustentan sus predicciones. https://www.nature.com/articles/s41598-026-75965-4https://pharma.intelligence-synthesis.com/es/ai-science/s/3a5c6c81a6/sc-3a5c6c81a6Sat, 17 Oct 2026 00:00:00 +0900Medicina y descubrimiento de fármacosLas guías actuales de vigilancia del cáncer de hígado (CHC) se dirigen principalmente a personas con cirrosis o hepatitis viral. Los investigadores crearon un modelo de IA para predecir el riesgo de CHC en personas sin hepatitis viral, utilizando datos de aproximadamente 7.96 millones de adultos surcoreanos que se sometieron a exámenes de salud. De los doce modelos comparados, MHA_DNN obtuvo el mejor rendimiento y mantuvo una precisión constante en una cohorte de validación independiente. El índice de hígado graso y los triglicéridos fueron los predictores más influyentes, lo que sugiere un apoyo para una vigilancia personalizada basada en el metabolismo. https://www.nature.com/articles/s41598-026-75959-2https://pharma.intelligence-synthesis.com/es/ai-science/s/49809d9807/sc-49809d9807Sat, 17 Oct 2026 00:00:00 +0900Medicina y descubrimiento de fármacosLos modelos de aprendizaje profundo existentes para imágenes de fondo de ojo retiniano abordan una sola tarea, ofrecen una interpretabilidad limitada y tienen dificultades ante la variación entre conjuntos de datos. Los autores proponen una red multitarea que clasifica la gravedad de la retinopatía diabética, el glaucoma, la etapa de la DMAE y el riesgo cardiovascular a partir de una sola imagen en una única pasada hacia adelante, con explicaciones mediante Grad-CAM. Alcanzó una exactitud del 94.7% y un AUC de 0.978 en cuatro conjuntos de datos, superando estadísticamente a todos los modelos de tarea única, y un AUC de al menos 0.951 en la evaluación entre conjuntos de datos sin entrenamiento previo (zero-shot). https://www.nature.com/articles/s41598-026-74871-zhttps://pharma.intelligence-synthesis.com/es/ai-science/s/e9fe1e9cad/sc-e9fe1e9cadFri, 16 Oct 2026 00:00:00 +0900Medicina y descubrimiento de fármacosLa depresión entre los estudiantes a menudo pasa desapercibida hasta que se vuelve grave, por lo que se necesita una predicción temprana. Los autores combinaron el modelado conductual basado en autómatas finitos con aprendizaje automático, generando características a partir de los estados emocionales de los estudiantes y fusionando las características redundantes. Con un conjunto de random forest y KStar, la precisión aumentó del 82.02% de la línea base con random forest al 96.88% con las características basadas en autómatas. Los autores afirman que el enfoque mantiene las características interpretables y trazables. https://www.nature.com/articles/s41598-026-74877-7https://pharma.intelligence-synthesis.com/es/ai-science/s/e2f17b44c6/sc-e2f17b44c6Fri, 16 Oct 2026 00:00:00 +0900Ciencias de la vidaEl aprendizaje de representaciones de genes a menudo pasa por alto la literatura científica, lo que puede sesgar los resultados en contra de los genes poco estudiados. LitGene es un transformer interpretable que integra texto con anotaciones de Gene Ontology mediante aprendizaje contrastivo. Logró una precisión competitiva en ocho pruebas de referencia de proteínas, predijo sin entrenamiento previo términos de GO, rutas de KEGG y vínculos entre genes y enfermedades, y señaló a ANGPTL6 como gen candidato para la fibrosis pulmonar idiopática, respaldado por la expresión diferencial en muestras independientes. https://www.nature.com/articles/s41467-026-78454-4https://pharma.intelligence-synthesis.com/es/ai-science/s/c4a02872fe/sc-c4a02872feFri, 16 Oct 2026 00:00:00 +0900Medicina y descubrimiento de fármacosValidar modelos de lenguaje de gran tamaño para la extracción de información clínica suele requerir una costosa anotación manual. Los autores propusieron un marco de varias etapas que combina filtrado basado en reglas, fundamentación semántica, evaluación mediante un LLM juez, revisión por expertos y análisis de validez predictiva. Aplicado a diagnósticos de trastornos por consumo de sustancias en 919,783 notas clínicas, eliminó el 14.59% de las extracciones positivas del LLM por considerarlas infundadas o inverosímiles. El LLM principal alcanzó una puntuación F1 de 0.80 frente a las evaluaciones del juez, y los diagnósticos que extrajo predijeron la posterior atención especializada mejor que las líneas base de datos estructurados. https://www.nature.com/articles/s41746-026-03341-7https://pharma.intelligence-synthesis.com/es/ai-science/s/b3aac6a87b/sc-b3aac6a87bFri, 16 Oct 2026 00:00:00 +0900Informática teóricaCada vez más personas sin experiencia utilizan modelos de lenguaje de gran tamaño para descifrar cifrados históricos, aprovechando su capacidad para ejecutar algoritmos de descifrado y buscar documentos en internet. Carter Leffen, que no tiene experiencia en criptografía, le pidió a GPT-6 Astra que descifrara un mensaje del ejército alemán cifrado hace 85 años, y por la mañana ya había producido una solución. Los especialistas en criptografía agradecen el interés, pero están desbordados por las solicitudes de validar soluciones de IA, muchas de las cuales son incorrectas. https://www.nature.com/articles/d41586-026-03338-yhttps://pharma.intelligence-synthesis.com/es/ai-science/s/9a043aae05/sc-9a043aae05Fri, 16 Oct 2026 00:00:00 +0900Informática teóricaEl análisis de malware requiere decisiones en varios niveles, desde la detección hasta la atribución de familia y de subfamilia detallada. Los autores proponen un marco jerárquico de aprendizaje profundo que toma imágenes RGB de archivos PE de Windows y realiza detección, clasificación de familias y atribución de 33 subfamilias en una única arquitectura de múltiples salidas. Cuatro modelos de aprendizaje por transferencia con atención alcanzaron una exactitud del 99% en binario, del 96–97% a nivel de familia y del 91–95% a nivel de subfamilia, con puntuaciones F1 macro de hasta 0.89 en la atribución detallada. https://www.nature.com/articles/s41598-026-75054-6https://pharma.intelligence-synthesis.com/es/ai-science/s/98c95c02f9/sc-98c95c02f9Fri, 16 Oct 2026 00:00:00 +0900Bioingeniería y biología sintéticaLos modelos de IA de vanguardia no razonan de forma fiable sobre la geometría 3D ni sobre el estado físico del laboratorio, lo que dificulta automatizar los robots de manejo de líquidos. Google Research ancló agentes de IA en la robótica física de laboratorio para que puedan ejecutar ciclos rápidos de diseño molecular en circuito cerrado. Los agentes descubrieron aglutinantes de proteínas con afinidad nanomolar de un solo dígito para dianas del cáncer. https://research.google/blog/grounding-ai-agents-in-biological-reality-building-blocks-for-autonomous-wet-labs/https://pharma.intelligence-synthesis.com/es/ai-science/s/73240ab217/sc-73240ab217Fri, 16 Oct 2026 00:00:00 +0900Medicina y descubrimiento de fármacosUn nuevo estudio de China entrenó un sistema de IA con fotografías del rostro y la lengua para detectar la enfermedad coronaria (EC). En una prueba pequeña, el sistema identificó correctamente a todos los pacientes con EC. https://medicalxpress.com/news/2026-10-ai-coronary-heart-disease-tongue.htmlhttps://pharma.intelligence-synthesis.com/es/ai-science/s/348cfe0470/sc-348cfe0470Fri, 16 Oct 2026 00:00:00 +0900Medicina y descubrimiento de fármacosLas directrices de atención integrada de las enfermedades prevalentes de la infancia tienen alta sensibilidad pero baja especificidad para la neumonía. Trabajadores de salud en Bangladés registraron los sonidos pulmonares de niños menores de cinco años con sospecha de neumonía mediante un estetoscopio digital, y se comparó un algoritmo de IA con un panel de pediatras. La IA detectó sonidos anormales con una sensibilidad del 61.8% y una especificidad del 60.7% en general, y del 63.5% y el 66.8% en los casos de neumonía según la AIEPI. Los autores describen este rendimiento como moderado, con necesidad de mejora en la clasificación de grabaciones ininterpretables. https://www.nature.com/articles/s41598-026-76222-4https://pharma.intelligence-synthesis.com/es/ai-science/s/31ff5bbcae/sc-31ff5bbcaeFri, 16 Oct 2026 00:00:00 +0900Medicina y descubrimiento de fármacosLa evaluación de los márgenes de resección quirúrgica en patología se ve afectada por errores de marcado manual con tinta, distorsión del tejido y daño por cauterización. Los autores desarrollaron una red de marcado virtual con tinta que utiliza un modelo fundacional congelado y un pequeño clasificador para delimitar el margen en imágenes de portaobjetos completos sin tinta física. En 20 portaobjetos de bloques de tejido no vistos, alcanzó una precisión de aproximadamente 73,3 % a nivel de región y generó superposiciones que coincidían cualitativamente con las anotaciones de expertos. Los resultados son una prueba de concepto y requieren validación en cohortes clínicas más grandes. https://www.nature.com/articles/s41598-026-74284-yhttps://pharma.intelligence-synthesis.com/es/ai-science/s/12f1eb5dff/sc-12f1eb5dffFri, 16 Oct 2026 00:00:00 +0900Química y materialesEstimar con precisión la energía potencial de moléculas pequeñas tras la minimización de energía es importante para diseñar fármacos y moléculas de administración génica. Los autores crearon modelos de aprendizaje profundo, incluidas arquitecturas CNN-BiLSTM con y sin atención multicabezal, y los entrenaron con un conjunto de datos de estructuras de moléculas pequeñas usando representaciones secuenciales por átomo. Según se informa, los modelos superan a los métodos tradicionales de aprendizaje automático basados en descriptores, y se afirma que el mecanismo de atención mejora la generalización. https://www.nature.com/articles/s41598-026-76095-7https://pharma.intelligence-synthesis.com/es/ai-science/s/caed039f5f/sc-caed039f5fThu, 15 Oct 2026 00:00:00 +0900Química y materialesLa estructura determina la función, por lo que los científicos recurren cada vez más a la IA para diseñar la disposición de los átomos en nuevos materiales con las propiedades deseadas. Investigadores del Instituto de Ciencias Industriales de la Universidad de Tokio ampliaron un destacado modelo de IA generativa para que diseñe la estructura electrónica de un material junto con su estructura cristalina. El nuevo modelo, MatterGen-e⁻, se presenta en npj Computational Materials. https://techxplore.com/news/2026-10-electronic-ai-materials.htmlhttps://pharma.intelligence-synthesis.com/es/ai-science/s/a674da9f35/sc-a674da9f35Thu, 15 Oct 2026 00:00:00 +0900Economía y ciencias socialesLas pistas sobre el estrés pueden estar ocultas en hábitos cotidianos del teléfono inteligente, como chatear, buscar y hacer pagos. Investigadores de KAIST desarrollaron una tecnología que analiza varios comportamientos rutinarios realizados repetidamente dentro de las aplicaciones para identificar el estado de estrés diario de una persona. https://techxplore.com/news/2026-10-smartphone-chatting-payment-habits-ai.htmlhttps://pharma.intelligence-synthesis.com/es/ai-science/s/484681c927/sc-484681c927Thu, 15 Oct 2026 00:00:00 +0900Ciencias de la vidaEl estudio aborda cómo la variación genética moldea la regulación génica en el cerebro humano en desarrollo, donde los datos son limitados. Los autores crearon Seal, un marco interpretable de aprendizaje por transferencia de IA que predice la expresión génica y los efectos de las variantes en 26 regiones, 30 tipos celulares y 7 etapas del desarrollo. En datos de genoma completo de autismo, Seal encontró una carga significativa de variantes reguladoras de novo en neuronas excitadoras fetales transitorias. https://www.nature.com/articles/s41593-026-02470-2https://pharma.intelligence-synthesis.com/es/ai-science/s/170c9bf7f3/sc-170c9bf7f3Thu, 15 Oct 2026 00:00:00 +0900Ciencias de la Tierra y del climaLos puntos de inflexión, después de los cuales un sistema no puede volver a su estado original, son más difíciles de predecir que los cambios meteorológicos a corto plazo. Un equipo dirigido por Caltech demostró que un operador neuronal recurrente (RNO), un tipo de red neuronal, puede predecir cuándo ocurren los puntos de inflexión en modelos simples. Entre ellos se incluyen un modelo de sistema de cambio climático y simulaciones del flujo de aire turbulento sobre el ala de un avión. El artículo se publicó en PNAS. https://www.caltech.edu/about/news/forecasting-tipping-points-with-aihttps://pharma.intelligence-synthesis.com/es/ai-science/s/0bb2f2bda6/sc-0bb2f2bda6Thu, 15 Oct 2026 00:00:00 +0900Ciencias de la vidaEl estudio tiene como objetivo predecir las estructuras de grandes complejos proteicos. Los autores desarrollaron HDOCK-Multimer (HDM), un marco automatizado que combina el acoplamiento ab initio con el ensamblaje combinatorio. En tres pruebas de referencia, HDM fue más preciso y robusto que los métodos de ensamblaje más avanzados y los basados en aprendizaje profundo para grandes ensamblajes de proteínas. https://www.nature.com/articles/s43588-026-01067-whttps://pharma.intelligence-synthesis.com/es/ai-science/s/0769c8ddfc/sc-0769c8ddfcThu, 15 Oct 2026 00:00:00 +0900Ciencias de la vidaDurante el desarrollo embrionario, las células reciben señales químicas que activan o desactivan genes y determinan sus funciones. Rastrear la secuencia de señales que ha recibido una célula ha sido difícil, porque se suponía que las vías de señalización diferían mucho entre tipos celulares. Investigadores del MIT y del Whitehead Institute desarrollaron un marco computacional para abordar esto, que podría ayudar a acelerar la ingeniería de células madre, mejorar los modelos de enfermedades e informar los tratamientos contra el cáncer. https://news.mit.edu/2026/ai-model-decodes-language-cells-use-communicate-1015https://pharma.intelligence-synthesis.com/es/ai-science/s/e98fb20321/sc-e98fb20321Wed, 14 Oct 2026 00:00:00 +0900Ciencias de la Tierra y del climaLa capacidad de predicción cae drásticamente en escalas de tiempo subestacionales, de 2 a 6 semanas de antelación. Los autores presentan la corrección probabilística del sesgo, un marco de aprendizaje automático que aprende a corregir pronósticos probabilísticos históricos, y lo aplican a los principales modelos dinámicos y de IA del ECMWF. Duplicó la modesta capacidad de predicción subestacional del Sistema de Pronóstico de IA y mejoró el modelo dinámico en la mayoría de los objetivos de presión, temperatura y precipitación; además, en la competencia en tiempo real del ECMWF de 2025 sus pronósticos globales fueron los mejores. https://www.nature.com/articles/s41586-026-11126-xhttps://pharma.intelligence-synthesis.com/es/ai-science/s/ac068f4878/sc-ac068f4878Wed, 14 Oct 2026 00:00:00 +0900Medicina y descubrimiento de fármacosHan faltado métodos para cuantificar a gran escala la actividad del tejido adiposo pardo (TAP) en humanos. Con datos de 101,243 pacientes de un gran centro oncológico, los autores cuantificaron de forma semiautomática la actividad del TAP en unos 8,700 pacientes mediante aprendizaje automático. Una mayor actividad del TAP, especialmente en el depósito axilar, se asoció con menores probabilidades de enfermedad cardiometabólica y con una distribución más saludable de la grasa blanca. https://www.nature.com/articles/s41586-026-11162-7https://pharma.intelligence-synthesis.com/es/ai-science/s/75389c0963/sc-75389c0963Wed, 14 Oct 2026 00:00:00 +0900Química y materialesLa estructura de solvatación en el seno de los electrolitos de las baterías de iones de litio es difícil de determinar con detalle atómico solo mediante experimentos. Los autores combinaron simulaciones atomísticas basadas en aprendizaje automático, espectroscopia de RMN, datos electroquímicos y cálculos de química cuántica. Identificaron complejos multi-Li+ no estudiados previamente, sin aniones enlazados, que se reducen con facilidad, lo que ayuda a explicar por qué funcionan las mezclas de disolventes de carbonato de etileno elegidas empíricamente. https://www.nature.com/articles/s41586-026-11138-7https://pharma.intelligence-synthesis.com/es/ai-science/s/f6daa0ea6d/sc-f6daa0ea6dTue, 13 Oct 2026 00:00:00 +0900Ciencias de la vidaUn grupo de unidades conectadas al azar puede reorganizarse en una red eficaz de procesamiento de información cuando se le dan reglas simples sobre cuándo y cómo deben cambiar las conexiones. El equipo del MIT sostiene que la capacidad de una red artificial para organizarse por sí sola, sin la guía de un desarrollador, es una prueba clave de plausibilidad biológica. Los investigadores advierten de que estas redes pueden no aportar mucha información sobre el aprendizaje biológico. https://news.mit.edu/2026/how-artificial-neural-networks-build-their-own-learning-machinery-1013https://pharma.intelligence-synthesis.com/es/ai-science/s/e5e310d165/sc-e5e310d165Tue, 13 Oct 2026 00:00:00 +0900Matemáticashttps://www.science.org/content/article/ai-edges-closer-solving-riemann-hypothesis-one-math-s-hardest-problemshttps://pharma.intelligence-synthesis.com/es/ai-science/s/de8281ec59/sc-de8281ec59Tue, 13 Oct 2026 00:00:00 +0900Ciencias de la vidaEl nuevo laboratorio de ciencias de la vida de Anthropic utiliza Claude para explorar conjuntos de datos de ADN en busca de familias de proteínas no caracterizadas. En los primeros resultados, con solo una orientación general de los científicos, los agentes de Claude encontraron un sistema enzimático novedoso de función desconocida y con propiedades que recuerdan a CRISPR. El trabajo busca generar hipótesis a gran escala y ponerlas a prueba en el laboratorio. https://www.anthropic.com/news/claude-discovers-novel-enzyme-systemhttps://pharma.intelligence-synthesis.com/es/ai-science/s/b2711ed99d/sc-b2711ed99dTue, 13 Oct 2026 00:00:00 +0900Ciencias de la vidaNiCLIP es un modelo de IA que decodifica tareas cognitivas, conceptos y dominios a partir de patrones de activación cerebral. Fue entrenado con más de 23,000 artículos y, según se informa, supera a los decodificadores tradicionales en la decodificación a nivel de grupo. Predijo con precisión tareas cognitivas a partir de mapas a nivel de grupo del Human Connectome Project, pero mostró limitaciones con mapas ruidosos a nivel de sujeto. https://www.nature.com/articles/s41467-026-78451-7https://pharma.intelligence-synthesis.com/es/ai-science/s/7f7996bdc6/sc-7f7996bdc6Tue, 13 Oct 2026 00:00:00 +0900Medicina y descubrimiento de fármacosAMIFound es un modelo fundacional que restaura y mejora imágenes médicas degradadas por ruido, artefactos de movimiento, bajo contraste o adquisición con dosis baja en siete modalidades, entre ellas TC, RM, PET, endoscopia, ecografía, fondo de ojo y rayos X. Entrenado con 3,76 millones de imágenes emparejadas, superó a 38 modelos de referencia específicos y generales en métricas de calidad de imagen, evaluación clínica y pruebas de robustez. Las imágenes mejoradas también aumentaron el rendimiento en 44 tareas de detección de enfermedades, en la predicción del estadio tumoral y en la estratificación del riesgo de supervivencia en el cáncer de pulmón de células no pequeñas. https://www.nature.com/articles/s42256-026-01310-zhttps://pharma.intelligence-synthesis.com/es/ai-science/s/0bcf3c5b5d/sc-0bcf3c5b5dTue, 13 Oct 2026 00:00:00 +0900Química y materialesLos hessianos moleculares, las segundas derivadas de la energía potencial, son necesarios en muchos flujos de trabajo de química computacional, pero su cálculo es costoso y escala mal con el tamaño del sistema. Los autores presentan HIP, un modelo de aprendizaje profundo que predice los hessianos directamente, sin diferenciación automática ni diferencias finitas, utilizando características SE(3)-equivariantes de una red neuronal de grafos. Según se informa, HIP es de uno a dos órdenes de magnitud más rápido y más preciso que los hessianos obtenidos mediante diferenciación automática, y ofrece buen rendimiento en la búsqueda de estados de transición, la optimización de geometrías y el análisis vibracional. https://www.nature.com/articles/s43588-026-01066-xhttps://pharma.intelligence-synthesis.com/es/ai-science/s/abb85a22ce/sc-abb85a22ceMon, 12 Oct 2026 00:00:00 +0900Medicina y descubrimiento de fármacosLas herramientas de IA pueden extraer de una sola noche de sueño patrones fisiológicos que las medidas convencionales del sueño pasan por alto, y estos patrones se relacionan con enfermedades y mortalidad. Dos artículos recientes, en Nature Communications y Nature Medicine, sugieren que los datos del sueño contienen mucha más información sobre la salud que la que extraen actualmente los médicos y los investigadores. Cada vez hay más pruebas de que los cambios en el sueño pueden aparecer antes de que se diagnostique una enfermedad. https://www.nature.com/articles/d41586-026-03207-8https://pharma.intelligence-synthesis.com/es/ai-science/s/8f745cbb31/sc-8f745cbb31Mon, 12 Oct 2026 00:00:00 +0900Medicina y descubrimiento de fármacosLa discinesia ciliar primaria (DCP) es una enfermedad genética con cilios disfuncionales en su movimiento, y su diagnóstico sigue siendo difícil. Los autores desarrollaron CiliaTracks, un marco de aprendizaje automático que analiza el transporte de partículas en células de las vías respiratorias cultivadas, captado mediante microscopía de alta velocidad. Modelos clásicos de aprendizaje automático y una red neuronal convolucional clasificaron grabaciones de 14 personas con DCP y 10 donantes sanos con una precisión del 95-97%. https://www.nature.com/articles/s42003-026-11149-0https://pharma.intelligence-synthesis.com/es/ai-science/s/8c16b42aed/sc-8c16b42aedMon, 12 Oct 2026 00:00:00 +0900Química y materialesPredecir propiedades a partir de datos de coordenadas y categorías, como las energías de formación o los módulos elásticos a partir de estructuras cristalinas, es fundamental en la ciencia computacional, y se han aplicado a ello los modelos de lenguaje de gran tamaño (LLM). Mediante conjuntos de datos sintéticos y el benchmark MatText, los autores encuentran que los LLM no logran captar de forma consistente la información de las coordenadas, mientras que manejan bien los patrones de categorías. Esto se mantiene en modelos de hasta 70 mil millones de parámetros, conjuntos de datos de hasta 2 × 10^6 estructuras y distintas representaciones de texto, y en la predicción de propiedades dominadas por efectos estructurales, las arquitecturas geométricas especializadas superan a los LLM. https://www.nature.com/articles/s43588-026-01045-2https://pharma.intelligence-synthesis.com/es/ai-science/s/81b97ba554/sc-81b97ba554Sun, 11 Oct 2026 00:00:00 +0900Ciencias de la vidaLas membranas celulares son difíciles de distinguir en volúmenes de tomografía crioelectrónica con ruido. Los autores presentan ETSAM, un método de dos etapas que ajusta Segment Anything Model 2 (SAM2) para segmentar membranas, entrenado con 83 tomogramas experimentales y 28 simulados. En 17 tomogramas experimentales de prueba, superó a otros métodos de aprendizaje profundo con alta sensibilidad y mejor precisión. https://www.nature.com/articles/s41467-026-77962-7https://pharma.intelligence-synthesis.com/es/ai-science/s/d21d6bf4e1/sc-d21d6bf4e1Fri, 09 Oct 2026 00:00:00 +0900FísicaLos autores presentan un método de aprendizaje in situ basado en la física que mide directamente los gradientes ópticos en circuitos integrados fotónicos. Permite entrenar diversas topologías de circuito después de la fabricación, sin necesidad de un modelo digital completo del circuito. Según se informa, el hardware logra diseño de matrices, cómputo multilongitud de onda y metaaprendizaje rápido. https://www.nature.com/articles/s43588-026-01071-0https://pharma.intelligence-synthesis.com/es/ai-science/s/ecd6faecf1/sc-ecd6faecf1Thu, 08 Oct 2026 00:00:00 +0900Ciencias de la vidaLos modelos de aprendizaje profundo pueden predecir bien datos genómicos, pero el paso más difícil es usarlos para el descubrimiento biológico. Este artículo describe tangermeme, un kit de herramientas altamente optimizado para las partes del aprendizaje profundo genómico distintas del propio modelo. Muestra cómo tangermeme puede destilar los patrones cis-reguladores aprendidos por los modelos en conocimientos interpretables para humanos. https://www.nature.com/articles/s41592-026-03254-zhttps://pharma.intelligence-synthesis.com/es/ai-science/s/bd824ddb04/sc-bd824ddb04Wed, 07 Oct 2026 00:00:00 +0900MatemáticasOpenAI utilizó un modelo no publicado en cientos de problemas matemáticos de gran relevancia y publicó más de 700 preprints generados por IA en GitHub el 6 de octubre. Algunos matemáticos celebraron las soluciones a problemas de larga data, mientras que otros se quejaron en las redes sociales de que les habían arrebatado el mérito. Un matemático calificó el aluvión de "slopocalipsis", aunque el contenido aún podría resultar formalmente correcto. https://www.nature.com/articles/d41586-026-03196-8https://pharma.intelligence-synthesis.com/es/ai-science/s/7cda060db9/sc-7cda060db9Wed, 07 Oct 2026 00:00:00 +0900Ciencias de la vidaLos datos de perturbación celular revelan relaciones reguladoras causales, pero estos datos suelen ser escasos, lo que motiva métodos que predigan las respuestas en un contexto a partir de otros. Los autores desarrollaron State, un modelo de aprendizaje automático que combina un modelo de transición de estados basado en transformadores para los efectos de perturbación en células individuales con un modelo preentrenado de incrustación celular. Fue entrenado con datos de perturbación de más de 100 millones de células y datos observacionales de 167 millones de células, y el equipo también creó Cell-Eval, un marco de evaluación para comparar modelos. https://www.nature.com/articles/s41592-026-03260-1https://pharma.intelligence-synthesis.com/es/ai-science/s/7bb39cbee1/sc-7bb39cbee1Wed, 07 Oct 2026 00:00:00 +0900Medicina y descubrimiento de fármacosLa segmentación de tumores cerebrales en resonancia magnética es lenta, propensa a errores y está afectada por el sesgo del operador, y los modelos de aprendizaje profundo a menudo carecen de interpretabilidad. Los autores proponen SPOHE-VGGNet, que combina una U-Net modificada con VGG-19 y una ecualización de histograma optimizada mediante enjambre de partículas para mejorar el contraste de las imágenes de resonancia magnética. Alcanzó coeficientes de Dice de 0,9522 (meningioma), 0,9428 (glioma) y 0,9518 (tumor hipofisario) en el conjunto de datos de Figshare y de 0,9463 para la segmentación del tumor completo en BraTS 2021, aunque los autores señalan que aún se requiere validación externa, volumétrica y centrada en los clínicos antes del uso clínico. https://www.nature.com/articles/s41598-026-72923-yhttps://pharma.intelligence-synthesis.com/es/ai-science/s/9ef1894996/sc-9ef1894996Tue, 06 Oct 2026 00:00:00 +0900Medicina y descubrimiento de fármacosLas decisiones de salud pública suelen verse frenadas por los retrasos en la notificación, los datos aislados en silos y la escasez de datos. El Population Dynamics Foundation Model (PDFM) de Google comprime tendencias de búsqueda que preservan la privacidad, movilidad humana, densidad del entorno construido y factores ambientales en incrustaciones de ubicación. Estas incrustaciones pueden integrarse en los modelos epidemiológicos existentes sin un ajuste fino específico para cada tarea, y se presentaron cinco estudios de caso con socios. https://research.google/blog/earth-ais-planetary-geospatial-foundation-models-for-global-public-health/https://pharma.intelligence-synthesis.com/es/ai-science/s/204538468b/sc-204538468bTue, 06 Oct 2026 00:00:00 +0900Ciencias de la vidaLos métodos existentes para datos moleculares espaciales suelen usar supuestos restrictivos que pueden pasar por alto señales importantes de enfermedad. VIMA, un método de aprendizaje profundo, usa un conjunto de autoencoders variacionales para resumir pequeños fragmentos de tejido e identificar micronichos cuya abundancia se correlaciona con el estado de caso o control. En simulaciones mostró una buena calibración y una gran potencia, y aplicado a conjuntos de datos de tres enfermedades recuperó biología conocida e identificó nuevas características espaciales de la enfermedad. https://www.nature.com/articles/s41592-026-03236-1https://pharma.intelligence-synthesis.com/es/ai-science/s/a681028c9f/sc-a681028c9fMon, 05 Oct 2026 00:00:00 +0900Ciencias de la vidaLos flujos de trabajo proteómicos actuales tienen bajo rendimiento y requieren un amplio procesamiento de datos, lo que ralentiza la clasificación de muestras. ProFormer es un pipeline de aprendizaje profundo basado en transformers que toma directamente las características de iones peptídicos a nivel MS1 de los datos de espectrometría de masas. Superó al aprendizaje automático tradicional y a las CNN en 14 arquitecturas y clasificó proteomas de célula única por tipo celular, etapa del ciclo y trayectoria de diferenciación, así como el estado de enfermedad de pacientes a partir de proteomas plasmáticos. https://www.nature.com/articles/s41467-026-78143-2https://pharma.intelligence-synthesis.com/es/ai-science/s/7488a954c0/sc-7488a954c0Mon, 05 Oct 2026 00:00:00 +0900Ciencias de la vidaLas plataformas de transcriptómica espacial de alta resolución capturan recuentos escasos de transcritos por punto o miden solo un número limitado de genes, lo que dificulta extraer información de células individuales. CellART combina imágenes de tinción, datos de transcriptómica espacial y referencias de RNA-seq de célula única, y emplea aprendizaje profundo y modelado probabilístico para segmentar células y anotar tipos celulares de forma simultánea. Los autores informan que es eficiente, generalizable y robusto, y que sus resultados son compatibles con herramientas comunitarias de uso extendido. https://www.nature.com/articles/s43588-026-01054-1https://pharma.intelligence-synthesis.com/es/ai-science/s/37746dff6b/sc-37746dff6bMon, 05 Oct 2026 00:00:00 +0900Medicina y descubrimiento de fármacosLa miocardiopatía hipertrófica (MCH) y la amiloidosis cardíaca (AC) se parecen en la ecocardiografía, lo que dificulta distinguirlas. El estudio desarrolló un marco de aprendizaje profundo que clasifica imágenes de eco 2D en cinco vistas clínicamente relevantes, extrae características de cada vista y las fusiona. En una validación cruzada de cinco pliegues con 212 pacientes con MCH, 119 con AC y 200 controles, alcanzó una precisión de 0.83, una sensibilidad de 0.81, una especificidad de 0.89 y un micro-F1 de 0.82, y los autores lo describen como una herramienta diagnóstica fiable. https://www.nature.com/articles/s41598-025-15443-5https://pharma.intelligence-synthesis.com/es/ai-science/s/5b6346b11a/sc-5b6346b11aThu, 01 Oct 2026 00:00:00 +0900FísicaInvestigadores de UCLA crearon un procesador óptico-neuronal que usa luz para detectar videos deepfake, con el objetivo de filtrar el creciente volumen de video generado por IA. A diferencia de los sistemas convencionales, que examinan los videos uno por uno, analiza 15 o más flujos de video a la vez en una sola pasada óptica. El equipo informa de una precisión de detección de casi el 98%, y el estudio se publicó en eLight. https://www.sciencedaily.com/releases/2026/09/260929053534.htmhttps://pharma.intelligence-synthesis.com/es/ai-science/s/4563f76666/sc-4563f76666Thu, 01 Oct 2026 00:00:00 +0900FísicaEl Prof. Matthew Schwartz describe cómo, tras dejar de pelear con Claude y permitirle encontrar problemas adecuados a sus capacidades actuales, construyó BootLoops, un conjunto de herramientas para cálculos exactos en la ciencia cuantitativa. Como cálculos similares se repiten en distintos campos, Claude encontró conexiones con la ecología, la genética de poblaciones y una docena de otras áreas, aunque a menudo eran técnicamente correctas pero poco llamativas al principio. Después, Schwartz trabajó con expertos de cada dominio para orientar BootLoops hacia las preguntas que interesan a esos campos. https://www.anthropic.com/research/claude-shaped-sciencehttps://pharma.intelligence-synthesis.com/es/ai-science/s/27c9a04ad4/sc-27c9a04ad4Thu, 01 Oct 2026 00:00:00 +0900Informática teóricaLa optimización combinatoria sustenta decisiones en manufactura, logística y energía, pero diseñar heurísticas para cada nueva variante exige meses de esfuerzo experto, y la generación de código con LLM en un solo paso suele fallar. LACE divide el diseño de algoritmos en esquemas, una biblioteca de herramientas y un portafolio de heurísticas, y luego hace evolucionar heurísticas especializadas complementarias dentro de los límites de tiempo de ejecución. En 36 problemas clásicos de CO-Bench obtuvo un promedio de 0.945, frente a 0.870 del método previo basado en LLM más sólido y 0.571 con prompts directos. https://www.nature.com/articles/s42256-026-01307-8https://pharma.intelligence-synthesis.com/es/ai-science/s/def62dff8c/sc-def62dff8cWed, 30 Sep 2026 00:00:00 +0900Informática teóricaInvestigadores crearon un sistema de IA para Stratego, un juego de mesa para dos jugadores en el que las piezas del oponente están ocultas y que se usa a menudo para poner a prueba el pensamiento estratégico. Al combinar algoritmos de entrenamiento eficientes con nuevas técnicas para tomar decisiones con información oculta, el sistema derrotó por un amplio margen a jugadores humanos de primer nivel y superó a los siguientes mejores modelos, con un coste de entrenamiento menor. También venció a los mejores jugadores humanos en otros juegos de estrategia con reglas distintas. https://news.mit.edu/2026/game-playing-ai-stratego-new-champ-0930https://pharma.intelligence-synthesis.com/es/ai-science/s/ca6b7010c4/sc-ca6b7010c4Wed, 30 Sep 2026 00:00:00 +0900FísicaLa interpretación de eventos en detectores de neutrinos de frontera energética es poco práctica para la reconstrucción convencional y difícil para los modelos supervisados cuando hay pocos datos etiquetados. Los autores preentrenan un Vision Transformer disperso con reconstrucción de autoencoder enmascarado y objetivos relacionales a nivel de vóxel, y luego lo ajustan conjuntamente en clasificación y regresión. En eventos simulados del calorímetro FASER propuesto, el preentrenamiento mejoró la identificación de sabor y de quarks charm, la regresión de momento y la reconstrucción de vértices, y con unos 1,000 eventos etiquetados el codificador preentrenado igualó el rendimiento de clasificación de sabor de un modelo entrenado desde cero. https://www.nature.com/articles/s42256-026-01309-6https://pharma.intelligence-synthesis.com/es/ai-science/s/a3455247ae/sc-a3455247aeWed, 30 Sep 2026 00:00:00 +0900Ciencias de la Tierra y del climaLos eventos extremos de clima espacial pueden inducir corrientes en las redes de transmisión que dañan los equipos, y los operadores de la red necesitan saber cuándo y dónde los efectos serán más graves con suficiente antelación. Microsoft Research creó un flujo de trabajo de aprendizaje automático que combina datos del viento solar, pronósticos de AE y Dst, latitud local, geología y conductividad del suelo para generar estimaciones de riesgo para 66,935 subestaciones en la zona continental de Estados Unidos. Durante el período de evaluación detectó casi el 80% de los eventos importantes de clima espacial y puede avisar a los operadores entre 30 y 60 minutos antes de que aparezca un riesgo específico. https://www.microsoft.com/en-us/research/blog/forecasting-space-weather-risks-on-power-grids/https://pharma.intelligence-synthesis.com/es/ai-science/s/832a7ab3b2/sc-832a7ab3b2Wed, 30 Sep 2026 00:00:00 +0900Informática teóricahttps://deepmind.google/blog/d4rt-teaching-ai-to-see-the-world-in-four-dimensions/https://pharma.intelligence-synthesis.com/es/ai-science/s/c9854dc125/sc-c9854dc125Tue, 29 Sep 2026 00:00:00 +0900Ciencias de la Tierra y del climaLas pequeñas explotaciones agrícolas de secano de Senegal dejan a gran parte de la población expuesta a las perturbaciones climáticas, y sin embargo las herramientas de cartografía de cultivos por satélite siguen estando en gran medida fuera de su alcance. Investigadores de la Universidad de Cambridge utilizaron Tessera, un modelo de IA de código abierto entrenado con imágenes de satélite, para cartografiar los cultivos en la cuenca del cacahuete de Senegal. En las pruebas dio el resultado correcto el 84% de las veces, con mayor precisión que los métodos actuales, utilizando solo una fracción de los recursos de cómputo y de los datos etiquetados. En un escenario rindió un 28% mejor que el siguiente mejor modelo. https://www.cam.ac.uk/research/news/ai-tool-for-mapping-smallholder-crops-proves-itself-in-senegalhttps://pharma.intelligence-synthesis.com/es/ai-science/s/6ab9873a8d/sc-6ab9873a8dTue, 29 Sep 2026 00:00:00 +0900Ciencias de la vidaQuine, de Microsoft Research, es un esfuerzo en fase temprana para construir un modelo del mundo multimodal de la biología y un entorno interactivo que conecta modelos, herramientas científicas, literatura e investigadores, y que ayuda a los científicos a priorizar hipótesis antes de las pruebas de laboratorio. En colaboración con investigadores del Broad Institute de Harvard y el MIT, el equipo lo utilizó para priorizar compuestos que se prevé que impulsen cambios terapéuticos en el estado tumoral y validó varios de los candidatos mejor clasificados en múltiples ensayos de laboratorio. El sistema es experimental, está destinado únicamente a la investigación y sus resultados requieren la revisión de investigadores cualificados. https://www.microsoft.com/en-us/research/blog/introducing-quine-an-ai-research-system-designed-for-the-complexity-of-biology/https://pharma.intelligence-synthesis.com/es/ai-science/s/ce8a4de60a/sc-ce8a4de60aMon, 28 Sep 2026 00:00:00 +0900Medicina y descubrimiento de fármacosLas vacunas de ARN suelen requerir almacenamiento ultrafrío, por lo que investigadores del MIT usaron un algoritmo de IA para ajustar la formulación de las nanopartículas lipídicas que transportan las vacunas de ARNm. El algoritmo predijo formulaciones óptimas, lo que redujo el número de experimentos necesarios y aceleró el desarrollo. Las vacunas resultantes se mantuvieron estables hasta un año a temperatura ambiente o dos meses a casi 100°F, y en ratones una vacuna contra el Covid-19 produjo una respuesta inmunitaria tan fuerte como la de una vacuna de ARN similar a la de Moderna. https://news.mit.edu/2026/new-formulation-helps-rna-vaccines-withstand-high-temperatures-0928https://pharma.intelligence-synthesis.com/es/ai-science/s/c73c02fd4a/sc-c73c02fd4aMon, 28 Sep 2026 00:00:00 +0900Ciencias de la Tierra y del climaLos modelos climáticos son demasiado gruesos para las decisiones de riesgo regional, y los métodos de reducción de escala existentes son demasiado costosos para grandes conjuntos, pasan por alto dependencias multivariadas o requieren pares de entrenamiento alineados en el tiempo de los que carecen las proyecciones de ejecución libre. GenFocal es un marco de IA generativa que produce clima de escala fina estadísticamente preciso a partir de proyecciones gruesas sin datos de entrenamiento emparejados. Sintetiza peligros de larga duración como olas de calor y ciclones tropicales, muestrea eventos raros de alto impacto con mayor precisión que los métodos líderes y mejora las estimaciones regionales de extremos compuestos. https://www.nature.com/articles/s42256-026-01308-7https://pharma.intelligence-synthesis.com/es/ai-science/s/902d1f16cb/sc-902d1f16cbSat, 26 Sep 2026 00:00:00 +0900MatemáticasLa hipótesis de Riemann, un problema sin resolver, afirma que todos los ceros de la función zeta de Riemann se encuentran en una determinada línea vertical. Mientras intentaba resolver el problema, una versión de investigación no publicada de Claude no lo demostró, pero mejoró una cota inferior de larga data sobre la fracción de ceros que cumplen esa condición, elevándola del 41.6% al 67.2%. Dos matemáticos de Anthropic validaron el artículo y redactaron una nota informal de expertos, y Claude también produjo una demostración verificable formalmente. No se espera que el resultado conduzca a una demostración de la hipótesis en sí. https://www.anthropic.com/research/riemann-zetahttps://pharma.intelligence-synthesis.com/es/ai-science/s/24adfd04a8/sc-24adfd04a8Fri, 25 Sep 2026 00:00:00 +0900FísicaEl físico y divulgador científico Matt von Hippel desafió a las empresas de IA a resolver un difícil problema de física teórica: calcular una amplitud de nueve lazos en la teoría de super-Yang-Mills N=4. Claude la calculó y superó el desafío aproximadamente un mes después. https://www.anthropic.com/research/yes-claude-can-do-nine-loopshttps://pharma.intelligence-synthesis.com/es/ai-science/s/c6cf2b4556/sc-c6cf2b4556Thu, 24 Sep 2026 00:00:00 +0900Medicina y descubrimiento de fármacosIdentificar a las personas con alto riesgo de suicidio es una prioridad para los consejeros durante las crisis de salud mental. Investigadores del McGovern Institute del MIT desarrollaron una herramienta de procesamiento del lenguaje que busca en el texto palabras y frases vinculadas a 49 factores de riesgo de suicidio para estimar el riesgo de una persona. En conversaciones de texto con consejeros de crisis, la herramienta predijo con precisión el riesgo de suicidio y, con más validación, podría respaldar la evaluación del riesgo en entornos clínicos y de apoyo en crisis. https://news.mit.edu/2026/estimating-suicide-risk-from-text-0924https://pharma.intelligence-synthesis.com/es/ai-science/s/dc467c9a7e/sc-dc467c9a7eTue, 22 Sep 2026 00:00:00 +0900Informática teóricaLos robots voladores del tamaño de un insecto han sido por lo general lentos y limitados a trayectorias de vuelo simples. Investigadores del MIT desarrollaron un controlador basado en IA con un sistema de control de dos partes que permite volteretas corporales repetidas. En comparación con los mejores resultados anteriores del equipo, la velocidad del robot aumentó cerca de un 450% y su aceleración cerca de un 250%, y completó 10 volteretas en 11 segundos incluso con perturbaciones de viento. https://www.sciencedaily.com/releases/2026/09/260921081114.htmhttps://pharma.intelligence-synthesis.com/es/ai-science/s/5fc14a3904/sc-5fc14a3904Mon, 21 Sep 2026 00:00:00 +0900Bioingeniería y biología sintéticaLos modelos de código abierto que los científicos utilizan para predecir y diseñar biomoléculas eran lentos y consumían mucha memoria. Trabajando dentro de Claude Science, Claude optimizó más de 30 de estos modelos en poco menos de cuatro semanas, acelerándolos en promedio aproximadamente 4 veces. También creó un modo de bajo consumo de memoria que permite predecir con precisión sistemas de más de 10,000 tokens en un solo nodo con GPU NVIDIA, y el código optimizado se publicará como código abierto. https://www.anthropic.com/research/claude-uplifts-biomolecular-modeling