La IA, clave para resolver los problemas de salud femenina más olvidados

Los avances en ciencia computacional permiten, entre otras maravillas, descubrir cómo mejorar la mortalidad materna y ofrecer mejores terapias a los pacientes de cáncer de mama.

Por Meryl Davids Landau
Publicado 11 jul 2023, 11:42 CEST
Biopsia de mama realizada en el hospital Saint-Louis de París

Las resonancias magnéticas ya permiten a los profesionales médicos realizar procedimientos específicos, como esta biopsia de mama realizada en el hospital Saint-Louis de París (Francia). Ahora, los investigadores combinan datos de IRM con algoritmos para predecir el crecimiento del cáncer de mama y los resultados del tratamiento.

Fotografía de GARO, PHANIE, SCIENCE PHOTO LIBRARY

Las mujeres constituyen la mitad de la población mundial, pero la investigación sobre las principales enfermedades que afectan a su salud lleva mucho tiempo a la zaga de la de los hombres. Algunos científicos están tratando de cambiar esta situación aprovechando el poder de la inteligencia artificial y la medicina computacional para extraer conclusiones que de otro modo pasarían desapercibidas. Este enfoque está aportando nuevos conocimientos sobre las complicaciones del embarazo, la endometriosis, la mortalidad materna, los cánceres de mama y de cuello uterino y otros problemas de salud de la mujer, que se espera se traduzcan en una mejora de la atención sanitaria.

Según Tom Yankeelov, director del Centro de Oncología Computacional del Instituto Oden de la Universidad de Texas en Estados Unidos, la ciencia computacional está ayudando a investigar la salud de la mujer de dos formas principales. Una consiste en utilizar el aprendizaje automático de la IA para analizar vastos conjuntos de datos y extraer conclusiones generales. La otra extrae información de pacientes individuales para hacer evaluaciones o predicciones aplicables específicamente a ellos.

Una de las razones de este progreso es que los ordenadores son ahora tan baratos y rápidos que los científicos pueden analizar conjuntos de datos muy grandes en sus instituciones. Por ejemplo, un estudio sobre las muertes de mujeres relacionadas con el parto en 200 países requirió simular cientos de miles de parámetros sanitarios estimados que podrían influir en la salud de las mujeres en este momento crucial, afirma Zachary Ward, investigador de este proyecto en la Escuela de Salud Pública T.H. Chan de Harvard (Estados Unidos). Este proyecto no habría sido factible ni siquiera hace una década, afirma. Los ordenadores de alto rendimiento trabajaron las 24 horas del día durante un año para procesar todas las cifras y revelar los factores que podrían marcar la diferencia a la hora de salvar vidas.

El creciente interés de las jóvenes ingenieras también ha sido crucial para avanzar en este campo, afirma Michelle Oyen, directora del Centro de Ingeniería Sanitaria Femenina de la Universidad Washington de Estados Unidos, que se nutre de las facultades de ingeniería y medicina. La idea de utilizar simulaciones por ordenador para estudiar los problemas del embarazo, como hace su laboratorio, "parece captar la imaginación de los jóvenes estudiantes", afirma. "En muchos casos, dicen: 'Mi madre tuvo esto o mi amiga tuvo esto'. Hay un componente personal".

Un software de IA destaca posibles anomalías en una mamografía en el hospital del condado de Bács-Kiskun en Kecskemét, Hungría, el 20 de febrero de 2023. Hungría se ha convertido en un importante campo de pruebas de software de IA para detectar el cáncer, mientras los médicos debaten si la tecnología sustituirá a su experiencia médica.

Fotografía de AKOS STILLER, The New York Times, Redux

Matemáticas para tratar el cáncer de mama

Yankeelov utiliza el enfoque personalizado en su esfuerzo por tratar con mayor eficacia el cáncer de mama localmente avanzado (CMLA), en el que la enfermedad se ha extendido pero sólo a los ganglios linfáticos de las axilas. Lo mejor es utilizar los datos de cada persona, dice, porque los muchos subtipos de cáncer de mama hacen que la experiencia y las perspectivas de supervivencia de cada persona sean únicas.

En su mayor parte, los avances médicos se han basado en un método de ensayo y error en forma de pruebas clínicas. Se considera que un tratamiento ha tenido éxito cuando se demuestra que ayuda a la persona media, no a un individuo concreto. Esto contrasta con la forma en que avanzan otros esfuerzos científicos. "Cuando queremos poner un satélite en órbita, no lanzamos 100 satélites y esperamos que uno de ellos caiga en la órbita correcta", dice. Un solo satélite se envía a su lugar resolviendo ecuaciones matemáticas ideadas por físicos e ingenieros.

Yankeelov y su equipo intentaron desarrollar ecuaciones matemáticas que pudieran aplicarse a un solo paciente de CMLA. Han derivado cuatro ecuaciones diferenciales que calculan cómo crece cada tumor y cómo responde al tratamiento. Las ecuaciones utilizan factores que se sabe que influyen en la progresión de la enfermedad, como la forma en que las células tumorales migran, proliferan e interactúan con el tejido que las rodea, y cómo responden a un tratamiento temprano. A continuación, los superordenadores resuelven estas cuatro ecuaciones para una paciente concreta a partir de datos obtenidos por resonancia magnética (RM) de la mama.

Los tratamientos actuales suelen incluir un ciclo estándar de quimioterapia antes de la extirpación quirúrgica del tumor. Sin embargo, en casi dos tercios de los casos quedan células cancerosas, lo que aumenta las probabilidades de recidiva. Las ecuaciones de Yankeelov, actualmente en fase experimental, podrían resultar útiles para individualizar el tratamiento del CMLA.

El estudio realizado por Yankeelov en 56 mujeres con un tipo de CMLA, denominado triple negativo, reveló que la resolución de las ecuaciones arrojaba una precisión del 89% a la hora de determinar si el tratamiento estándar tendría éxito. El siguiente paso es un próximo ensayo clínico prospectivo en el que se utilizarán las predicciones informatizadas para personalizar los tratamientos, por ejemplo dando a alguien con altas probabilidades de fracaso la opción de someterse a terapias adicionales.

(Relacionado: Un nuevo método basado en inteligencia artificial detecta el cáncer del futuro)

Comprender lo que ocurre en el embarazo y el parto

También se está utilizando un enfoque individualizado para estudiar el útero de una persona en trabajo de parto. En la actualidad, los médicos siguen las contracciones uterinas con un dispositivo sensible a la presión denominado tocodinamómetro, que detecta su duración, frecuencia e intensidad. Pero para entender mejor lo que ocurre en el útero durante el parto prematuro, o si éste se detiene durante el parto, se necesita información más detallada, afirma Yong Wang, profesor asociado de las facultades de ingeniería y medicina de la Universidad de Washington en Estados Unidos.

Wang y sus colegas han creado un dispositivo de detección único (denominado sistema de imágenes electromiográficas) que se coloca en el abdomen y contiene 250 electrodos que registran medio millón de bits de datos por segundo. Los ordenadores transforman los datos en imágenes visuales dinámicas y en tiempo real del útero a medida que experimenta cada contracción (una representación conocida como gemelo digital).

"Por primera vez, esto nos permite evaluar de forma no invasiva la función uterina humana en un espacio tridimensional a lo largo del tiempo", afirma Wang.

Cuando se siguieron las contracciones de 55 parturientas con el dispositivo, las imágenes tridimensionales detalladas documentaron lo que ocurre en el interior del útero y mostraron claramente cómo se activan las distintas partes del útero a medida que avanza la contracción.

Wang imagina un futuro en el que el trabajo de parto de todas las pacientes se siga de este modo y los cálculos generen rápidamente imágenes visuales en tiempo real que los profesionales sanitarios puedan ver en una pantalla. El dispositivo también se utiliza para estudiar afecciones uterinas distintas del embarazo, como la fertilidad, las menstruaciones dolorosas y la endometriosis. 

Michelle Oyen también trabaja para entender el embarazo; se centra en la placenta, que proporciona nutrientes y oxígeno al feto. Para ser algo tan vital para la existencia humana, se sabe sorprendentemente poco, afirma. Esta falta de conocimientos ofrece a los obstetras pocas herramientas (descanso en cama, por ejemplo, o cesárea) cuando surgen problemas en la placenta.

Oyen se basa en el aprendizaje automático para crear un modelo informático dinámico de la placenta. "Tomamos la geometría de la estructura y las propiedades de los tejidos y las introducimos en el ordenador, luego exploramos qué ocurre si se varían las propiedades de los tejidos a lo largo de cientos de simulaciones", explica. Esta investigación no puede hacerse en personas por razones éticas obvias, ni en animales porque sus placentas son muy diferentes, dice.

Se espera que estos estudios ayuden a los científicos a entender el papel de la placenta cuando, por ejemplo, el crecimiento fetal se ralentiza de forma anormal (tema de un ensayo clínico multicéntrico en curso) o cuando surge una complicación del embarazo como la preeclampsia, una enfermedad potencialmente mortal en la que se sabe que la placenta desempeña un papel.

Oyen también sondea digitalmente el saco lleno de líquido en el que reside el feto. En aproximadamente el tres por ciento de las mujeres de todo el mundo, esta vasta red de membranas de colágeno que componen el saco amniótico se rompe prematuramente, a menudo antes de que el feto pueda sobrevivir. Someter fibras individuales a presión y desgarros virtuales ilumina la cascada de acontecimientos que pueden desencadenar tal ruptura, permitiendo quizá algún día reparaciones in utero antes de que un problema menor se convierta en catastrófico.

(Relacionado: Las claves sobre la fertilidad femenina pasados los 35 años)

Macrodatos para macro objetivos

Las simulaciones a gran escala constituyen la espina dorsal de los esfuerzos de Zachary Ward por mejorar la salud de las mujeres en todo el mundo. A partir de los datos disponibles en todo el mundo, su equipo calcula los posibles factores que contribuyen a la mortalidad materna (la cantidad de atención prenatal que reciben las embarazadas de cada país, por ejemplo, o sus tasas de hipertensión arterial o de acceso a instalaciones médicas para dar a luz) utilizando más de 400 000 parámetros médicos, sociales, económicos y de otro tipo.

Aunque ha descendido más de un 40% en los últimos 30 años, esta mortalidad sigue siendo obstinadamente alta. La simulación de posibles intervenciones en todo el mundo en desarrollo ha permitido al equipo de Ward identificar las que podrían tener un mayor impacto.

Los resultados de estas exhaustivas pruebas informáticas revelaron que ninguna intervención es suficiente por sí sola. "Estamos descubriendo que no tiene mucho sentido hacer una cosa cada vez. Se necesitan estrategias globales, integradas y específicas para cada país", afirma. Por ejemplo, mejorar la calidad de los paritorios y animar a más mujeres a dar a luz en ellos puede mantener con vida a las embarazadas en muchas partes del mundo, pero es insuficiente si no se garantiza al mismo tiempo que haya suficientes profesionales sanitarios formados en esos centros o que las mujeres tengan acceso a métodos anticonceptivos.

Conclusiones similares se desprenden de las simulaciones sobre la reducción de las muertes por cáncer de cuello de útero en el mundo. Según los científicos, la introducción de dispositivos de diagnóstico por imagen no servirá de nada si no se aumentan también los agentes quimioterapéuticos, los oncólogos formados y la capacidad de radioterapia.

Aunque los cálculos informáticos no arrojaron ninguna intervención única y definitiva, Ward afirma que la recopilación de este tipo de información es crucial. "Me gustaría que los responsables políticos tomaran decisiones basadas en datos", afirma. A medida que él y otros científicos sigan aplicando la ciencia computacional a la salud de la mujer, esta perspectiva será más probable.

Este artículo se publicó originalmente en inglés en nationalgeographic.com.

loading

Descubre Nat Geo

  • Animales
  • Medio ambiente
  • Historia
  • Ciencia
  • Viajes y aventuras
  • Fotografía
  • Espacio

Sobre nosotros

Suscripción

  • Revista NatGeo
  • Revista NatGeo Kids
  • Registrarse
  • Disney+

Síguenos

Copyright © 1996-2015 National Geographic Society. Copyright © 2015-2024 National Geographic Partners, LLC. All rights reserved