En la película de ciencia ficción Terminator (1984), Skynet era un programa de Inteligencia Artificial (IA) que controlaba el arsenal militar de los Estados Unidos, y cuyo objetivo principal era exterminar a los humanos para asegurar su sobrevivencia. A pesar de que la inteligencia artificial surge desde 1940, para cuando se estrenó Terminator la aplicación de la inteligencia artificial aún estaba en el campo de la ciencia ficción. Actualmente la IA es parte de nuestro día a día, está presente en las diferentes aplicaciones que utilizamos tanto para esparcimiento como para adquirir servicios. Pero sin duda la aplicación que revolucionará la calidad de vida y de muerte de las personas es la aplicación en la práctica médica en enfermedades crónicas como el cáncer, tanto para mejorar la velocidad y la precisión del diagnóstico, como para aumentar la eficacia del descubrimiento de fármacos.
Para llegar a un diagnóstico, es necesario tener en cuenta los síntomas, signos y la historia clínica del paciente y apoyarse en la exploración física que en la actualidad incluye una gran cantidad de estudios de diferente naturaleza, tales como pruebas de laboratorio, imágenes y biopsias, entre otros. En el caso particular de la investigación en oncología, la información que se genera aumenta día a día. Tan solo en 2017 se publicaron más de 80,000 artículos científicos. Por otro lado, las opciones de tratamiento también aumentan, por ejemplo para el tratamiento de cáncer de seno hay 69 medicamentos aprobados, sumado a varios tratamientos combinados. Esto nos muestra un panorama complejo y demandante para el trabajo de los oncólogos.
En este contexto se han desarrollado varios sistemas de IA, entre los más destacados está IBM Watson para Oncología (WFO), que es un sistema de computación cognitiva que utiliza procesamiento de lenguaje natural NLP y aprendizaje automático. Fue desarrollado en colaboración con Memorial Sloan Kettering Cancer Center (MKSCC) y es capaz de extraer datos estructurados de documentos de texto libre.
Para que WFO pudiera tomar decisiones sobre un tratamiento se entrenó usando como modelo el cáncer de mama. Para ello se alimentó con un conjunto de recursos seleccionados que incluyen textos de más de 300 revistas médicas y libros de texto, guías de tratamiento desarrolladas según los estándares nacionales de tratamiento y la experiencia clínica del MSKCC, así como literatura seleccionada a mano por expertos del MSKCC. WFO también ha indexado los datos de más de 550 casos de cáncer de mama, incluidas las características y las comorbilidades del paciente, el estado funcional, las características y el estadio del tumor, las imágenes y otras pruebas de laboratorio. El entrenamiento de WFO fue un proceso iterativo. En primer lugar, se le enseñó a analizar los casos que se usan para capacitar a los médicos sobre el cáncer de mama para proporcionar recomendaciones de tratamiento basadas en la evidencia. Después de que los expertos de MSKCC revisaron y calificaron las recomendaciones de la WFO, la retroalimentación fue incorporada al sistema y utilizada por la WFO para refinar su proceso analítico.
Las opciones de tratamiento que generó WFO (que generalmente incluyen varias opciones para un solo caso) son congruentes con los tratamientos propuestos por los médicos en más del 80% de la veces, mientras que el 20% donde los tratamientos no son acertados, se ha observado que es debido principalmente a que hay diferencias entre los tratamientos disponibles en Estados Unidos y los países en donde se ha puesto a prueba el sistema.
Aunque WFO aún está en desarrollo, promete ser una herramienta que apoyará de manera determinante la labor de los oncólogos y nos permitirá acercarnos un poco más a la medicina de precisión.
Referencia asociada
Somashekhar SP, Sepúlveda MJ, Puglielli S, Norden AD, Shortliffe EH, Rohit Kumar C, Rauthan A, Arun Kumar N, Patil P, Rhee K, Ramya Y. Watson for Oncology and breast cancer treatment recommendations: agreement with an expert multidisciplinary tumor board. Ann Oncol. 2018 Feb 1;29(2):418-423. doi: 10.1093/annonc/mdx781. PubMed PMID: 29324970.