Pablo Malo Segura
El mieloma múltiple presenta una complejidad biológica y clínica que dificulta tanto su diagnóstico como su tratamiento, suponiendo un importante reto para los profesionales de la salud. El Dra. Marta Sonia González Pérezdel Hospital Universitario de Santiago de Compostela, participó en el simposio Inmunoterapia y la era digital en las neoplasias de células plasmáticaspatrocinado por Oncopéptidos, que tuvo lugar durante el congreso de la Sociedad Española de Hematología y Hemoterapia (SEHH) a finales de octubre. En concreto, ofreció una presentación sobre las aplicaciones de la inteligencia artificial (AI) en él mieloma múltiple.
En una entrevista concedida a iSalud Destaca que la IA no sólo acelera el análisis de grandes volúmenes de datos y reduce la subjetividad en diagnósticos complejos, sino que también ayuda a personalizar los tratamientos para conseguir resultados óptimos. verdadera medicina de precisión. “El La IA identifica patrones en datos de pacientes con mieloma múltiple ese resultado invisible al ojo humano«él destaca.
¿Qué factores específicos del mieloma múltiple hacen de la IA una herramienta prometedora en su diagnóstico y tratamiento?
El mieloma múltiple es una neoplasia biológicamente muy compleja ya que no existe, como ocurre en otras patologías, una única alteración genética que sea responsable de la enfermedad y que pueda ser objetivo de una terapia específica. Además, puede afectar a múltiples órganos del cuerpo y su diagnóstico y caracterización pronóstica requiere de un elevado número de estudios complementarios, incluyendo estudios bioquímicos, histológicos, de imagen y moleculares. Esto genera una cantidad muy elevada de información, que es infraanalizable con los métodos estadísticos tradicionales.
“La IA permite el análisis avanzado en mieloma múltiple, estratificando en función del riesgo e individualizando el tratamiento, lo que nos acerca a la verdadera medicina de precisión”
Respecto a la terapia, tenemos muchas alternativas terapéuticas y no se sabe con certeza cuál es la combinación óptima para cada paciente o cuál es la secuencia de terapias adecuada en cada caso particular, por lo que todos los pacientes reciben los tratamientos de forma secuencial. diferentes combinaciones posibles. Las herramientas de inteligencia artificial nos permiten un análisis de datos avanzado, lo que nos permite encontrar patrones en los datos de diagnóstico y estratificar a los pacientes según el riesgo. Así, nos ayuda a individualizar el tratamiento y la secuencia óptima de terapias para cada paciente, acercándonos a la verdadera medicina de precisión.
¿Cuáles son las aplicaciones actuales más relevantes de la inteligencia artificial en el mieloma múltiple?
En la actualidad nos encontramos en el periodo de “descubrimiento”del poder de todas estas herramientas de IA en el mieloma múltiple. Disponemos de estudios preliminares que demuestran la superioridad diagnóstica de la IA en el análisis de pruebas de imagen o estudios citológicos e histológicos. Las herramientas de IA son más efectivas, rápidas y tienen mayor poder de discriminación que un radiólogo o patólogo con amplia experiencia y, además, reducen la subjetividad y la variabilidad interpersonal.
También existen modelos pronósticos que han demostrado superioridad en su capacidad para estratificar el riesgo y pronóstico de los pacientes y modelos predictivos que permiten avanzar hacia la selección de terapias individualizadas. Se espera que estas herramientas, de inestimable ayuda para los profesionales, puedan implementarse en los próximos 5-10 años.
“Las herramientas de IA son más efectivas, más rápidas y tienen mayor poder de discriminación que un radiólogo o patólogo con amplia experiencia y, además, reducen la subjetividad y la variabilidad interpersonal”
¿Qué ventajas ofrece la IA a la hora de identificar factores de riesgo y predecir la progresión de enfermedades?
Herramientas de inteligencia artificial, como el aprendizaje automático (aprendizaje automático) o aprendizaje profundo (aprendizaje profundo) son capaces de “aprender” de los datos que les mostramos sobre los pacientes, mejorando ese aprendizaje con la experiencia, y encontrando en esos datos patrones invisibles al ojo humano o a los métodos estadísticos tradicionales. En base a ello, pueden tomar decisiones autónomas sobre la efectividad o toxicidad de un determinado tratamiento en un paciente o grupo de pacientes y hacer predicciones sobre la duración de la respuesta a una terapia o sobre la supervivencia de cada paciente en función de las terapias. preferido.
“Las herramientas de IA pueden tomar decisiones autónomas sobre la efectividad o toxicidad de un determinado tratamiento y hacer predicciones sobre la duración de la respuesta a una terapia o la supervivencia de cada paciente”
¿Qué tipo de modelos o algoritmos de IA se utilizan en la investigación y la práctica clínica en mieloma múltiple? ¿Cómo se desarrollan y validan estos modelos para garantizar su eficacia y precisión?
Actualmente no existen modelos de IA con implementación en la práctica clínica en el campo del mieloma múltiple. Todavía estamos en la fase de exploración. Una dificultad para su implementación es la falta de formación y confianza de los profesionales de la salud en este tipo de modelos, que toman decisiones basadas en interacciones complejas de redes neuronales artificiales, difíciles de entender y explicar. Aun así, cada vez contamos con más publicaciones que demuestran la utilidad de los modelos de aprendizaje automático cualquiera aprendizaje profundo en el campo del diagnóstico, que van más allá de la automatización, ofreciendo la posibilidad de identificar factores pronósticos en imágenes radiológicas o histológicas.
También hemos publicado modelos predictivos y modelos exploratorios sobre selección de terapia. La capacidad de discriminación y reproducibilidad de estos modelos se puede medir objetivamente, e idealmente, antes de convertirse en un modelo de uso estándar, se deberían realizar validaciones externas, utilizando datos de diferentes centros o incluso de diferentes países para comprobar que los modelos de IA son generalizables y reproducibles. en diferentes escenarios.
“La IA aún está en fase de exploración en mieloma múltiple, pero está demostrando utilidad en el diagnóstico y selección de terapias”
¿Cuáles son las principales barreras para la implementación de soluciones basadas en IA en el tratamiento del mieloma múltiple dentro del sistema nacional de salud?
Nos enfrentamos a muchos desafíos para implementar estas nuevas herramientas en cualquier sistema de salud. Necesitamos un marco legislativo adecuado que garantice la seguridad y protección de los datos de salud de los pacientes que utilizamos para entrenar modelos de IA. Desde un punto de vista ético, es fundamental entrenar la IA con datos imparciales, en los que estén representadas todas las poblaciones de pacientes, y evitar la discriminación por etnia, situación económica, género, edad, etc.
“Necesitamos un marco legislativo adecuado que garantice la seguridad y protección de los datos de salud de los pacientes que utilizamos para entrenar modelos de IA”
Otro desafío es la formación de profesionales de la salud y la creación de equipos multidisciplinarios que incluyan bioinformáticos, ingenieros o matemáticos. Es evidente que la IA está presente en todos los ámbitos de la sociedad y es un hecho que viviremos una transformación de la medicina tal y como la conocemos en los próximos años. Los profesionales de la salud, las autoridades gubernamentales y los pacientes deben estar preparados y colaborar para que esta transformación se produzca de forma segura y equitativa.
