El cáncer es una enfermedad global. Como cada año el 4 de febrero se celebra su día mundial. Las leyes de la estadística, implacables, auguran que con altísima probabilidad esta enfermedad nos afectará, o lo hará a alguno de nuestros seres queridos durante el trascurso de nuestras vidas.

Gracias a la generosa aportación de muchos, al aliento de las instituciones civiles y al trabajo realizado por empresas y organismos públicos y privados de investigación, el siglo XX ha sido testigo de impresionantes avances en el conocimiento de las causas del cáncer. También lo ha sido de la mejora de su diagnóstico y de su tratamiento, y, por consiguiente, de la mayor duración y calidad de la vida de las personas afectadas. En estos avances, la ingeniería ha jugado un papel fundamental por medio del desarrollo de nuevas tecnologías que han permitido detectar antes, estudiar con mayor profundidad y tratar con más eficiencia esta devastadora enfermedad.

Sin embargo, percibimos que la lucha contra el cáncer sigue siendo una batalla desigual. De alguna manera es así, pues los avances conseguidos son pequeños si los comparamos con la extensión de la enfermedad y la gravedad de sus consecuencias, tanto para los individuos como para las sociedades. Pienso que una de las posibles razones de esta realidad es la dispersión de la batalla contra el cáncer. A pesar de que la globalización es algo evidente en otros aspectos de nuestras vidas, y pese a los claros esfuerzos de las instituciones por aunar esfuerzos y fomentar sinergias entre grupos de investigación nacionales e internacionales, la pelea contra la enfermedad, desde el punto de vista de la gestión y utilización de datos e información, sigue siendo lo que en la terminología militar se denomina una “guerra de guerrillas”.

En ese ámbito de la lucha todavía “local”, un número creciente de publicaciones científicas muestran la sorprendente capacidad de aprendizaje de los métodos de inteligencia artificial, englobados en lo que se conoce con el término Aprendizaje Profundo. Estos métodos, capaces de aprender e identificar patrones en datos clínicos poco estructurados, han permitido desarrollar herramientas piloto de diagnóstico en Anatomía Patológica y en Radiología. Como ejemplo de la potencialidad de estas herramientas, una reciente competición (Camelyon 16), mostró cómo sistemas basados en Aprendizaje Profundo son capaces de detectar metástasis de cáncer de mama en nodos linfáticos con más precisión que un panel de expertos histopatólogos. Otros estudios similares han mostrado la potencialidad de estos sistemas para el diagnóstico de lesiones cancerosas de la piel, o para la predicción del riesgo de enfermedades cardiovasculares a partir de imágenes del fondo de la retina.

En los ejemplos citados, la capacidad de «aprender» de estos sistemas ha requerido de la utilización de cantidades importantes de información clínica, provenientes de fuentes más o menos diversas. La mejora de estos resultados preliminares, y la extensión de esos sistemas a otras patologías más complejas, requeriría el uso de mayor cantidad y variedad de datos clínicos, correctamente anotados por especialistas.

¿Cuál es el quid para que estas evidentes victorias 'parciales' que se han conseguido empiecen a traducirse en avances globales Junto a la continuidad en los esfuerzos por realizar investigación de calidad, suficientemente financiada, también en esta nueva fase la ingeniería tiene reservado un papel fundamental.

Me atrevo a mencionar dos claves. Por un lado, la consolidación y el correcto aprovechamiento de la información clínica global, lo que a su vez requiere la mejora de los sistemas de almacenamiento y transferencia de datos, y la superación de algunas barreras legales y culturales que previenen la 'socialización' de los datos clínicos. Y, por otro, la generalización del uso de herramientas de aprendizaje basadas en inteligencia artificial en entornos clínicos.

Para lo primero es necesario que la información clínica -con la consiguiente salvaguarda de la confidencialidad- pueda ser compartida con facilidad, con el objeto de que pueda ser utilizada para entrenar y enseñar a nuevos sistemas basados en inteligencia artificial.

Para lo segundo hace falta la concienciación de los profesionales de la medicina. Lejos de ver en la inteligencia artificial un posible 'competidor', deberían verla como una poderosa herramienta capaz de mejorar la calidad de su trabajo. De esta manera, y gracias a la utilización masiva de la información, la globalidad del cáncer dejaría de ser parte del problema para convertirse en parte de la solución.