0:00:01.507,0:00:03.396
En 2003,

0:00:03.420,0:00:06.333
cuando secuenciamos el genoma humano,

0:00:06.357,0:00:10.319
creímos que encontraríamos la respuesta[br]para muchas enfermedades.

0:00:10.974,0:00:13.631
Pero la realidad está muy lejos de esto,

0:00:14.782,0:00:16.703
porque además de nuestros genes,

0:00:16.727,0:00:21.297
nuestro ambiente y estilo de vida [br]podrían tener un rol importante

0:00:21.321,0:00:23.869
en el desarrollo de [br]varias enfermedades importantes.

0:00:23.893,0:00:27.473
Un ejemplo de esto es [br]la enfermedad del hígado graso,

0:00:27.497,0:00:31.580
que afecta a más del 20 % [br]de la población global,

0:00:31.604,0:00:34.638
no tiene tratamiento [br]y puede causar cáncer de hígado

0:00:34.662,0:00:36.295
o insuficiencia hepática.

0:00:37.517,0:00:42.171
Así que, secuenciar el ADN [br]no nos da información suficiente

0:00:42.285,0:00:44.517
para encontrar tratamientos efectivos.

0:00:44.541,0:00:48.297
El lado positivo es que hay muchas otras[br]moléculas en nuestro cuerpo.

0:00:48.321,0:00:51.957
Es más, hay más de 100 000 metabolitos.

0:00:52.325,0:00:56.378
Los metabolitos son moléculas [br]muy chiquitas en tamaño.

0:00:57.193,0:01:01.858
Ejemplos conocidos serían la glucosa, [br]la fructosa, la grasa, el colesterol,

0:01:02.189,0:01:03.699
cosas que escuchamos a menudo.

0:01:04.273,0:01:07.376
Los metabolitos están involucrados [br]en nuestro metabolismo.

0:01:08.066,0:01:11.902
Tienen la carga genética de nuestro ADN

0:01:12.118,0:01:16.899
así que tienen información sobre nuestros [br]genes y sobre nuestro estilo de vida.

0:01:17.224,0:01:19.327
Entender los metabolitos

0:01:19.327,0:01:22.960
puede ayudar a encontrar tratamientos[br]para muchas enfermedades.

0:01:22.960,0:01:25.306
Siempre quise tratar pacientes.

0:01:26.096,0:01:29.830
A pesar de eso, hace 15 años,[br]dejé mis estudios de Medicina

0:01:29.830,0:01:32.422
porque extrañaba las matemáticas.

0:01:33.112,0:01:36.506
Poco después, descubrí algo fantástico:

0:01:36.506,0:01:39.929
puedo usar la matemática[br]para estudiar medicina.

0:01:41.057,0:01:46.214
Desde entonces, fui desarrollando[br]algoritmos para analizar datos biológicos.

0:01:47.128,0:01:49.263
Parecía fácil:

0:01:49.282,0:01:53.800
juntemos datos de todos los metabolitos[br]que hay en nuestro cuerpo,

0:01:53.800,0:01:57.931
desarrollemos modelos matemáticos para[br]describir cómo cambian con enfermedades

0:01:57.931,0:02:02.136
y cómo intervienen en esos cambios[br]para poder tratarlas.

0:02:02.697,0:02:06.207
Pero me di cuenta por qué[br]nadie lo había hecho antes:

0:02:07.085,0:02:09.195
es extremadamente difícil.

0:02:09.195,0:02:10.159
(Risas)

0:02:10.265,0:02:12.707
Hay demasiados metabolitos[br]en nuestro cuerpo.

0:02:12.707,0:02:15.406
Cada uno es diferente de otro.

0:02:15.406,0:02:19.062
Para algunos metabolitos, [br]podemos medir su masa molecular

0:02:19.062,0:02:21.868
usando instrumentos[br]de espectrometría de masas.

0:02:21.885,0:02:25.829
Pero como podría haber [br]como 10 moléculas con la misma masa

0:02:25.829,0:02:28.106
no sabemos exactamente qué son,

0:02:28.123,0:02:30.597
y si se quiere [br]identificar todas claramente,

0:02:30.597,0:02:33.860
hay que hacer más experimentos,[br]lo que podría llevar décadas

0:02:33.860,0:02:35.839
y miles de millones de dólares.

0:02:36.473,0:02:41.690
Así que, desarrollamos una plataforma[br]de inteligencia artificial que hace eso.

0:02:42.111,0:02:44.820
Aprovechamos el crecimiento[br]de los datos biológicos

0:02:45.109,0:02:48.987
y construimos una base de datos a partir[br]de información obtenida sobre metabolitos

0:02:48.987,0:02:52.171
y sus interacciones con otras moléculas.

0:02:52.497,0:02:55.512
Combinamos todos estos datos[br]como una mega red.

0:02:56.190,0:02:58.830
A partir de tejidos[br]o de la sangre de pacientes,

0:02:59.269,0:03:01.800
medimos las masas de los metabolitos

0:03:02.128,0:03:05.378
y encontramos las masas[br]que cambian en una enfermedad.

0:03:05.725,0:03:08.596
Pero, cómo dije antes, no sabemos[br]exactamente qué son.

0:03:08.865,0:03:13.406
Una masa molecular de 180[br]podría ser glucosa o galactosa o fructosa.

0:03:13.772,0:03:15.803
Todas tienen exactamente la misma masa.

0:03:15.803,0:03:18.185
Pero tienen distintas funciones[br]en nuestro cuerpo.

0:03:18.185,0:03:21.461
Nuestro algoritmo de IA[br]consideró todas estas ambigüedades.

0:03:21.759,0:03:25.300
Y luego explotó toda esa mega red

0:03:25.300,0:03:28.678
para encontrar como esas masas metabólicas[br]están conectadas entre sí

0:03:28.731,0:03:30.632
para causar una enfermedad.

0:03:30.632,0:03:32.791
Y por la forma en la que están conectadas,

0:03:32.791,0:03:36.559
podemos deducir cuál es [br]la masa del metabolito,

0:03:36.989,0:03:40.116
como esta 180 que podría ser glucosa,

0:03:40.116,0:03:42.734
y más importante aún, descubrir

0:03:42.734,0:03:45.909
cómo los cambios en la glucosa[br]y otros metabolitos

0:03:45.909,0:03:47.752
pueden causar enfermedades.

0:03:47.752,0:03:50.316
Esta comprensión[br]del mecanismo de las enfermedades

0:03:50.316,0:03:55.278
nos deja descubrir terapias[br]efectivas para tratar eso.

0:03:55.659,0:03:59.361
Creamos una empresa emergente [br]para llevar esta tecnología al mercado

0:03:59.361,0:04:01.482
y para cambiar la vida de la gente.

0:04:01.980,0:04:05.168
Ahora mi equipo y yo en ReviveMed[br]estamos trabajando para descubrir

0:04:05.169,0:04:09.801
tratamientos para enfermedades mayores[br]causadas por metabolitos

0:04:09.801,0:04:12.228
como la enfermedad hepática,

0:04:12.593,0:04:15.278
que es causada[br]por la acumulación de grasas,

0:04:15.278,0:04:18.183
que son tipos de metabolitos[br]que se encuentran en el hígado.

0:04:18.183,0:04:21.896
Como dije antes, es una epidemia[br]gigante sin tratamiento.

0:04:21.963,0:04:24.581
Y la enfermedad hepática, [br]es solo un ejemplo.

0:04:24.976,0:04:28.615
Cambiando de tema, enfrentaremos[br]cientos de otras enfermedades,

0:04:28.615,0:04:30.726
que no tienen tratamiento.

0:04:30.726,0:04:34.955
Conforme recolectamos más y más[br]información sobre los metabolitos

0:04:35.399,0:04:38.095
y entendemos cómo [br]los cambios en los metabolitos

0:04:38.362,0:04:40.791
llevan al desarrollo de enfermedades,

0:04:41.260,0:04:44.307
nuestros algoritmos se volverán[br]más y más inteligentes

0:04:44.670,0:04:48.733
para poder descubrir los tratamientos[br]correctos para los pacientes.

0:04:49.097,0:04:52.821
Llegaremos más y más cerca[br]a cumplir nuestra visión

0:04:53.160,0:04:56.187
de salvar vidas[br]con cada línea de programación.

0:04:56.187,0:04:57.554
Gracias.

0:04:57.554,0:04:59.560
(Aplausos)