A pesar de la mirada crítica necesaria sobre los desarrollos vinculados a la Inteligencia Artificial, también es tiempo de reconocer sus virtudes. Y en el campo de la salud, el aprendizaje automático saca a relucir sus músculos. Tanto, que promete una revolución en la medicina de precisión, al explorar con un detalle sin precedentes la complejidad del universo celular: un equipo de especialistas del Hospital de Clínicas de la UBA presenta un avance pionero, que utiliza algoritmos entrenados para mejorar el diagnóstico de pacientes con linfoma, un cáncer que afecta al sistema linfático, estrechamente vinculado a lo inmunológico. En el futuro, esta herramienta podría complementar el trabajo que hoy hacen los patólogos y, eventualmente, llegar a los consultorios para brindar tratamientos ajustados a las necesidades de cada individuo, y así obtener mejores chances de sobrevida.

El prototipo, que responde a un diseño original y que es presentado por un equipo de especialistas de la UBA, recién fue probado en cuatro pacientes, pero llama la atención por su originalidad en el rubro. “La idea es avanzar con ensayos hacia un mayor número de casos para que los resultados sean más contundentes. Soñamos con la aplicación clínica, es decir, que se puedan analizar los cortes, medir las células, clasificarlas y brindar a los pacientes el mejor tratamiento posible”, señala a Página/12 Cecilia Cabral, médica del Hospital de Clínicas, especialista en anatomía patológica y en el área de hematopatología.

Luego, una de las principales referentes del proyecto continúa: “Analizamos cortes de tejido ganglionar de pacientes con leucemia linfática crónica/linfoma de linfocitos pequeños, ese que habitualmente miran los patólogos. A través de un software de imágenes, examinamos las características de las células que lo componen. La máquina logró clasificar de una forma bastante similar a lo que nosotros le habíamos enseñado previamente a través de machine learning”, explica.

En concreto, entrenan sistemas para que sean capaces de caracterizar qué aspectos distinguen a las células de pacientes con linfomas. Dentro de los linfocitos que componen este tipo de linfoma, hay tres poblaciones celulares que habitualmente se reportan: linfocitos pequeños, prolinfocitos y parainmunoblastos. Más allá del detalle técnico, lo que hay que saber y a dónde este equipo de expertos colocó el ojo es que, como detalla Cabral, “si hay muchas células de linfocitos pequeños, los pacientes poseen un curso clínico más indolente, mientras que si hay una población más numerosa de prolinfocitos y parainmunoblastos, el pronóstico resulta más adverso para el paciente. Al ver la cantidad de estas células, podemos correlacionar con las características clínicas de cada individuo”.

Este desarrollo podría significar una herramienta muy valiosa en el abordaje de este cáncer particular y también de otros. Tanto es así que fue distinguido como “Mejor trabajo científico de investigación básica” en el 19° Congreso Internacional de Medicina Interna Hospital de Clínicas “José de San Martín”. 

Laura Kornblihtt, hematóloga, doctora en Medicina e Investigadora del Hospital de Clínicas, es otra de sus impulsoras y apunta: “En este contexto del abrazo al Clínicas, de la defensa de la UBA y las universidades públicas, que los tres vengamos de los mismos ámbitos, que seamos médicos que hacemos investigación, constituye todo un motivo para demostrar que la ciencia avanza. A pesar de todo lo que se dice y de tantas dificultades, la ciencia está de pie”.

Un ojo artificial y súper poderoso

El proceso de aprendizaje automático es característico de las herramientas con IA. En la medida en que los usuarios le enseñan parámetros a las máquinas, los sistemas ofrecen una gran precisión para trabajar de manera automatizada. Actúan como sensores a los que, prácticamente, no se les escurre ninguna información, a diferencia de lo que sucede tradicionalmente con el ojo humano. Aunque los especialistas médicos en lectura de imágenes tienen los sentidos muy entrenados, no son infalibles, por eso, la necesidad de un complemento.

¿Cómo podría sintetizarse el trabajo de los patólogos en el presente? Usualmente, los médicos reconocen patrones a partir cortes en el ganglio. Analizan las muestras en laboratorio y definen si se trata de ejemplares “normales” o “patológicos”. Si es un linfoma, además, se aplican técnicas de coloración --los tiñen-- para determinar qué características poseen. A partir de este nuevo avance, pacientes y médicos dispondrán de más información; por ejemplo, podrán saber cómo está distribuida la cromatina (responsable de procesos celulares fundamentales), acceder a mediciones y aspectos específicos de las células (el núcleo, el citoplasma), la ubicación de cada aspecto en particular, y más de 500 parámetros morfológicos individuales.

Guillermo Blanco, médico e investigador del Conicet, responsable de los aportes bioinformáticos realizados, arroja más precisiones: “Venía utilizando IA para distintos aspectos de microscopía y análisis pormenorizado. Se trata de ir célula por célula y levantar miles de parámetros con el fin de poder definir en qué consiste esa heterogeneidad. Por eso, en un momento se me ocurrió que podríamos escanear las imágenes que ven los patólogos”. Ahí fue cuando, en diálogo con Cabral y Kornblihtt, avanzaron en el entrenamiento del sistema para que fuera capaz de reconocer los patrones que buscaban identificar en las muestras de pacientes con linfoma. “A partir de instrucciones muy sencillas, se compatibilizó lo que ven los patólogos tradicionalmente con lo que la máquina debía ver. Le mostrás al sistema una foto y con esa información brinda datos. Con el tiempo, la capacidad de refinación del sistema se va consolidando”.

Lejos de suplementarse, las potencialidades de humanos y máquinas se retroalimentan. Los científicos, a partir de décadas de estudio, orientan a los sistemas sobre qué ver puntualmente –qué información discriminar–, mientras que los softwares ponen a disposición su capacidad para analizar datos e identificar congruencias con una precisión y velocidad inimaginables. Esta conjunción es resumida por Blanco: “Esto no reemplaza a los patólogos, sino que les brinda más facilidades, sobre todo, en el diagnóstico de casos difíciles”.

Una caja negra que se abre

“El hecho de utilizar IA en el campo de las patologías es un avance, es algo pionero en Argentina”, comenta Kornblihtt. Luego, comparte una metáfora para la IA que puede servir para ilustrar el fenómeno. “Guillermo esto lo suele explicar muy bien. La Inteligencia Artificial puede ser entendida como una caja negra, ya que a los usuarios no les importa ni saben lo que hay adentro. Sin embargo, en la medida en que junto a Cecilia nos pusimos a discernir cuáles son los elementos que nos permiten diagnosticar, esa caja comienza a abrirse. Así, uno puede elegir cuáles son las herramientas más apropiadas para abordar tal o cuál problema”, destaca.

De aquí, si se amplía la perspectiva, también es posible observar el sentido soberano que atraviesa a la apropiación de las tecnologías: pasar de ser meros usuarios a reconocer cómo funciona y emplearla según los propios intereses y objetivos. El avance suma un granito de arena al campo de la salud que en el presente se identifica como medicina de precisión. Si las enfermedades son las personas que las poseen y cada persona es distinta a otra, resulta muy bienvenida la llegada de este tipo de herramientas que habilitan el escaneo específico de lo que sucede en cada organismo. Solo de esa manera el tratamiento recibido por el paciente podrá calibrarse de acuerdo a sus circunstancias particulares.

[email protected]