¿Puede la IA ayudar a curar el cáncer?

Pocas preguntas generan más entusiasmo, y más confusión, que la de si la inteligencia artificial puede curar el cáncer. La respuesta sincera tiene matices. La IA ya es una herramienta poderosa en la investigación del cáncer, pero es una herramienta, no una cura, y esa diferencia importa. Este artículo explica lo que la IA puede y no puede hacer en el cáncer, como ciencia e investigación en curso, solo con fines educativos. No hace afirmaciones de tratamiento y no constituye asesoría médica.

En qué es realmente buena la IA

La inteligencia artificial sobresale en encontrar patrones dentro de conjuntos de datos grandes y complejos, que es justo lo que produce buena parte de la investigación del cáncer. Eric Topol analizó cómo se aplica el aprendizaje automático en la medicina, desde la lectura de imágenes hasta la interpretación de datos genéticos (Topol, 2019). En oncología, la IA se usa para analizar estudios de imagen y láminas de patología, para predecir qué pacientes podrían responder a una terapia y para examinar enormes conjuntos de datos biológicos en busca de señales que una persona no podría ver. Estas son capacidades reales y valiosas, y están acelerando partes del proceso de investigación.

Un avance concreto: predecir la estructura de las proteínas

Una de las demostraciones más claras del poder de la IA en la biología es la predicción de las estructuras de las proteínas. El sistema AlphaFold logró predecir con gran precisión cómo se pliegan las proteínas, un problema que había desafiado a los científicos durante décadas (Jumper et al., 2021). Como las proteínas son fundamentales para la biología del cáncer y para el diseño de fármacos, este tipo de capacidad puede acelerar las etapas iniciales de la investigación. Es un logro real e ilustra cómo la IA puede eliminar obstáculos específicos. También es, y esto es importante, una herramienta de investigación y no un tratamiento.

Dónde ayuda la IA en el proceso del cáncer

La IA se aplica en varias etapas. En el descubrimiento, para identificar posibles dianas farmacológicas y moléculas candidatas. En el diagnóstico, para mejorar la lectura de imágenes y detectar la enfermedad antes. Y en el diseño de ensayos, para identificar pacientes adecuados y predecir resultados. La tecnología detrás de la detección temprana, como el análisis de señales en la sangre, también se cruza con la IA, un tema presente en el repaso de los avances prometedores en la investigación del cáncer. En cada caso, la IA hace que los procesos existentes sean más rápidos o precisos, en lugar de reemplazar la ciencia de fondo.

Establecido La IA es una herramienta real y poderosa para la investigación del cáncer, que acelera el descubrimiento, el diagnóstico y el análisis.

No es una cura La IA por sí sola no cura el cáncer. Agiliza y afina la investigación humana, que aun así debe superar los mismos ensayos y revisiones que cualquier otro enfoque.

Lo que la IA no puede hacer

La IA no puede eliminar los obstáculos fundamentales que hacen que el cáncer sea difícil. No puede cambiar el hecho de que una terapia candidata todavía debe demostrar ser segura y eficaz en ensayos clínicos, donde la mayoría fracasa sin importar cómo se descubrió (Wong, Siah y Lo, 2019). No puede superar la diversidad de los tumores ni la resistencia solo con predicciones. Y depende por completo de la calidad de los datos con los que aprende, de modo que los datos sesgados o incompletos producen conclusiones poco fiables. La IA acelera el camino, pero no elimina las barreras que hay a lo largo de él, descritas en la guía del fundador sobre el proceso de aprobación de la FDA.

El problema de la exageración

Como la IA es genuinamente poderosa, las afirmaciones sobre ella son fáciles de exagerar. Los anuncios de que la IA ha descubierto una cura para el cáncer suelen describir un paso temprano de la investigación, como identificar un candidato, no un tratamiento listo para los pacientes. La misma disciplina que se aplica a cualquier afirmación sobre el cáncer se aplica aquí. Pregunte en qué etapa está el trabajo, si se ha probado en personas y qué evidencia lo respalda. La distinción entre un avance de investigación y un tratamiento disponible, tratada en tratamiento del cáncer frente a investigación del cáncer, es exactamente el enfoque que conviene aplicar a las afirmaciones sobre la IA.

Una visión realista de la IA en el cáncer

El planteamiento correcto es que la IA es una de las herramientas más útiles que ha ganado la investigación del cáncer, capaz de acelerar el descubrimiento y de afinar el diagnóstico, pero no es un atajo que evite la biología difícil ni los requisitos de evidencia que rigen el campo. Es probable que contribuya a muchos avances futuros sin ser, por sí sola, la cura. Mantener esa visión equilibrada evita tanto la exageración que promete de más como el cinismo que desestima una tecnología genuinamente valiosa. Para el contexto más amplio, consulte el panorama de la investigación moderna del cáncer, y para conocer cómo la IA está transformando el lado de la inversión, el análisis de capital de riesgo sobre el futuro de la inversión en salud.

Por qué la IA funciona mejor junto al juicio humano

La imagen más realista de la IA en el cáncer no es la de la máquina reemplazando al ser humano, sino la de la máquina asistiendo al ser humano. La IA es excelente en tareas de patrones estrechas y bien definidas, y deficiente en el juicio contextual, la ponderación ética y el manejo de lo inesperado que la medicina exige constantemente. Un modelo puede señalar una región sospechosa en un estudio de imagen, pero un profesional de la salud debe integrarla con el historial del paciente, sus valores y los límites de la evidencia. Los mejores resultados en la IA médica han surgido, por lo general, de combinar la tecnología con la supervisión de expertos en lugar de prescindir del experto. Esto importa porque el marketing en torno a la IA a veces sugiere una autonomía que la tecnología no tiene, y las decisiones tomadas a partir de la salida de un modelo sin verificación humana pueden fallar de maneras difíciles de detectar, sobre todo cuando los datos de entrenamiento no representaban al paciente que tiene delante el profesional de la salud. La IA también conlleva riesgos reales de incorporar sesgos de sus datos, de generar resultados seguros pero equivocados y de aplicarse más allá de las situaciones para las que fue validada. Una visión responsable trata a la IA como un multiplicador de fuerza para investigadores y profesionales de la salud, poderosa dentro de su ámbito de competencia y dependiente del juicio fuera de él, por lo que sus resultados, como cualquier resultado de investigación, deben validarse mediante el proceso de evidencia descrito en cómo funcionan los ensayos clínicos.