Retos en el descubrimiento de biomarcadores habilitados por IA

Los biomarcadores de pacientes se utilizan actualmente en la medicina personalizada para predecir la progresión de la enfermedad, minimizar los efectos secundarios y maximizar los beneficios terapéuticos en el tratamiento de la enfermedad. En oncología, el uso de biomarcadores ha aumentado las tasas de respuesta al tratamiento del 20 % al 42 % cuando se utiliza un biomarcador en las decisiones terapéuticas.² 

El descubrimiento tradicional de biomarcadores solía utilizar un único rasgo cuantificable (por ejemplo, la presencia de un rasgo genómico), lo que limita la capacidad de captar las intrincadas complejidades de la progresión y la respuesta de la enfermedad^.2 Por el contrario, la inteligencia artificial (IA) y el aprendizaje automático (ML) pueden obtener el historial médico, la información genética, los datos demográficos y los factores relacionados con el estilo de vida de los pacientes para analizar más datos que pueden influir en la predicción, la progresión y la respuesta de la enfermedad. 

Dos^informes recientes^{1, 2} destacan los retos que plantea el uso de la IA y el aprendizaje automático basados en la comparación de biomarcadores. La integración de grandes conjuntos de datos procedentes de diferentes laboratorios de referencia y ensayos clínicos es compleja, laboriosa y requiere mucho tiempo.² A esto se suma el gran volumen de datos, que requiere herramientas sofisticadas para analizarlos e integrarlos, especialmente en el caso de enfermedades complejas como el cáncer y los trastornos autoinmunitarios^.2 Además, dado que se utilizan datos de pacientes, es necesario tener en cuenta la seguridad y la privacidad de los datos.¹ Por otra parte, existe la posibilidad de que se produzcan sesgos a varios niveles: en los algoritmos de IA o en los datos de entrenamiento, y potencialmente por parte de los propios recopiladores de datos.^{1 Por último}, los pacientes tendrían que aceptar y adoptar el uso de la tecnología, permitiendo que su historial médico personal y sus resultados se utilicen para entrenar y mejorar los algoritmos.¹ 

La unificación del almacenamiento de datos clínicos para simplificar la aplicación de formación de los sistemas de IA y la creación de directrices uniformes para el uso de datos de biomarcadores podrían mejorar los sistemas actuales^.2 Además, las asociaciones sinérgicas entre investigadores y profesionales clínicos podrían respaldar el uso ético de la tecnología y apoyar el descubrimiento de biomarcadores que sean directamente relevantes para la práctica clínica. Aunque siguen existiendo retos, no hay duda de que la IA está transformando la prestación de la asistencia sanitaria y promoviendo la medicina personalizada.

1. Li et al. (2024), Innovación y retos de la tecnología de inteligencia artificial en la atención sanitaria personalizada, https://doi.org/10.1038/s41598-024-70073-7.
2. Cioffi, M. y Nicks, B. (2024) El papel de la IA en la correspondencia predictiva entre biomarcadores y pacientes, https://endpts.com/sp/the-role-of-ai-in-predictive -biomarker-patient-matching/.