Jorge Pastor Arrizabalo
La inteligencia artificial (IA) y el uso de datos en vida real (RWD, por sus siglas en inglés) están ganando terreno como herramientas para mejorar la investigación clínica en oncología. De esta forma, algunas tecnologías de IA como machine learning y deep learning pueden ayudar en el diagnóstico o en el reclutamiento de pacientes para ensayos clínicos.
Estos temas se han abordado durante el encuentro Entender la investigación clínica en Oncología y su impacto real organizado por Gilead Sciences este miércoles en Madrid. El Dr. Luis de la Cruz, jefe de Servicio de Oncología Médica del Hospital Universitario Virgen Macarena, ha destacado las «grandes limitaciones» que tienen los ensayos clínicos.
Ha señalado que una gran cantidad de ensayos que no se completan a causa de un reclutamiento «insuficiente» de pacientes. Por ello, herramientas como el machine learning, que es el aprendizaje de la inteligencia artificial a base de patrones, pueden suponer de gran ayuda a la investigación clínica.
El machine learning «permite un análisis concreto de cada paciente que se está evaluando», ha explicado el Dr. Luis de la Cruz
Esta tecnología es capaz de detectar patrones en bases de datos y comprobarlos con la información clínica de los candidatos con los requisitos de cada ensayo, lo que «permite un análisis concreto de cada paciente que se está evaluando», ha explicado el Dr. De la Cruz.
El deep learning, que es la creación de redes neuronales complejas, podría ayudar en el diagnóstico, gracias al análisis y la identificación de características tumorales que no son perceptibles en el ojo humano. Esto hará que los diagnósticos lleguen a ser «más precisos y más fiables», ha señalado el jefe de Servicio de Oncología Médica del Hospital Universitario Virgen Macarena.
La IA, además, puede ayudar al descubrimiento de nuevas terapias, basándose en el análisis multiómico. Este, gracias a la integración de datos como el ADN, el ARN, mutaciones genéticas, epigenética, proteómica o microbiota, permite identificar nuevas dianas terapéuticas y comprender mejor la biología de los tumores.
La IA puede ayudar además al descubrimiento de nuevas terapias, basándose en el análisis multiómico
Sin embargo, el Dr. de la Cruz ha señalado que existen inconvenientes ante el uso de estas herramientas. Los sesgos que presenta esta tecnología es uno de ellos. Por ello, incide en que siempre es necesaria la vigilancia de un humano para supervisar su trabajo. Y añade, además, que otro de los retos son «los recursos humanos que se necesitan para poder usar esa tecnología, se tiene que tener a personal formado para poder utilizar, por ejemplo, una tomosíntesis o personal de diagnóstico de la imagen para interpretar los resultados».
Uso de Real Word Data
El uso de datos de la vida real, combinado con la IA, permite generar modelos predictivos capaces de anticipar la respuesta de los pacientes a determinadas terapias o prever posibles efectos adversos. Esta capacidad puede ayudar a seleccionar mejor a los pacientes que realmente se beneficiarán de un tratamiento, optimizar el diseño de los ensayos clínicos e incluso crear brazos de control virtuales basados en datos ya existentes.
Elisenda Martínez, presidenta de la Asociación Española de Cáncer de Mama Metastásico (Aecmm), ha destacado cómo estos datos, a su vez, ayudan a identificar necesidades no cubiertas, evaluar resultados en poblaciones más amplias y contribuir a una toma de decisiones más informada.
«Creemos que deberían recogerse de forma sistemática resultados reportados por las propias pacientes, como calidad de vida, salud mental o impacto social, porque también forman parte del resultado clínico», ha detallado. A su vez, ha puesto en valor el papel de las asociaciones de pacientes en «la generación y aportación de datos relevantes» para mejorar el conocimiento sobre el cáncer.
