Pablo Malo Segura
El mieloma múltiple presenta una complejidad biológica y clínica que dificulta tanto su diagnóstico como su tratamiento, lo que plantea un reto significativo para los profesionales de la salud. La Dra. Marta Sonia González Pérez, del Hospital Universitario de Santiago de Compostela, participó en el simposio Inmunoterapia y era digital en las neoplasias de células plasmáticas, patrocinado por Oncopeptides, que tuvo lugar durante el congreso de la Sociedad Española de Hematología y Hemoterapia (SEHH) a finales de octubre. En concreto, ofreció una ponencia sobre las aplicaciones de la inteligencia artificial (IA) en el mieloma múltiple.
En una entrevista concedida a iSanidad destaca que la IA no solo agiliza el análisis de grandes volúmenes de datos y reduce la subjetividad en diagnósticos complejos, sino que también ayuda a personalizar los tratamientos para conseguir una verdadera medicina de precisión. “La IA identifica patrones en los datos de pacientes con mieloma múltiple que resultan invisibles para el ojo humano”, destaca.
¿Qué factores específicos del mieloma múltiple hacen que la IA sea una herramienta prometedora en su diagnóstico y tratamiento?
El mieloma múltiple es una neoplasia biológicamente muy compleja ya que no existe, como sucede en otras patologías, una única alteración genética que sea responsable de la enfermedad y que pueda ser diana de una terapia especifica. Además, puede afectar a múltiples órganos del cuerpo y su diagnóstico y caracterización pronóstica exige un elevado número de estudios complementarios, incluyendo estudios bioquímicos, histológicos, de imagen y moleculares. Esto genera una cantidad muy elevada de información, que es infraanalizable con los métodos estadísticos tradicionales.
“La IA permite un análisis avanzado en mieloma múltiple, estratificando en función del riesgo e individualizando el tratamiento, lo que nos acerca a una verdadera medicina de precisión”
Con respecto a la terapía, disponemos de muchas alternativas terapéuticas y no se conoce de forma certera cual es la combinación óptima para cada paciente ni cual es la secuencia de terapias adecuada en cada caso particular, por lo que todos los pacientes reciben de forma secuencial las diferentes combinaciones posibles. Las herramientas de IA nos permiten un análisis de datos avanzado, permitiendo encontrar patrones en los datos diagnósticos y estratificar en función del riesgo a los pacientes. Así, nos ayuda a individualizar el tratamiento y la secuencia de terapias óptima para cada paciente, acercándonos a una verdadera medicina de precisión.
¿Cuáles son las aplicaciones actuales más relevantes de la inteligencia artificial en el mieloma múltiple?
En el momento actual estamos en el periodo de “descubrimiento” del poder de todas estas herramientas de IA en el mieloma múltiple. Tenemos estudios preliminares que muestran la superioridad diagnóstica de la IA en el análisis de las pruebas de imagen o los estudios citológicos e histológicos. Las herramientas de IA son más eficaces, más rápidas y tienen mayor poder de discriminación que un radiólogo o un patólogo con amplia experiencia y, además, disminuyen la subjetividad y la variabilidad interpersonal.
Existen también modelos pronósticos que han mostrado superioridad en su capacidad de estratificar el riesgo y el pronósticos de los pacientes y modelos predictivos que nos permiten avanzar hacia la selección de terapias individualizadas. Es esperable que estas herramientas, que suponen una ayuda inestimable para los profesionales, puedan implantarse en los próximos 5-10 años.
“Las herramientas de IA son más eficaces, más rápidas y tienen mayor poder de discriminación que un radiólogo o un patólogo con amplia experiencia y, además, disminuyen la subjetividad y la variabilidad interpersonal”
¿Qué ventajas aporta la IA en la identificación de factores de riesgo y en la predicción de progresión de la enfermedad?
Las herramientas de IA, como el aprendizaje automático (machine learning) o el aprendizaje profundo (deep learning) son capaces de “aprender” de los datos que les mostramos de los pacientes, mejorando ese aprendizaje con la experiencia, y encontrar en esos datos patrones invisibles para el ojo humano o para los métodos estadísticos tradicionales. En función de ello, pueden tomar decisiones autónomas sobre la eficacia o la toxicidad de un determinado tratamiento en un paciente o grupo de pacientes y hacer predicciones sobre la duración de la respuesta a una terapia o sobre la supervivencia de cada paciente en función de las terapias elegidas.
“Las herramientas de IA pueden tomar decisiones autónomas sobre la eficacia o la toxicidad de un determinado tratamiento y hacer predicciones sobre la duración de la respuesta a una terapia o sobre la supervivencia de cada paciente”
¿Qué tipo de modelos o algoritmos de IA se utilizan en investigación y práctica clínica en el mieloma múltiple? ¿Cómo se desarrollan y validan estos modelos para asegurar su eficacia y precisión?
En la actualidad, no existen modelos IA con implantación en práctica clínica en el campo del mieloma múltiple. Estamos todavía en la fase de exploración. Una dificultad para su implementación es la falta de formación y confianza de los profesionales sanitarios en este tipo de modelos, que toman decisiones basadas en complejas interacciones de redes neuronales artificiales, difíciles de entender y explicar. Aun así, tenemos cada vez más publicaciones que demuestran la utilidad de modelos de machine learning o deep learning en el campo del diagnóstico, que van más allá de la automatización, ofreciendo la posibilidad de identificar factores pronósticos en imágenes radiológicas o histológicas.
Disponemos también de modelos predictivos publicados y de modelos exploratorios sobre selección de terapias. Se puede medir de forma objetiva la capacidad de discriminación y la reproductibilidad de estos modelos, e idealmente, antes de convertirse en un modelo de uso estándar se deberían realizar validaciones externas, utilizando datos provenientes de distintos centros o incluso distintos países para comprobar que los modelos de IA son generalizables y reproducibles en escenarios diferentes.
“La IA todavía está en fase de exploración en mieloma múltiple, pero está demostrando utilidad en el diagnóstico y selección de terapias”
¿Cuáles son las principales barreras para la implementación de soluciones basadas en IA en el tratamiento del mieloma múltiple dentro del sistema nacional de salud?
Nos enfrentamos a muchos retos para conseguir implantar estas nuevas herramientas en cualquier sistema de salud. Necesitamos un marco legislativo adecuado que garantice la seguridad y protección de los datos de salud de los pacientes que utilizamos para entrenar a los modelos de IA. Desde el punto de vista de la ética, es imprescindible entrenar a la IA con datos no sesgados, en los que estén representadas todas las poblaciones de pacientes y evitar la discriminación por etnia, estatus económico, género, edad, etc.
“Necesitamos un marco legislativo adecuado que garantice la seguridad y protección de los datos de salud de los pacientes que utilizamos para entrenar a los modelos de IA”
Otro reto es la formación de los profesionales sanitarios y la creación de equipos multidisciplinares en los que se integren bioinformáticos, ingenieros o matemáticos. Es evidente que la IA está presente en todos los ámbitos de la sociedad y es un hecho que viviremos una transformación en la medicina tal y como la conocemos en los próximos años. Los profesionales de la salud, las autoridades gubernamentales y los paciente deberíamos estar preparados y colaborar para que esta transformación se produzca de forma segura y equitativa.
