Microscopía inteligente: el impacto de la IA en la exploración de lo invisible

Autores/as

  • Carlos Acuña Ocampo Instituto Tecnológico y de Estudios Superiores de Monterrey. Escuela de Ingeniería y Ciencias. Juan de La Barrera 1241, Las Cumbres, 25270 Saltillo, Coah. México. https://orcid.org/0000-0003-2334-3519
  • Selenne Romero Servin Universidad de Minnesota, Departamento de Patología Oral y Maxilofacial. Malcolm Moos Health Sciences Tower, 515 Delaware St SE Minneapolis, MN 55455 https://orcid.org/0000-0002-4992-0567
  • Pedro Páramo Tecnológico de Monterrey. Escuela de Ingeniería y Ciencias. Juan de La Barrera 1241, Las Cumbres, 25270 Saltillo, Coah. México
  • Ivonne yznaga Tecnológico de Monterrey. Escuela de Ingeniería y Ciencias. Juan de La Barrera 1241, Las Cumbres, 25270 Saltillo, Coah. México https://orcid.org/0009-0005-4633-3518

DOI:

https://doi.org/10.59741/srp3gw62

Palabras clave:

multidisciplinaria, inteligencia artificial, microscopía

Resumen

La inteligencia artificial está revolucionando la microscopía en áreas como la medicina y la ciencia de materiales, destacando la importancia de la colaboración multidisciplinaria para avanzar en la exploración de lo invisible. Este estudio presenta dos casos clave: el primero se enfoca en el análisis de imágenes de patologías, demostrando que es posible clasificar estas imágenes mediante algoritmos de IA, comenzando con la selección del aumento microscópico más adecuado. El segundo aborda los beneficios de la caracterización de materiales a través de diversos enfoques basados en IA. La integración de conocimientos provenientes de la medicina, la ingeniería y la computación no solo mejora la precisión y eficiencia en ambos campos, sino que también fomenta nuevas estrategias de investigación y desarrollo. Este enfoque colaborativo permite aplicar tecnologías avanzadas de análisis, que tradicionalmente se limitaban a un solo ámbito, de manera innovadora en otros campos, acelerando así los descubrimientos.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Dwivedi, Y. K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., Duan, Y., Dwivedi, R., Edwards, J., Eirug, A., Galanos, V., Ilavarasan, P. V., Janssen, M., Jones, P., Kar, A. K., Kizgin, H., Kronemann, B., Lal, B., Lucini, B., … Williams, M. D. (2021). Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 57, 101994. https://doi.org/https://doi.org/10.1016/j.ijinfomgt.2019.08.002 DOI: https://doi.org/10.1016/j.ijinfomgt.2019.08.002

Guo, K., Yang, Z., Yu, C. H., & Buehler, M. J. (2021). Artificial intelligence and machine learning in design of mechanical materials. Materials Horizons, 8(4), 1153-1172. http://dx.doi.org/10. 1039/D0MH01451F. DOI: https://doi.org/10.1039/D0MH01451F

Kuklyte, J., Fitzgerald, J., Nelissen, S., Wei, H., Whelan, A., Power, A., ... & O’Shea, D. (2021). Evaluation of the use of single-and multi-magnification convolutional neural networks for the determination and quantitation of lesions in nonclinical pathology studies. Toxicologic Pathology, 49(4), 815-842. http://dx.doi.org/10.1177/0192623320986423. DOI: https://doi.org/10.1177/0192623320986423

Llamas-Velasco, M., & Ovejero-Merino, E. (2024). Inteligencia artificial en el diagnóstico dermatopatológico. Piel, 39(8), 512-517. http://dx.doi. org/10.1016/j.piel.2024.01.002. DOI: https://doi.org/10.1016/j.piel.2024.01.002

Descargas

Publicado

19-05-2025

Número

Vol. 22 Núm. 2 (2025): Mayo-Agosto de 2025

Sección

Artículos de divulgación

Licencia

Derechos de autor 2025 Universidad Autónoma Agraria Antonio Narro

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.

Cómo citar

Microscopía inteligente: el impacto de la IA en la exploración de lo invisible. (2025). Agraria, 22(2), 5-8. https://doi.org/10.59741/srp3gw62

  PLUMX Metrics