por Pablo Siliceo Portugal
imágenes de Suzanne Anker
EL ENTRENAMIENTO DE MODELOS DE INTELIGENCIA ARTIFICAL, INSPIRADOS EN REDES NEURONALES HUMANAS, HA SIDO CLAVE PARA DESARROLLAR PLATAFORMAS DE APRENDIZAJE AUTOMÁTICO QUE DETECTEN PATRONES COMPLEJOS. EN MEDICINA, TECNOLOGÍAS COMO LA TRANSCRIPTÓMICA UNICELULAR HAN PERMITICO GENERAR DATOS GENÉTICOS DE ALTA COMPLEJIDAD Y ENTRENAR MODELOS PREDICTIVOS ENFOCADOS AL DIAGNÓSTICO TEMPRANO DEL CÁNCER.
Inteligencia artificial y cáncer: Cómo la tecnología revoluciona el diagnóstico médico
La relación entre inteligencia artificial y cáncer está transformando la medicina moderna. El entrenamiento de modelos de inteligencia artificial, inspirados en redes neuronales humanas, ha sido clave para desarrollar plataformas de aprendizaje automático que detecten patrones complejos. En medicina, tecnologías como la transcriptómica unicelular han permitido generar datos genéticos de alta complejidad y entrenar modelos predictivos enfocados al diagnóstico temprano del cáncer.
De la ciencia ficción a la realidad cotidiana
La inteligencia artificial (IA) como herramienta de aprendizaje y automatización de procesos se ha entretejido en múltiples fibras de nuestra realidad. Desde motores de búsqueda hasta protocolos de ciberseguridad, la IA es una herramienta cuya percepción ha cambiado con el tiempo y ha logrado pasar de lo futurista a lo cotidiano. Sin embargo, su práctica y desarrollo en distintas disciplinas continúa buscando mejorar la calidad de vida humana.
¿Qué son las redes neuronales y cómo aprenden?
Uno de los modelos más interesantes en la IA son las redes neuronales, inspiradas en el funcionamiento de las neuronas de nuestro cerebro durante la generación de nuevas conexiones al aprender. A partir de un sistema de neuronas artificiales organizadas en capas, las redes neuronales utilizan bases masivas de datos para aprender patrones y posteriormente identificarlos en nuevas bases de datos.
Los software para la clasificación de imágenes utilizan este tipo de modelos. Por ejemplo, si empleamos una red neuronal para distinguir entre imágenes de frutas, las neuronas de la primera capa procesarían un pequeño segmento de información de la imagen, por ejemplo sus pixeles, y se activarían en función de si “encuentran o no” que ese segmento es importante para su clasificación: el rojo para una manzana o el verde para una pera.
En conjunto, las neuronas de la primera capa transmitirían la información a las de las siguientes capas, en un proceso en el que el sistema aprende aspectos importantes de los datos. Finalmente, las neuronas de la última capa son capaces de predecir la identidad del objeto y reforzar las conexiones que lo llevaron a una solución correcta en un proceso conocido como retropropagación.
Aplicación de la IA en la investigación biomédica
Recientemente, las redes neuronales se han utilizado para aprender patrones en datos mucho más complejos, como los que se producen en la investigación biomédica.
Transcriptómica unicelular y diagnóstico temprano
Hoy en día, gracias a los últimos avances en medicina, tecnologías como la transcriptómica unicelular permiten medir la actividad de más de 20 mil genes en cada una de las células en una muestra de tejido. En el contexto de una enfermedad como el cáncer, esto es valiosísimo.
A partir del entrenamiento de redes neuronales con los paisajes genéticos de distintas muestras de tumores, se han generado modelos predictores capaces de identificar células cancerosas en una muestra, incluso antes de que se desarrolle el cáncer.
El futuro: Entendiendo el cáncer y el aprendizaje humano
Las aplicaciones que esto puede llegar a tener son enormes, ya que, además de permitir un diagnóstico temprano en pacientes, estos estudios sientan las bases para comprender procesos tan complejos como el cáncer. En realidad, el uso de la IA se extiende a comprender los fundamentos del aprendizaje en sí, y la belleza que tiene “enseñarle” a una máquina a pensar como nosotros, aprender como nosotros, y sobre todo, a enseñarnos sobre nosotros mismos.
Todas las imágenes: Suzanne Anker, de la serie MRI Butterfly (Mariposa de resonancia magnética). Cortesía de la artista.
Uno de los modelos más interesantes en la IA es el de las redes neuronales, inspiradas en el funcionamiento de las neuronas de nuestro cerebro durante la generación de nuevas conexiones al aprender.
Pablo Siliceo Portugal es investigador doctoral por parte del programa de Ciencias Biomédicas de la UNAM en México y del programa de Biomedicina de la Universidad de Helsinki. Se especializa en la aplicación de herramientas computacionales y matemáticas como la IA para comprender enfermedades de origen genético.
