¿Qué papel juega realmente la Inteligencia artificial en la Oncología actual?
Pocas frases generan tanta expectación, y tanta confusión a la vez, como esa que habla de que «La Inteligencia artificial va a cambiar la Medicina» (y por ende la Oncología). Todo esto suena un poco a Ciencia ficción, y en parte así es: hay aplicaciones que hace una década parecían imposibles y hoy son ya una realidad en algunos hospitales. Pero conviene aterrizar la idea con precisión, porque la IA en Oncología no sustituye al oncólogo, ni diagnostica sola, ni decide tratamientos por su cuenta. Lo que hace, que no es poco, es ayudar al profesional humano a ver mejor, más rápido y con más datos de los que cualquier persona podría procesar sola.
Hasta hace pocos años, la Inteligencia artificial era, como mucho, una asignatura optativa en la formación oncológica, algo reservado a perfiles muy técnicos. Pero eso, como tantas otras cosas, está cambiando con rapidez. Cada vez más programas formativos en Oncología molecular incorporan de forma explícita contenidos sobre el uso práctico de herramientas de IA en la consulta, y también sobre cómo diseñar y validar una prueba de concepto junto a un equipo de datos, un tipo de colaboración interdisciplinar que hace una década era prácticamente inexistente en medicina y que hoy resulta cada vez más habitual. No se trata de convertir a los oncólogos en programadores, sino de dotarles del criterio necesario para dialogar con quienes sí lo son, y para exigir a estas herramientas los estándares de fiabilidad que la práctica clínica necesita.
La Oncología molecular genera, hoy, una cantidad de información que hace veinte años era sencillamente inimaginable. Un solo panel de secuenciación genómica puede analizar cientos de genes de un tumor a la vez. Una biopsia digitalizada puede contener millones de píxeles con información relevante para el diagnóstico. Ningún ser humano, por experto que sea, puede procesar manualmente ese volumen de datos con la misma velocidad que un algoritmo entrenado para ello. Ahí es exactamente donde entra en escena la Inteligencia artificial: no para pensar en lugar del médico, sino para hacer visible, en segundos, un patrón que de otra forma se tardaría horas en detectar, o que directamente pasaría desapercibido.
Tres terrenos donde ya se nota el cambio
El primero es el de la Patología digital: algoritmos entrenados con miles de imágenes de biopsias son capaces de señalar áreas sospechosas en una muestra de tejido, ayudando al patólogo a priorizar dónde mirar con más atención. El segundo es el análisis de datos ómicos: interpretar los resultados de una secuenciación genómica completa, cruzando cientos de mutaciones con las bases de datos de ensayos clínicos y tratamientos disponibles, es una tarea que la IA puede acelerar de forma notable, ayudando a identificar qué alteración concreta es realmente relevante para uno u otro paciente. El tercero es la radiología asistida: en pruebas de imagen como el TAC o la mamografía, ciertos algoritmos ya ayudan a detectar lesiones más pequeñas o precoces de lo que el ojo humano detectaría de forma sistemática.
Lo que la IA no hace (y por qué eso es importante saberlo)
Hemos de remarcar que ningún algoritmo actual sustituye el criterio clínico de un oncólogo. La IA puede señalar un patrón sospechoso, pero es el profesional quien decide si ese patrón tiene sentido en el contexto completo de ese paciente: su historia clínica, sus otras enfermedades, sus preferencias, la información que de él a obtenido en consulta, etc.
Un algoritmo no conoce a la persona que tiene delante; solo es sabedor de los datos que se le han entregado. Por eso, la forma correcta de entender estas herramientas no es asumiendo que son sustitutivas del médico, sino, como lo que en la práctica ya se les empieza a llamar, copilotos. Alguien que ayuda a ver más y mejor, pero que no toma el mando.
La irrupción de la Inteligencia artificial en Oncología no es solo un reto tecnológico, es además un reto formativo. Saber usar estas herramientas con criterio, entender sus límites, ser capaz de detectar cuándo un resultado generado por un algoritmo no encaja con el resto del cuadro clínico, es hoy una competencia tan necesaria como saber interpretar un informe de Anatomía patológica clásico.
Los programas formativos en Oncología molecular están empezando ya a incorporar estos contenidos precisamente por eso: no basta con que exista la Tecnología, hace falta que quien la use sepa exactamente qué está mirando y qué no.
Un horizonte cercano
En los próximos años es previsible que la Inteligencia artificial se integre todavía más en procesos como el diseño de ensayos clínicos, ayudando a identificar qué pacientes tienen más probabilidades de beneficiarse de un tratamiento concreto antes incluso de empezar el estudio, o en el seguimiento continuo de pacientes mediante el cruce de datos clínicos, de biopsia líquida y de imagen. Ninguna de estas aplicaciones sustituye la relación médico-paciente, que sigue siendo, y previsiblemente seguirá siéndolo durante mucho tiempo, el centro de la práctica oncológica. Lo que cambia es la cantidad de información con la que esa relación puede contar. Y en Oncología, cuanta más información precisa se tenga, mejores decisiones se podrán tomar.
Detrás de cualquier algoritmo útil hay algo decisivo: datos de calidad, bien anonimizados, bien etiquetados y suficientemente representativos de la población real que se va a beneficiar de esa herramienta. Un algoritmo entrenado con datos sesgados, procedentes solo de un tipo de población o de un único hospital, puede funcionar peor, o de forma injusta, cuando se aplica a pacientes distintos.
Por eso, buena parte del trabajo actual en IA no ocurre en la fase de diseño del algoritmo, sino mucho antes: en cómo se recogen, se organizan y se comparten los datos clínicos y moleculares entre hospitales y centros de investigación, respetando siempre la privacidad del paciente. Los biobancos, las bases de datos ómicas compartidas y los estándares comunes de anotación clínica son, en este sentido, la infraestructura silenciosa sin la cual ninguna promesa de Inteligencia artificial podría cumplirse.
Al final, la IA es una herramienta más dentro de la misma lógica que ha guiado la Oncología molecular durante las últimas décadas: entender cada tumor con la máxima precisión posible para tratarlo de la forma más acertada. La diferencia es que ahora esa precisión cuenta con un aliado capaz de procesar volúmenes de información que ningún ser humano podría abarcar solo. Bien utilizada, con criterio y sin perder de vista que la decisión final sigue siendo humana, la IA no reemplaza al oncólogo, pero lo hace más preciso. En definitiva, son y serán estupendos compañeros de viaje.
