El Congreso ESMO 2023, que se celebrará en Madrid del 20 al 24 de octubre, contará con sesiones en las que se ilustrarán los avances realizados con los métodos informáticos modernos aplicados a la oncología.
Las nuevas tecnologías como la IA, el aprendizaje automático y el análisis de Big Data se introducen más lentamente y con más cautela en el ámbito sanitario. La razón es evidente: la salud de los pacientes está en juego. No obstante, en la actualidad ya se está aplicando en la práctica clínica. Selección de imágenes de biopsia, mamografías y tomografías computarizadas (TC) pulmonares utilizadas para detectar tumores en los pacientes… e, incluso, se está llevando a cabo en algunas áreas de investigación oncológica. Sin embargo, la implementación de estas tecnologías en el estudio de la enfermedad y en la práctica ha estado lejos de ser uniforme. De hecho, se han detectado barreras potenciales que corren el riesgo de retrasar su adopción.
Aprovechar el potencial de la IA
Basándose en un estudio cualitativo presentado en el Congreso de la ESMO 2023, que exploró el potencial de las tecnologías basadas en la IA para mejorar la obtención de imágenes, el diagnóstico y los retrasos en siete países europeos, Raquel Pérez-López,
radióloga del Vall d’Hebron Instituto de Oncología (VHIO) de Barcelona, que no participó en el estudio, sostiene que las directrices existentes y bien definidas sobre detección y diagnóstico del cáncer no se aplican de la misma manera ni siquiera en Europa, por razones que pueden ser tanto económicas como culturales.
Pérez-López afirma que la IA podría priorizar a los pacientes para el cribado basándose en sus registros médicos. “Ya existen plataformas basadas en IA que permiten el análisis de los datos recogidos de forma rutinaria en los historiales médicos electrónicos y las unidades de imágenes médicas. Esto podría apoyar los programas de prevención y detección identificando a las personas en riesgo de desarrollar la enfermedad. Pero estos recursos siguen siendo infrautilizados”, recalca. Además, atribuye esta situación a la falta de un marco legal adecuado para el uso de los datos de los pacientes.
Una herramienta esencial
Aplicaciones menos tangibles, pero igualmente importantes, de los métodos de computación modernos están transformando ciertas áreas cáncer. En el campo de la genética del cáncer, por ejemplo, los informes utilizados para emparejar a los pacientes con terapias dirigidas se identificaron mediante herramientas de IA. La clave reside en que esta tecnología compara los perfiles genéticos de cientos de miles de pacientes y hace predicciones sobre su papel en el desarrollo del cáncer.
Recientemente también se han empezado a utilizar tecnologías más amplias para analizar diversos tipos de datos y generar evidencias en entornos como los cánceres raros, cuando los ensayos clínicos aleatorios tradicionales no son viables, o para cerrar la brecha observada con frecuencia entre los resultados logrados en ensayos clínicos y resultados reales de los pacientes.
No es casualidad que la recientemente publicada “Guía de la AEVM para la presentación de informes sobre la evidencia oncológica en el mundo real (GROW)”, desarrollada para orientar la información científica en este campo, también cubra el tema de las tecnologías basadas en la IA.
Transformación del procesamiento de datos
En particular, la guía ESMO-GROW tiene como objetivo armonizar las prácticas de investigación en oncología, proporcionando recomendaciones detalladas para reportar datos del mundo real con precisión y transparencia. “En un futuro próximo, podríamos ver las herramientas de IA transformar el procesamiento de datos dentro de los sistemas de información hospitalaria y electrónica. Esto hará posible estructurar las notas de texto de los médicos y resumir grandes cantidades de información. Así se facilitará notablemente la extracción de datos del mundo real de expedientes médicos para generar nuevas perspectivas de investigación”, indica el Rodrigo Dienstmann, editor en jefe de ESMO Real World Data and Digital Oncology.
En este escenario próximo, los datos utilizados para la investigación ya no serán recogidos y estructurados por un experto, intervendrán las máquinas para procesarlos y sintetizarlos. Para ello, es necesario que se adopte un método estándar para evaluar las tecnologías de IA con el mismo grado de fiabilidad con el que podemos evaluar medicamentos en los ensayos clínicos. Solo así se maximizarán sus beneficios, asegurando al mismo tiempo que su adopción no aumenta el riesgo de sesgo que podría causar desigualdades en la atención al paciente, alega Dienstmann.
Puesta en práctica de la oncología digital
La investigación en el mundo real, impulsada por el análisis avanzado, de datos se está volviendo cada vez más ubicua como complemento de ensayos clínicos. También está empezando a extenderse dentro de los organismos reguladores que lo utilizan en el proceso de autorización de nuevos medicamentos. Por lo tanto, la capacidad de interpretar con precisión este tipo de evidencia será una habilidad esencial para todos los oncólogos del futuro.
Según Dienstmann, los oncólogos no están preparados para esta evolución, con necesidades educativas que aumentan proporcionalmente con la entrada de la IA en los flujos de trabajo clínicos. “Hay mucha aprehensión sobre el impacto que tendrá la IA en la profesión una vez que las máquinas superen a los médicos en sus tareas repetitivas tradicionales”, recalca. “Tenemos que capacitar a los médicos para utilizar estas herramientas correctamente y con confianza sobre la base de una clara comprensión de su valor y limitaciones. Así las máquinas y los seres humanos lograrán mejores resultados.
