La máquina que predice quién enfermará

Los videojuegos han hecho sin pretenderlo una considerable contribución a la lucha contra el cáncer. Lo explica el matemático griego Nikos Paragios, que se dedica a la mejora del diagnóstico y el tratamiento de los tumores aplicando inteligencia artificial en la Universidad de París-Saclay.

Las Unidades de Procesado de Gráficos que desde hace más de 20 años son responsables de crear gráficos en tres dimensiones cada vez más realistas en nuestros ordenadores y teléfonos móviles pueden ser reeducadas para convertirse en efectivos detectores de marcas visuales de cáncer. Este tipo de aplicaciones están ya en un estado de madurez que les hace igual o más efectivos que los ojos humanos para hacer cosas asombrosas, por ejemplo analizar las imágenes por escáner de los pacientes y determinar la dosis exacta de radiación que deben recibir. Esto permite reducir la cantidad de efectos secundarios del tratamiento, algo especialmente útil cuando hay riesgo de dañar órganos delicadísimos como el nervio óptico.

“La idea de usar las matemáticas contra el cáncer es no tratar de validar una hipótesis a priori, sino encontrar cosas que los humanos ni siquiera habíamos podido ver en los datos y que tal vez pueden explicar el resultado exitoso o fracasado de un tratamiento”, explica Paragios, que ha visitado España para impartir una conferencia en el congreso anual del grupo de investigación en cáncer de mama Solti.

Paragios explica que estos algoritmos son en esencia son bastante “estúpidos”. Su objetivo es analizar cada píxel de una imagen —por ejemplo un escáner de un paciente de cáncer tratado con un medicamento concreto— después otra y otra sin intentar buscar patrones ni aplicar la intuición. Puro procesado de datos. Primero se entrena al algoritmo con decenas de miles de imágenes y una vez está entrenado se le aporta un nuevo paquete de datos para ver si puede encontrar cosas interesantes.

Paragios dice que estos algoritmos analizaron imágenes médicas de 25.000 pacientes y que expuestos después a unos 30 casos nuevos fueron capaces de mejorar el tratamiento con radioterapia en un 17%.

Otra aplicación: analizar datos genéticos de esos 25.000 pacientes en busca de conexiones entre genes con un papel responsable en la enfermedad y reducir la lista de sospechosos a solo 27 genes. Estas redes neuronales artificiales pueden hacer esto “a coste cero y en 90 segundos”, según explicó Paragios.

En un tercer caso los investigadores le dieron a sus algoritmos los escáneres de 500 pacientes y les preguntaron si responderían a la inmunoterapia —solo uno de cada cuatro pacientes de cáncer responde a esta línea de tratamiento—. Los algoritmos analizaron 100 características visuales de las imágenes y elaboraron una lista de 10 parámetros capaces de predecir la cantidad de células del sistema inmune que se infiltraron en el tumor para combatirlo, una medida relacionada con la efectividad del tratamiento.

Hay esperanza de que estos métodos puedan cambiar la forma de hacer medicina en este campo

Aunque aún están en desarrollo, este tipo de sistemas pueden optimizar los recursos públicos (cada tratamiento puede llegar a costar 100.00 euros) y evitar muertes innecesarias, dice Paragios. “Uno de cada cinco pacientes no solo no responde a la inmunoterapia, sino que se ve afectado por ella y puede morir. Lo que hemos visto es que este enfoque puede mejorar la efectividad de los tratamientos entre el 20% y el 60%. Es un estudio pequeño, pero hay esperanza de que estos métodos puedan cambiar la forma de hacer medicina en este campo”, resalta el matemático.

El objetivo es que estas aplicaciones de la inteligencia artificial sirvan para clasificar pacientes, diagnosticar tumores y elegir el mejor tratamiento en función del perfil genético de cada persona, es decir, contribuir a la medicina de precisión.

El investigador Karim Lekadir quiere aplicar la inteligencia artificial para construir la mayor base de datos de pacientes y tratamientos para el infarto de miocardio del mundo. El proyecto se denomina Eucanshare y está financiado con seis millones de euros por la Unión Europea. Arrancó en 2018 y tiene previsto concluir en 2022. El proyecto unirá 35 bases de datos de pacientes cardiovasculares de países europeos —incluida España— y Canadá, hasta aglutinar datos de un millón de personas. Lekadir es el coordinador del proyecto desde la Universidad Pompeu Fabra de Barcelona y su equipo será también el encargado de desarrollar los sistemas de inteligencia artificial que analizarán las imágenes médicas de los corazones y los análisis genéticos.

Vamos a intentar predecir quién va a tener un infarto combinando información genética e imagen médica del corazón

“Lo que vamos a hacer es intentar predecir quién va a tener un infarto combinando información genética y de imagen médica del corazón”, explica Lekadir. “Es la primera vez que lo hacemos y para que pueda funcionar necesitamos miles y miles de casos”, resalta. En una primera fase el proyecto aplicará sus métodos de análisis a la cardiomiopatía diabética, una dolencia rara del corazón que se debe a la diabetes. “Solo el 2% de diabéticos la sufren. El problema es que en ningún hospital del mundo hay suficientes casos para hacer un análisis de datos. Gracias a este proyecto vamos a recopilar historiales de hospitales de Alemania, Reino Unido y Canadá para tener datos suficientes”, señala Lekadir.

“Otro aspecto interesante de este tipo de estudios es que nos permiten ver los efectos de los diferentes entornos en la salud, por ejemplo la dieta o el clima”, añade el informático. En este sentido Lekadir habla de otro de sus proyectos: realizar una gran base de datos de la salud de las personas desde unos meses antes de su nacimiento y hasta que alcanzan la edad adulta. “Aquí la idea es ver cómo lo que pasa en la niñez afecta la salud adulta. En algunos países se empezó a hacer esto desde los años 90 y están llegando al momento en el que los participantes empiezan a tener enfermedades y pueden estudiar por qué ¿Tal vez la madre estaba estresada durante el embarazo y todas las hormonas de estrés se trasladaron al niño durante la gestación? Nosotros vamos a empezar un estudio similar en enero con unos 100.000 niños de Finlandia, Holanda e Inglaterra. Sería genial hacerlo también en España pero estas bases de datos son muy caras y por ahora no hay financiación para ello”, señala.

La incorporación de la inteligencia artificial a la medicina también tiene sus problemas. Uno complicado de superar es que los datos médicos no son homogéneos, lo que impide crear grandes bases de datos uniformes. A esto se suma la distinta legislación sobre datos médicos de pacientes de cada país, que en la práctica puede hacer imposible sacar esos datos del país. “Una posible solución es no llevar los datos al lugar en el que haces el análisis, sino llevar las técnicas de análisis a los hospitales y una vez realizado recopilar resultados”, explica Lekadir. Otro problema es que las máquinas no tienen criterio y pueden aprender cosas absurdas, por ejemplo correlaciones entre varios marcadores que no tienen ninguna utilidad, explica Paragios. Además hay que superar otro problema: demostrar que lo que es cierto para un grupo de pacientes lo es también para otro. Son problemas muy reales que ninguna máquina podrá solucionar por nosotros.