neurociencia, inteligencia artificial, IA, cáncer cerebro
 |
| La IA dota a los cirujanos de "superpoderes". Imagen: © Production Perig – stock.adobe.com |
07 enero 2025.- El problema de la neurocirugía es que no ofrece el menor margen de error», asegura Eelco Hoving, neurocirujano pediátrico. Ni siquiera los especialistas más experimentados comprenden con precisión lo que están tratando hasta que abren el cráneo al paciente.
En el caso de los tumores neurológicos, por ejemplo, es habitual que uno ignore a qué se enfrenta hasta que retira un fragmento del cráneo y hace una biopsia de una pequeña porción de tejido cerebral.
Así es como funcionan las cosas en el Centro Princesa Máxima, un hospital infantil asociado al Centro Médico Universitario de Utrecht, uno de los mayores hospitales de investigación de los Países Bajos, donde Hoving es director clínico de neurooncología. La muestra se envía al laboratorio, donde suceden dos cosas.
Por un lado los patólogos secuencian y caracterizan el tejido cerebral e intentan identificar qué tipo de tumor está presente, un proceso laborioso que puede llevar una semana, cuando no más. Paralelamente, el laboratorio toma un pequeño corte transversal de la muestra, lo congela y lo secciona –en esencia, crea una «instantánea congelada», dice Hoving–, y a continuación lo revisa al microscopio en un proceso denominado corte rápido. Aunque el corte rápido puede contribuir a identificar el tipo de tumor en tan solo 15 o 20 minutos, como método de diagnóstico es mucho menos fiable que la vía más lenta.
Identificar tumores, salvar vidas. Un equipo médico opera en 2024 a un paciente en el Centro Princesa Máxima de los Países Bajos, donde la IA se utiliza regularmente para ayudar a diagnosticar tumores con mayor rapidez y eficacia. Luca Locatelli
Esto pone a los neurocirujanos en una encrucijada mientras el paciente está en la mesa de operaciones con el cerebro expuesto. Se toma una serie de decisiones difíciles a partir de una información imperfecta: ¿hay realmente un tumor? Y si es cáncer, ¿se trata de una forma agresiva que requiere una extirpación inmediata? ¿O de un tumor más leve que puede tratarse con un método menos invasivo, como la quimioterapia?
Hoving, que trata a niños y adolescentes, es dolorosamente consciente de esas limitaciones. Recuerda el caso de un joven paciente al que operó hace unos años. El corte rápido reveló un tumor embrionario de alta malignidad. Dada su elevada agresividad, Hoving concluyó que lo mejor sería llevar a cabo una resección radical, extirpando con sumo cuidado más del 98 por ciento del tejido tumoral, un procedimiento lento y mentalmente agotador que exige una concentración superlativa durante muchas horas seguidas. Como consecuencia de la intervención, el paciente perdió parte del control motor en un brazo.
Cuando 10 días después llegaron los resultados del laboratorio, el informe de patología indicaba que el tumor era en realidad de un tipo mucho más leve. «Resultó ser un germinoma –recuerda Hoving–, un tumor que podía tratarse muy eficazmente con radioterapia y quimioterapia». El cirujano había tomado la mejor decisión posible con la información limitada de la que disponía: «Intenté hacer una resección radical con las mejores intenciones, pero a posteriori es evidente que no procedía».
Hoy Hoving forma parte de un equipo de investigación del Princesa Máxima que desde el verano de 2023 experimenta con inteligencia artificial para identificar tumores en tiempo real. El equipo utiliza un modelo de IA bautizado como Sturgeon, capaz de clasificar tumores cerebrales con una precisión del 90 por ciento en 40 minutos o menos, tiempo suficiente para que el cirujano tome una decisión informada mientras el paciente está en la mesa de operaciones. «Los patólogos siguen revisando todas las muestras», afirma Bastiaan Tops, jefe del laboratorio de patología oncológica pediátrica del Princesa Máxima. La IA simplemente proporciona más información.
La génesis del proyecto se remonta a principios de 2022, cuando Tops se enteró de que uno de sus colegas del campus, Jeroen de Ridder, investigador principal y profesor asociado del Centro de Medicina Molecular, estaba logrando grandes avances en el campo de la secuenciación molecular valiéndose de un instrumento nuevo y relativamente asequible llamado secuenciador por nanoporos, capaz de leer cadenas de ADN.
Tops tuvo una idea brillante: ¿y si pudiesen combinar este secuenciador con algún tipo de algoritmo de aprendizaje avanzado programado para acelerar radicalmente la identificación de tumores? Telefoneó a De Ridder para comentarle su idea.
«Me dijo que vislumbraba alguna aplicación de la secuenciación por nanoporos en el ámbito del diagnóstico ultrarrápido», recuerda De Ridder. Y como el campus es pequeño, enseguida se plantó en el despacho de Tops. «Nos sentamos juntos y empezamos a idear posibilidades».
El secuenciador por nanoporos es un pequeño dispositivo que cuesta a partir de 1.800 euros, lo que en el universo médico se considera barato, y por ende prometedor para los hospitales de los países en desarrollo. Se parece a una grapadora y se conecta a un ordenador portátil por USB; en otras palabras, no tiene aspecto futurista en absoluto. Funciona haciendo pasar una cadena de ADN por una membrana provista en su interior de orificios diminutos o nanoporos. Cada nanoporo está asociado a un electrodo y a un sensor que registra las interrupciones experimentadas por la corriente eléctrica del sistema a medida que la cadena pasa por los orificios.
El resultado es una firma única –la «rúbrica» de cada cadena– que puede descodificarse en una secuencia de bases. Al mismo tiempo, los investigadores pueden utilizar Sturgeon para identificar qué tipo de cáncer está presente.
El gran obstáculo, al igual que ocurre con cualquier software de identificación que utilice IA, es que hablamos de fragmentos de datos incompletos, en este caso a nivel molecular. A De Ridder le gusta describir el proceso con un ejemplo más concreto: «El reto que debe resolver la IA es, si te muestro la foto de un elefante, ¿el ordenador reconoce lo que hay en la foto?».
Digamos que solo se ve un uno por ciento, quizás unos pocos píxeles grises correspondientes a la trompa, y que el otro 99 es desconocido o inescrutable. «¿Podemos crear una IA que así y todo pueda reconocer que en la foto aparece un elefante? –se pregunta–. Pues bien, esa es la IA que hemos desarrollado. En última instancia, eso es lo que hace».
La otra dificultad fundamental, sobre todo en el caso de los tumores cerebrales pediátricos, es que los hospitales tratan quizá menos de cien casos al año, y por lo tanto hay un problema de escasez de datos. Al trabajar con una IA se necesita una base de datos de miles de casos para poder empezar siquiera a entrenar a un sistema como Sturgeon en la identificación de tumores. (Compárelo con ChatGPT, que se entrena a sí mismo con miles de millones de frases disponibles gratuitamente en internet). ¿Cómo conjugar un pequeño número de muestras con la necesidad de unas baterías de datos inconcebiblemente amplias? Para De Ridder y Tops, la respuesta fue ponerse creativos.
La pareja extrajo datos de muestras de tumores preexistentes, recogidas en estudios ya publicados. Aun así, trabajaban a déficit. «Teníamos unas 3.000 muestras –dice De Ridder–. Nada para tirar cohetes».
Pero a partir de esas 3.000 muestras consiguieron simular millones de secuencias únicas de nanoporos que utilizaron para entrenar a Sturgeon, algo así como cuando en la película Matrix inyectan en el cerebro de Neo siglos de entrenamiento en kung-fu. «Lo repetimos 45 millones de veces para alcanzar un conjunto de datos con el volumen necesario para entrenar unas redes extremadamente complejas –explica De Ridder–. Y lo cierto es que funcionó».
Aunque Sturgeon ya se utiliza con fines de investigación para coadyuvar en la toma de decisiones en tiempo real, el equipo del Princesa Máxima está diseñando ensayos clínicos para comprender mejor su impacto. En teoría, la secuenciación molecular podría ampliarse para identificar enfermedades y trastornos más allá de los tumores cerebrales: melanomas, micosis pulmonares, trastornos sanguíneos raros como la mielofibrosis… Usar el ADN para reconocer al instante dolencias raras o de difícil diagnóstico podría transformar radicalmente el panorama de la medicina.
En el campo de la neurocirugía, algunos científicos ya teorizan que la IA podría emparejarse con robots quirúrgicos para automatizar intervenciones complejas. Mientras tanto, investigadores de Harvard y de Google acaban de completar el primer mapa tridimensional de un milímetro cúbico de tejido cerebral, lo que podría ofrecer todavía más vías para comprender por qué pensamos como pensamos, cuándo algo puede ir mal en el plano cognitivo o incluso cómo experimentamos las emociones.
Pero el progreso es gradual. Lento por definición. Las autoridades sanitarias aún deben verificar que Sturgeon y otras técnicas similares son seguras, lo que podría llevar un lustro, si no más. «Tenemos que demostrarlo –dice Hoving–. [Tenemos que] darle unos cimientos totalmente fiables».
Aunque empezó siendo un neófito de la IA, en el ínterin Hoving se ha convertido en un defensor de las posibilidades que ofrece esta tecnología, en especial como herramienta adicional. Imagínese, en 10 o 15 años un neurocirujano podría llevar unas gafas con IA capaces de localizar e identificar cánceres en tiempo real: la visión de Terminator, pero para rastrear tumores.
«Creo que hay muchas técnicas, en especial en el campo de la imagen y de este tipo de realidad mixta, que nos ayudarán», augura Hoving. Al final corresponderá a los neurocirujanos tomar la decisión final, como siempre ha ocurrido, pero podrán hacerlo con muchas menos incertidumbres.
Fuente: National Geographic
COMENTARIOS