Connect with us

Publicado

on

La máquina de diálisis inventada por Anya Pogharian, una joven canadiense de 17 años en 2015 (ahora conocida como Dialysave), es un dispositivo portátil y asequible diseñado para filtrar la sangre de impurezas en pacientes con insuficiencia renal. A diferencia de las máquinas convencionales, que cuestan alrededor de 30,000 dólares y requieren agua ultrapura e instalaciones hospitalarias complejas, esta versión es compacta, ligera y puede usarse en casa o en zonas de bajos recursos. Su costo de fabricación es de aproximadamente 500-600 dólares, lo que la hace accesible para países en desarrollo.

¿Cómo es el equipo?

  • Diseño general: Es un prototipo portátil, del tamaño aproximado de una maleta pequeña, que no necesita conexiones fijas a la red eléctrica ni agua purificada especial. Puede alimentarse con baterías recargables o paneles solares, lo que la hace ideal para áreas rurales o desastres. Incluye un sistema de monitoreo básico para seguridad, como detección de burbujas de aire para evitar embolias.
  • Funcionamiento básico: Funciona como una hemodiálisis estándar, pero simplificada. La sangre del paciente se extrae, se bombea a través de un filtro (dializador) donde se eliminan toxinas como potasio y urea mediante difusión, y luego regresa al cuerpo. Un ciclo completo para 4 litros de sangre toma alrededor de 1 hora, pero puede ser efectivo en solo 20-25 minutos por sesión. Requiere dializado (líquido de limpieza) preparado de forma sencilla, sin necesidad de sistemas complejos de purificación.
  • Ventajas clave:
    • Portátil: No depende de hospitales.
    • Asequible: Usa componentes de bajo costo y electrónicos de código abierto.
    • Eficaz: Pruebas en laboratorio con sangre real contaminada mostraron reducción completa de impurezas en sesiones cortas.
Componente PrincipalFunciónEjemplo de Fuente/Costo Aproximado
Bomba (pump)Circula la sangre a través del sistema a un flujo controlado (alrededor de 100-200 ml/min).Bombas peristálticas baratas (~50-100 USD).
Sensores de presión y temperaturaMonitorean el flujo para evitar sobrepresión o cambios térmicos que dañen la sangre.Sensores off-the-shelf (~20-50 USD cada uno).
Filtro (dializador)Elimina toxinas mediante membranas semipermeables.Filtros médicos reutilizables o de bajo costo (~100 USD).
Circuito electrónicoConecta y controla todos los componentes.Basado en Arduino o similar (~20 USD).
Detector de burbujas de aireDetecta aire en el flujo para detener la máquina y prevenir riesgos.Sensor ultrasónico simple (~30 USD).
MicrocontroladorGestiona el proceso automático, alarmas y temporizadores.Como Raspberry Pi o Arduino (~30-50 USD).

El total se estima en 500 USD usando partes recicladas o de surplus médico.

¿Cómo se puede hacer? (Proceso de Construcción)

Anya no ha publicado planes detallados de código abierto completos (aunque menciona el uso de ingeniería open-source en actualizaciones recientes), pero basándonos en su descripción del proceso de diseño y prototipo, aquí va un guía general paso a paso. Advertencia: Esto es para fines educativos; construir un dispositivo médico real requiere supervisión profesional, pruebas clínicas y cumplimiento de regulaciones (como FDA o equivalentes). No intentes usarlo en humanos sin validación experta, ya que errores pueden ser fatales.

  1. Investigación y planificación (20-50 horas):
    • Estudia manuales de máquinas de diálisis existentes (disponibles en línea de fabricantes como Fresenius o Baxter).
    • Consulta expertos: Anya se reunió con nefrólogos y usó recursos de Héma-Québec.
    • Define requisitos: Flujo de sangre de 100-400 ml/min, filtración de toxinas >90%, seguridad contra burbujas y presión.
  2. Adquisición de componentes (costo ~500 USD):
    • Compra en sitios como Amazon, AliExpress o surplus médico: bomba peristáltica, sensores (presión: MPX5010; temperatura: DS18B20), filtro dializador desechable, microcontrolador (Arduino Uno), cables y caja portátil.
    • Usa partes recicladas de equipos viejos para reducir costos, como hizo Anya en su garaje.
  3. Construcción del hardware (100-200 horas):
    • Ensambla el flujo de sangre: Conecta tubos médicos (silicona estéril) desde una entrada (para sangre) a la bomba, luego al filtro, y salida de regreso. Añade válvulas para control.
    • Integra sensores: Conecta el detector de burbujas (ultrasónico) en la línea de salida. Sensores de presión/temperatura en puntos clave.
    • Crea el circuito: Usa breadboard para prototipo. Conecta todo al microcontrolador. Anya dice: «Compré las partes esenciales: una bomba, sensores de presión y temperatura, y un filtro. Luego, creé un circuito, un detector de burbujas de aire y un microcontrolador.»
    • Caja y portabilidad: Monta en una caja plástica con batería (12V) o conector solar.
  4. Programación del software (50-100 horas):
    • Usa Arduino IDE: Programa el microcontrolador para:
      • Activar la bomba en ciclos.
      • Monitorear sensores: Si presión >150 mmHg o burbujas detectadas, detén y alarma.
      • Control de tiempo: Sesiones de 20-60 min.
    • Ejemplo básico de código (pseudocódigo, no probado):text#include <OneWire.h> // Para sensor temp void setup() { pinMode(pumpPin, OUTPUT); // Pin de bomba // Inicializar sensores } void loop() { if (readPressure() < 150 && noBubbles()) { digitalWrite(pumpPin, HIGH); // Activar bomba } else { digitalWrite(pumpPin, LOW); // Detener // Alarma } delay(1000); }Adapta con librerías para sensores específicos.
  5. Pruebas y calibración (50+ horas):
    • Inicial: Usa agua con colorante alimentario para simular flujo y filtración.
    • Avanzado: Prueba con sangre caducada (como hizo Anya: 4L almacenada 6 días + impurezas añadidas). Mide niveles de potasio/urea antes/después con kits de laboratorio.
    • Anya reportó: «Después de una hora, todas las impurezas se redujeron y el potasio desapareció. Podríamos haber parado en 20 minutos.»
    • Itera: Ajusta basado en resultados, como flujo o filtros.
  6. Escalado y mejoras:
    • Anya colaboró con hospitales para producción masiva. Hoy, organizaciones buscan adaptarla para uso global.
    • Para replicar: Únete a comunidades maker (e.g., Hackster.io) o contacta a Anya vía redes para actualizaciones.

Este invento no solo es ingenioso, sino un recordatorio de que la innovación accesible puede salvar vidas. Si buscas más detalles técnicos, recomiendo ver sus videos explicativos en YouTube (busca «DIY Dialysis Machine Anya Pogharian»). ¡Si tienes preguntas específicas sobre un componente, avísame!

Continue Reading
Advertisement
Click to comment

Leave a Reply

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

TechSalud

Cortechs.ai obtiene autorización de la FDA para su software NeuroQuant PET aplicado al Alzheimer

Publicado

on

Cortechs.ai anunció el 18 de agosto que su software NeuroQuant PET recibió la autorización 510(k) de la FDA para asistir a los médicos en la evaluación de patologías cerebrales y en la interpretación clínica de tomografías por emisión de positrones (PET) utilizadas para evaluar el deterioro cognitivo y otras afecciones neurológicas. El software está diseñado para entregar cuantificación totalmente automatizada, análisis regional del cerebro y reportes estructurados que se integran directamente al flujo de trabajo clínico habitual.

La plataforma realiza cuantificación basada en atlas cerebrales para los trazadores PET de amiloide más utilizados en la práctica clínica —flutemetamol, florbetabén y florbetapir—, generando relaciones estandarizadas de captación (SUVR, por sus siglas en inglés) y valores de Centiloides que permiten comparar resultados de forma estandarizada entre distintos trazadores y distintos equipos de imagen. Esta estandarización es clave porque, hasta ahora, la interpretación visual de este tipo de estudios podía variar de forma significativa según el radiólogo y el centro donde se realizaba el estudio.

El lanzamiento se apoya en la trayectoria previa de la compañía con NeuroQuant, su producto original de segmentación y cuantificación volumétrica de estructuras cerebrales a partir de resonancias magnéticas, desarrollado originalmente con financiamiento del Instituto Nacional del Envejecimiento de Estados Unidos. La extensión hacia el análisis de estudios PET responde a la creciente relevancia de la imagenología molecular en el diagnóstico y seguimiento del Alzheimer y otros trastornos neurodegenerativos, en particular a medida que se expande el uso de tratamientos antiamiloides que requieren un monitoreo cuantitativo preciso de la carga de placas en el cerebro del paciente.

Para los pacientes en evaluación por deterioro cognitivo, contar con mediciones objetivas y reproducibles del nivel de amiloide cerebral —en lugar de depender únicamente de la interpretación visual de un especialista— puede traducirse en diagnósticos más consistentes entre distintos centros de salud y en decisiones de tratamiento mejor fundamentadas, especialmente en el contexto de terapias antiamiloides donde la selección correcta de pacientes es determinante para la seguridad y eficacia del tratamiento.

Fuentes: Imaging Technology News (ITN): https://www.itnonline.com/content/fda-clears-cortechsais-neuroquant-pet Axis Imaging News: https://axisimagingnews.com/radiology-products/radiology-software/fda-clears-automated-pet-analysis-software-for-cognitive-impairment

Continue Reading

TechSalud

La FDA autoriza el primer robot de ultrasonido totalmente autónomo para diagnóstico musculoesquelético

Publicado

on

La empresa danesa de tecnología médica ROPCA recibió el 26 de agosto la autorización 510(k) de la FDA para Arthur, un robot de ultrasonido impulsado por inteligencia artificial que la compañía describe como completamente autónomo, junto con Diana, el software de IA que interpreta las imágenes musculoesqueléticas capturadas por el dispositivo. La autorización abre el camino para que ROPCA lleve su tecnología de automatización de ultrasonido musculoesquelético a equipos clínicos especializados en Estados Unidos.

A diferencia de los sistemas de ultrasonido asistido por IA que todavía requieren que un técnico o médico maneje la sonda manualmente mientras el software ayuda a interpretar la imagen, Arthur automatiza también la parte física del examen: el propio robot posiciona y mueve la sonda sobre el paciente sin intervención manual directa durante la adquisición de las imágenes, mientras que Diana se encarga de la lectura e interpretación de esas imágenes para apoyar el diagnóstico de afecciones musculoesqueléticas. Se trata de una combinación poco habitual de robótica física y software de interpretación bajo una única autorización regulatoria.

El anuncio se dio en la misma semana en que otras compañías de imagenología médica recibieron autorizaciones relacionadas de la FDA, entre ellas Leica Biosystems y GE HealthCare con su plataforma de ultrasonido mamario automatizado Invenia ABUS Prime, lo que confirma que agosto fue un mes especialmente activo para las autorizaciones de dispositivos de diagnóstico por imagen asistidos por inteligencia artificial en Estados Unidos. La automatización de exámenes de ultrasonido responde, en particular, a la escasez de técnicos especializados en sonografía musculoesquelética en muchos sistemas de salud, un cuello de botella que limita el acceso oportuno a este tipo de diagnóstico.

Para los pacientes con dolor o lesiones musculoesqueléticas, contar con un sistema que automatice tanto la captura como la interpretación de las imágenes de ultrasonido podría reducir los tiempos de espera para obtener un diagnóstico, especialmente en clínicas y consultorios que hoy no cuentan con personal especializado disponible a tiempo completo. El paso siguiente para ROPCA es escalar la disponibilidad de Arthur y Diana entre proveedores de salud estadounidenses, un mercado considerablemente más grande y regulado de forma distinta al europeo, donde la compañía ya opera.

Fuentes: Imaging Technology News (ITN): https://itnonline.com/content/danish-firm-receives-fda-clearance-ultrasound-robot-ai-software

Continue Reading

TechSalud

Tempus AI compra Personalis por USD 1.500 millones para reforzar su plataforma de diagnóstico oncológico con IA

Publicado

on

Tempus AI, la compañía especializada en inteligencia artificial aplicada a datos clínicos y genómicos, acordó adquirir Personalis, firma de diagnóstico genómico de precisión, en una operación valuada en USD 1.500 millones. La transacción, anunciada el 19 de julio, profundiza la consolidación de un sector que combina secuenciación genómica con modelos de inteligencia artificial para mejorar la detección y el seguimiento del cáncer.

Personalis se especializa en el desarrollo de pruebas genómicas de precisión utilizadas para detectar enfermedad residual mínima y guiar decisiones de tratamiento oncológico personalizado, un segmento de diagnóstico que depende de analizar enormes volúmenes de datos genómicos de cada paciente para identificar mutaciones relevantes con la mayor sensibilidad posible. La integración de esas capacidades a la plataforma de datos clínicos e inteligencia artificial de Tempus AI apunta a acelerar el desarrollo de modelos predictivos más precisos para oncología de precisión.

Para la industria del diagnóstico, la operación confirma una tendencia de fondo: las compañías de inteligencia artificial aplicada a la salud vienen adquiriendo activamente capacidades de generación de datos genómicos y clínicos de alta calidad, en lugar de depender exclusivamente de acuerdos de licenciamiento de datos con terceros. Contar con datos propietarios de alta fidelidad es, cada vez más, un factor determinante para entrenar modelos de IA clínicamente confiables, y las adquisiciones se perfilan como el camino más rápido para asegurar ese acceso.

Para pacientes oncológicos, el objetivo declarado de la integración es lograr diagnósticos más tempranos y un seguimiento más preciso de la respuesta al tratamiento, reduciendo la necesidad de estudios invasivos repetidos. La operación también reabre el debate sobre la concentración de datos clínicos sensibles en manos de un número cada vez más reducido de compañías de IA en salud, y sobre qué garantías de privacidad y uso ético de esos datos deberán sostenerse a medida que este tipo de consolidaciones se acelera.

Fuentes al pie:
Intellizence: https://intellizence.com/insights/merger-and-acquisition/largest-merger-acquisition-deals/

Continue Reading

TENDENCIAS