Escuchá esta nota
EL DIARIO digital
minutos
La inteligencia artificial empieza a abrir nuevas posibilidades en la medicina personalizada, particularmente en el tratamiento del cáncer. En ese camino, científicos argentinos avanzan en el desarrollo de un sistema que podría ayudar a determinar qué terapia es la más adecuada para cada paciente, antes de someterlo a meses de medicación sin certezas sobre los resultados.
El proyecto es impulsado por un equipo interdisciplinario de la Universidad de Buenos Aires (UBA) y el CONICET. El bioquímico e investigador Matías Pibuel explicó que el análisis de grandes volúmenes de información resulta indispensable para avanzar en la personalización de los tratamientos oncológicos. "No hay otra manera de analizar la cantidad de datos que necesitamos sin inteligencia artificial", sostuvo.
La herramienta fue diseñada para anticipar la efectividad de distintas terapias a partir del análisis de muestras biológicas y su comparación con antecedentes clínicos. De esa manera, busca aportar información que permita tomar decisiones médicas más precisas y reducir tanto los tiempos de incertidumbre como los efectos adversos asociados a tratamientos que no producen los resultados esperados.
Actualmente, la elección de una terapia suele realizarse de manera empírica: se administra una determinada dosis o se inicia un ciclo de quimioterapia y, después de un período de seguimiento, se evalúa si el paciente respondió. El sistema que desarrolla el equipo pretende cambiar ese procedimiento mediante el estudio de la denominada "huella" molecular de cada tumor.
La propuesta consiste en identificar patrones biológicos y relacionarlos con las respuestas que otros pacientes tuvieron frente a determinados medicamentos. Así, la inteligencia artificial podría reconocer características que indiquen si un tumor es sensible o resistente a una terapia específica.
Pibuel explicó que el sistema ya fue probado en modelos preclínicos, mediante líneas celulares comerciales. Las muestras son procesadas e ingresadas a un equipo que genera múltiples datos y construye una especie de perfil molecular de las células. Luego, esa información se compara con resultados previos para identificar patrones asociados a la respuesta al tratamiento.
"Después de un número suficiente de casos, podemos decir que si una muestra presenta determinada huella, responderá al tratamiento; si muestra otra, no lo hará", detalló el investigador.
El paso siguiente es trasladar esa metodología al ámbito clínico. El equipo comenzó a recibir muestras del Hospital Garrahan, especialmente de tumores del sistema nervioso central, con el propósito de validar el funcionamiento de la inteligencia artificial en pacientes reales. Para ello, se cruzan los datos obtenidos mediante espectrometría de masas con la evolución clínica de cada caso.
Uno de los principales beneficios que podría aportar el desarrollo es la reducción de los tiempos de espera. Según Pibuel, actualmente pueden pasar alrededor de tres meses hasta comprobar si una quimioterapia está dando resultado. Con esta metodología, la respuesta podría obtenerse en aproximadamente un mes, lo que permitiría ganar dos meses fundamentales para la evolución del paciente.
"En vez de esperar tres meses para comprobar si la quimioterapia funciona, con nuestra metodología podríamos dar una respuesta en un mes, ahorrando dos meses clave para la vida del paciente y evitando tratamientos inútiles", señaló.
El investigador también advirtió que, durante ese período, muchas personas atraviesan demoras vinculadas a autorizaciones, obras sociales y pruebas de medicamentos, mientras la enfermedad continúa avanzando. Una predicción más rápida podría evitar tratamientos innecesarios, reducir efectos adversos y disminuir el desgaste físico y emocional que enfrentan tanto los pacientes como sus familias.
Para desarrollar esta tecnología, el grupo tuvo que crear un software específico que permita procesar la información obtenida por el espectrómetro de masas. El trabajo está a cargo de especialistas de distintas disciplinas, entre ellos Pibuel, la investigadora Silvina Lombardía y el bioinformático Martín Ledesma, responsable del desarrollo del programa.

El científico aclaró que no se trata de una inteligencia artificial generativa, como las herramientas de uso cotidiano, sino de un sistema especializado que analiza datos de alta complejidad y produce resultados orientados a determinar la sensibilidad o resistencia de un tumor frente a una terapia. Para ello, es fundamental establecer previamente una correlación con la historia clínica y la respuesta de los pacientes.
La iniciativa también cuenta con una recepción favorable por parte de los profesionales de la salud. Pibuel destacó la participación del equipo de neurooncología del Hospital Garrahan y la predisposición de los médicos a incorporar nuevas herramientas. En el caso de los pacientes, la aceptación es más variable, aunque consideró que la posibilidad de evitar meses de tratamientos sin resultados puede representar un incentivo importante.
En esta primera etapa, el desarrollo está enfocado en tumores pediátricos del sistema nervioso central, particularmente glioblastomas y leucemias. Sin embargo, sus posibilidades de aplicación podrían ampliarse a otros tipos de cáncer y diferentes alternativas terapéuticas, tanto quimioterapia como tratamientos biológicos, entre ellos anticuerpos e inhibidores de checkpoints.
El origen del proyecto se remonta a una investigación sobre el mecanismo de acción de una droga denominada 4MU. Durante ese trabajo, el equipo comenzó a analizar los cambios que se producían en las células antes y después de recibir el tratamiento, con la idea de utilizar inteligencia artificial para detectar cuándo desarrollaban resistencia.
A partir de esos ensayos, los investigadores identificaron perfiles moleculares diferentes entre células sensibles y resistentes. Ese hallazgo abrió la posibilidad de trasladar el procedimiento al ámbito clínico y utilizarlo para anticipar la respuesta de los pacientes a distintas terapias.
La metodología ya fue validada en laboratorio, pero la etapa actual presenta un desafío mayor: reunir suficientes muestras humanas y esperar la evolución clínica de cada paciente para determinar si respondió o no al tratamiento. El equipo recibe entre dos y tres muestras por semana, un volumen significativo para una especialidad con una casuística limitada.
La cantidad de información es determinante para que el algoritmo alcance resultados confiables. Cada nuevo caso permite ajustar el sistema, reconocer patrones con mayor precisión y fortalecer su capacidad de predicción. Pibuel estimó que esta fase de investigación demandará al menos otros dos años de trabajo.
En el futuro, la posibilidad de estudiar tumores más frecuentes podría facilitar el proceso, ya que permitiría reunir una mayor cantidad de casos en menos tiempo y ampliar la base de datos necesaria para perfeccionar la herramienta.
Durante la entrevista, el investigador también se refirió al avance de la inteligencia artificial en la medicina y consideró que el procesamiento manual de semejante cantidad de información resulta prácticamente imposible. A su entender, las herramientas informáticas sofisticadas ya son indispensables para el desarrollo de investigaciones biomédicas y tendrán un papel cada vez más importante.
El equipo trabaja con esta metodología desde 2019. La pandemia ralentizó los experimentos, pero una vez que pudieron retomar las actividades en el laboratorio, generaron líneas celulares resistentes y continuaron con los ensayos preliminares.
Pibuel reconoció que su acercamiento a la inteligencia artificial se produjo a partir del trabajo conjunto con el bioinformático Martín Ledesma. Al comienzo, la interpretación de números y gráficos resultaba compleja, pero la aparición de patrones y la posibilidad de obtener predicciones claras marcaron un avance significativo.
De todos modos, aclaró que todavía falta recorrer un camino antes de que la tecnología pueda utilizarse de manera generalizada. Es necesario procesar más muestras, acumular información y comprobar la confiabilidad del algoritmo. El grupo, además, cuenta con acuerdos con el Hospital Garrahan y el FLENI para ampliar el trabajo, aunque la cantidad de casos de tumores pediátricos del sistema nervioso central sigue siendo una limitación.
El investigador se mostró optimista respecto de la posibilidad de transferir el desarrollo a otros centros de salud y adaptarlo a diferentes patologías. Para ello, será fundamental consolidar los resultados y avanzar en la validación clínica.
La colaboración entre científicos, especialistas en informática y médicos aparece como uno de los pilares de la iniciativa. El objetivo es que la combinación de investigación, tecnología y formación permita mejorar las decisiones terapéuticas y ofrecer alternativas más precisas para quienes enfrentan una enfermedad oncológica.
El proyecto de la UBA, el CONICET y los hospitales de referencia busca convertir el análisis de datos complejos en una herramienta concreta para la medicina. Aunque todavía necesita tiempo, nuevas muestras y validaciones, la expectativa es que la inteligencia artificial pueda contribuir a identificar tratamientos más efectivos, evitar intervenciones innecesarias y mejorar la calidad de vida de los pacientes.