El cáncer está considerada una enfermedad compleja que implica la desregulación de sistemas celulares intrincados más allá de las aberraciones genéticas y, como tal, requiere enfoques computacionales sofisticados y datos de alta dimensión para una interpretación óptima.

Al respecto, investigadores de la Clínica Mayo (EEUU) han desarrollado, recientemente, una nueva clase de algoritmos de inteligencia artificial (IA), llamados IA basada en hipótesis, que se alejan significativamente de los modelos tradicionales basados en el aprendizaje único de los datos.

En una revisión publicada en ´Cancers´ los autores señalan que esta clase emergente de IA ofrece una forma innovadora de utilizar conjuntos de datos masivos para ayudar a descubrir las causas complejas de enfermedades como el cáncer y mejorar las estrategias de tratamiento.

"Ello abre la puerta a una nueva era en el diseño de algoritmos de IA específicos e informados para resolver cuestiones científicas, comprender mejor las enfermedades y guiar la medicina individualizada", según el autor principal y co-inventor, prof. Hu Li, investigador de IA y biología de sistemas de Mayo Clinic en el Departamento de Farmacología Molecular y Terapéutica Experimental. "Tiene el potencial de descubrir conocimientos que la IA convencional pasa desapercibida", agegó.

La IA convencional se utiliza principalmente en tareas como la del reconocimiento facial y la clasificación de imágenes en el diagnóstico clínico, y se ha aplicado cada vez más a labores generativas, como la creación de texto similar a un humano. Los algoritmos de aprendizaje convencionales a menudo no incorporan el conocimiento o las hipótesis científicas existentes. Dependen, en gran medida, de conjuntos de datos grandes e imparciales, cuya obtención puede resultar difícil, según los investigadores.

Sin embargo, "la falta de integración entre el conocimiento existente y las hipótesis puede ser un problema. Los modelos de IA actuales pueden producir resultados sin un diseño cuidadoso por parte de investigadores y médicos, lo que llamamos el problema de ´basura que entra, basura que sale´", según el Dr. Li. "Sin guiarse por preguntas científicas, la IA puede proporcionar análisis menos eficientes y tener dificultades para generar conocimientos significativos que puedan ayudar a formular hipótesis comprobables y hacer avanzar la medicina".

Nuevas vías

Con la IA basada en hipótesis, los investigadores buscan formas de incorporar la comprensión de una enfermedad, por ejemplo, integrando variantes genéticas patógenas conocidas e interacciones entre ciertos genes del cáncer en el diseño del algoritmo de aprendizaje. Los autores se muestran convencidos de que esto permitirá a los investigadores y médicos determinar qué componentes contribuyen al rendimiento del modelo y, por tanto, mejorar la interpretabilidad. Además, esta estrategia puede expandirse al manejo de cuestiones relativas a los conjuntos de datos y promover nuestro enfoque en cuestiones científicas abiertas.

"Esta nueva clase de IA abre una nueva vía para comprender mejor las interacciones entre el cáncer y el sistema inmunológico y es muy prometedora no sólo para probar hipótesis médicas sino también para predecir y explicar cómo responderán los pacientes a las inmunoterapias", afirmó, por su parte, el prof. Daniel Billadeau, del Departamento de Inmunología de la Clínica Mayo.

Entre los beneficios de esta técnica cabe destacar, de acuerdo con los autores, poder centrarse en hipótesis o preguntas de investigación específicas, aprovechar el conocimiento existente y poder encontrar conexiones perdidas previamente. Por otra parte, ayuda a los científicos a probar y validar hipótesis incorporando hipótesis y conocimientos biológicos y médicos en el diseño del algoritmo de aprendizaje. Además, los resultados son más fáciles de entender que con la IA convencional, al tiempo que requiere menos datos y potencia informática.

"Puede hacer avanzar significativamente la investigación médica al conducir a una comprensión más profunda y mejores estrategias de tratamiento, lo que podría trazar una nueva hoja de ruta para mejorar los regímenes de tratamiento para los pacientes", concluyó el Dr. Li.