Mejorando la lucha contra el cáncer gracias a la IA
El cáncer es una de las enfermedades más complejas a la que nos enfrentamos, tanto por lo complejo de su entendimiento como de su tratamiento. Los expertos más destacados del s.XX simplificaron la investigación del cáncer por considerar que era la única forma de poder desarrollar un conocimiento científico útil, siendo conscientes de que así no llegarían a comprender cada factor que influye en la aparición del cáncer.
Afortunadamente, hoy día disponemos de un gran aliado en esta lucha: La inteligencia artificial. Gracias a la visión artificial y al aprendizaje automático (machine learning, que comprende el aprendizaje supervisado; aprendizaje no supervisado; y por refuerzo), se procesan los datos de una forma totalmente nueva y eficaz que permite una mejor comprensión de la enfermedad y ayuda a los investigadores a obtener un conocimiento más profundo del que antes podían lograr.
Para comprender el cáncer y, a su vez, tratarlo adecuadamente, hay muchos factores a tener en cuenta:
Genética del paciente: No es solo la complejidad de la enfermedad lo que complica el tratamiento del cáncer, sino también la complejidad de los pacientes. Todo el mundo tiene su propio perfil genético, y esta heterogeneidad genética significa que los tratamientos contra el cáncer afectan a individuos de diferentes antecedentes genéticos de diferentes maneras. En otras palabras, un tratamiento eficaz para alguien con ascendencia de Europa del Este podría no serlo para alguien con ascendencia de África subsahariana, y alguien con ascendencia de Asia oriental podría responder mejor a un plan de tratamiento completamente diferente.
Heterogeneidad tumoral: Los diferentes tipos de células que componen un tumor individual, así como al órgano o tejido en el que crece el cáncer en el cuerpo del paciente. Toda esta información puede ser difícil de precisar en un momento dado, pero lo que la hace más desafiante es que a medida que el cáncer crece, su complejidad tiende a aumentar con el tiempo. Como resultado, se vuelve más difícil tratar el cáncer a medida que avanza. Por eso es tan importante identificar el cáncer temprano y destruir todas las células tumorales a la vez.
Hábitos de estilo de vida del paciente: Fumar, beber, hacer ejercicio o comer bien, todos los factores influyen en cómo se desarrolla el cáncer y cómo un paciente puede responder al tratamiento. Hay muchos factores ambientales y de estilo de vida que pueden desempeñar un papel crucial en el desarrollo y tratamiento del cáncer.
Historial médico del paciente: Todo el perfil médico, edad, sexo, enfermedades previas, tratamientos y respuestas, así como las pruebas de laboratorio realizadas y los resultados registrados se suman al cuadro general del cáncer y cómo tratarlo.
Todos estos factores se resumen en una palabra: DATOS. Es ahí donde la IA saca todo el potencial y ayuda a los investigadores. Al poder estar 24 horas trabajando y realizar cálculos mucho más rápido, podemos obtener información fundamental que hace unos años requerían de demasiado tiempo a los investigadores. Gracias a los algoritmos de aprendizaje automático, a medida que obtenemos más datos obtenemos mejores resultados, ya que estos algoritmos van volviéndose más “inteligentes” y efectivos a medida que los analizan.
Esto permite usar los datos de los pacientes en la selección de medicamentos preclínicos en etapa temprana ya que se pueden cruzar los datos del cáncer que tenga un paciente, con su historia clínica, el histórico de casos con un cáncer similar y los medicamentos que han dado un mayor porcentaje de éxito. Lo que permite tomar mejores decisiones y ayuda a las compañías farmacéuticas y oncólogos a predecir resultados del tratamiento con mayor precisión.
Al contextualizar los datos sobre formulaciones de medicamentos, los antecedentes, el estilo de vida de los pacientes y varios tipos de tumores y cánceres, los algoritmos de aprendizaje automático pueden identificar fácilmente las mejores formulaciones de medicamentos para tipos específicos de cáncer en poblaciones de pacientes definidas; esta información se puede usar en ensayos clínicos, reduciendo la tasa de error y mejorando los resultados de los ensayos clínicos en oncología.
En esto trabaja, por ejemplo, Predictive Oncology. Haciendo uso de una base de datos que alberga datos anónimos de 150.000 pacientes, 131 tipos de tumores y 30 tipos de cánceres, usan algoritmos de aprendizaje automático para agilizar el proceso de desarrollo de fármacos y que así, las compañías farmacéuticas puedan comercializar más rápidamente medicamentos seguros y eficaces. Aumentando la probabilidad de obtener una aprobación por parte de la FDA.
También se puede usar para administrar la quimioterapia y ayudar a los proveedores de atención médica a desarrollar planes de tratamiento óptimos. Esto puede mejorar la longevidad y la calidad de vida del paciente, así como aumentar las probabilidades de que más pacientes sobrevivan a través de la remisión y la recuperación.
En España, el laboratorio de Genómica Biomédica del IRB Barcelona ha desarrollado un método computacional que identifica las mutaciones causantes del cáncer para cada tipo de tumor.
Para hallar las mutaciones implicadas en el cáncer, los científicos se han basado en un concepto clave en la evolución: la selección positiva. Las mutaciones que favorecen el crecimiento y el desarrollo del cáncer se encuentran en número más elevado en las distintas muestras, en comparación con aquellas mutaciones que suceden al azar.
El método propuesto aprende, a partir de los datos, qué atributos son distintivos de las mutaciones que favorecen el desarrollo del cáncer, lo cual supone información útil para el desarrollo de nuevos enfoques terapéuticos
Este y otros desarrollos del mismo laboratorio buscan acelerar la investigación oncológica y ofrecer herramientas para que los oncólogos puedan elegir el mejor tratamiento para cada paciente.
Con la IA como herramienta, la idea de eliminar el cáncer no es una esperanza tan lejana. Estas herramientas nos ofrecen una nueva forma de abordar una de las enfermedades más complejas conocidas.
