Juan León García
Los modelos federados de inteligencia artificial (IA) podrían suponer un cambio definitivo a la hora de realizar investigación en oncología. Estos sistemas ofrecen la posibilidad de manejar cantidades ingentes de datos de forma multicéntrica, de tal forma que los profesionales de distintos hospitales puedan poner a disposición de otros centros sus algoritmos desarrollados, ha explicado este miércoles el Dr. Eduardo Castañón, coordinador de ensayos clínicos del Cancer Center de la Universidad de Navarra (CCUN).
“Creo que hacia ahí va a ir la investigación”, ha afirmado durante su intervención en la jornada dirigida a pacientes ‘Presente y futuro del cáncer. Entender el presente mirando al futuro’, organizada en el marco de la Cátedra Gilead de Innovación en Oncología del CCUN. Al mismo tiempo que ha esbozado el potencial futuro de los ensayos clínicos, también ha reiterado que estos modelos federados deberán prevalecer, y garantizarse, los datos anonimizados de los pacientes. Cuestión en la que la regulación, aunque tarde, “viene muy fuerte y, a veces, es demasiado conservadora”, ha opinado.
Acompañado por el director del CCUN, el Dr. Antonio González, el Dr. Castañón ha instado a “diseñar formas de compartir estos datos con otros hospitales sin que sean expuestos” ni que corran riesgo de ser vulnerados, por ejemplo, por un hackeo. Al respecto, ha matizado que las autoridades europeas (EMA) y estadounidenses (FDA) dan mucha importancia a la protección de datos, con normativas específicas.
Los sesgos; la desactualización de los datos ofrecidos; los errores de ejecución y la posible exposición de los datos son potenciales limitaciones que se podrían dar en modelos de IA
Además de los datos, vitales para sacar el máximo rendimiento de los modelos de IA, el Dr. Castañón ha identificado otras limitaciones actuales de esta tecnología. Entre otras, los sesgos intrínsecos al entrenamiento de estas máquinas en base a unos datos concretos (de raza o de sexo, entre otros). También presentan una falta de actualización en los datos, por lo que hay que nutrirlas constantemente.
Los errores de ejecución que pueden darse con el uso de modelos de IA propician que la presencia del clínico sea fundamental en la supervisión. Por esta razón, el factor humano se mezcla al mismo tiempo con el factor clave: avanzar hacia “una IA humanizada” que permita al facultativo “estar más cerca del paciente”.
IA para ensayos clínicos más precisos
Por otra parte, el Dr. Castañón ha expuesto cómo la IA, sea en modelos federados u otras vertientes, está contribuyendo al diseño más preciso de los ensayos clínicos. “Cada vez tenemos más dirigidos a una mutación que, ahora, tiene un significado”, ha celebrado. Además, hacen posible medir distintos parámetros en tiempo real (como la historia clínica de los pacientes) y, así, ofrecer ensayos con terapias dirigidas que den los mejores resultados, derivando a la persona al centro que las administre. Mientras, en el plano clínico, este tipo de herramientas ya contribuye a agilizar procesos (desburocratizar).
Sin embargo, en la actualidad recobra más importancia si cabe responder a “cómo implicar al paciente de las decisiones médicas” para que haya una toma de decisiones compartidas.
Precisamente, es en la parte de formar y divulgar donde se ha centrado esta jornada, la primera iniciativa de la Cátedra enfocada en dicho colectivo. Tal y como ha desgranado el Dr. González, el proyecto persigue tres objetivos: formar, divulgar conocimiento y promover la innovación. En sus palabras, “intentar llevar a los pacientes todo aquello que es la innovación en cáncer que fuera entendible para ellos y que de alguna forma fuera atractivo”.
