Cáncer de mama y el algoritmo de las 70,000 pacientes: Cómo una app y la IA están ‘hackeando’ la prevención

El cáncer de mama tiene un problema de ruido visual. Durante décadas, la radiología se ha enfrentado a una paradoja frustrante: en una mamografía, tanto un tumor maligno como el tejido denso y sano aparecen del mismo color: blanco brillante. Buscar el primero dentro del segundo es, en palabras de los radiólogos, como tratar de encontrar un oso polar en una tormenta de nieve. Pero, ¿y si la solución no fuera mejorar la vista humana, sino entrenar a una máquina para ver patrones que nosotros ignoramos?

En los pasillos del Instituto Karolinska en Estocolmo —el epicentro de la medicina global y hogar del Premio Nobel—, Marike Gabrielson está liderando esta transición de la observación analógica a la predicción algorítmica. Como una de las arquitectas detrás del Proyecto KARMA, Gabrielson gestiona una de las cohortes más ambiciosas del mundo: una base de datos viva con información genética, imágenes y muestras biológicas de más de 70,000 mujeres.

“El proyecto KARMA es una de las cohortes de cáncer de mama más grandes del mundo. Hemos incluido a más de 70,000 mujeres aprovechando el sistema de screening de Suecia, lo que nos da la oportunidad única de seguir tanto a mujeres sanas como a aquellas con cáncer durante mucho tiempo”, explica Marike Gabrielson, en entrevista con WIRED.

Pero lo que distingue el trabajo de Gabrielson no es solo el volumen de datos, sino cómo los recolecta y procesa. Su equipo ha sacado la investigación clínica de los hospitales para llevarla al smartphone, desarrollando una app propietaria que permite un flujo de datos bidireccional y en tiempo real con las pacientes. Al cruzar esta información con modelos de Inteligencia Artificial, no solo están detectando el cáncer con mayor rapidez; están descifrando la densidad mamográficacomo un biomarcador de riesgo futuro.

“Tenemos sus mamografías desde que empezaron a revisarse hasta la actualidad, sumado a cuestionarios detallados, datos de hormonas en sangre, proteínas plasmáticas y genética. Construimos esta enorme base de datos no solo para identificar factores de riesgo, sino para predecir quién desarrollará cáncer. Actualmente, tenemos un ensayo clínico donde estamos adaptando el screening mamográfico basándonos en el riesgo predicho para cada mujer. Estamos llevando el trabajo académico y la ciencia básica a un cambio clínico real”, explica a esta revista.

Gabrielson busca terminar con la era de la medicina reactiva y genérica. Su objetivo es utilizar la tecnología para diseñar una prevención a medida, donde un algoritmo pueda decirnos quién necesita una resonancia, quién necesita fármacos preventivos y quién puede esperar, mucho antes de que aparezca el primer síntoma.

Hablamos con ella sobre el desafío de «la caja negra» de la IA, la ética de los datos biométricos y por qué el futuro de la oncología depende tanto del código como de la quimioterapia. «La IA es una herramienta fantástica y, en cierto modo, un «blanco fácil» para la radiología debido a la escasez de radiólogos. En Suecia, cada mujer de 40 a 74 años es invitada a revisiones cada dos años, y cada imagen debe ser verificada por dos radiólogos. Es una cantidad de trabajo inmensa. La investigación actual explora usar la IA como «primer lector» para reemplazar a uno de los radiólogos en casos claros, o como un filtro que marca las mamografías que necesitan verificación humana obligatoria», explica Gabrielson.

Su objetivo es tan ambicioso como necesario: acabar con la era de la medicina genérica y diseñar una prevención a medida para cada mujer.

WIRED: Trabajas en el Karolinska, el hogar del Premio Nobel de Medicina, y tu grupo se centra en la medicina de precisión. ¿Cuál dirías que es el mayor concepto erróneo sobre el riesgo de cáncer de mama que están tratando de resolver?

Marike Gabrielson: Depende mucho de la población, porque en realidad sabemos bastante sobre el riesgo. Sabemos, por ejemplo, que la edad avanzada es uno de los factores más fuertes; afortunadamente, pocas mujeres jóvenes desarrollan cáncer de mama, es una enfermedad mayoritariamente de la población mayor, salvo en casos de herencia genética. Pero el gran malentendido, o más bien el desafío, radica en la densidad mamográfica.

Sabemos que una alta densidad se asocia con un mayor riesgo por dos razones. Primero, por el «enmascaramiento»: el tejido denso aparece blanco en la mamografía, igual que un tumor, por lo que el cáncer puede quedar oculto. Segundo, por biología pura. Es natural que las mujeres jóvenes tengan alta densidad, pero al envejecer, esa densidad debería disminuir y ser reemplazada por grasa. Los senos grasos son «buenos senos» cuando eres mayor. Sin embargo, algunas mujeres mantienen una densidad alta en la vejez, y eso es un factor de riesgo crítico, sumado a los clásicos como el IMC alto, el tabaquismo y el alcohol.

WIRED: Eres parte del proyecto KARMA. ¿Podrías describir la escala de esta iniciativa? ¿Cómo convierten una base de datos masiva de mamografías y genética en una herramienta predictiva real?

Marike Gabrielson: El proyecto KARMA es una de las cohortes de cáncer de mama más grandes del mundo. Hemos incluido a más de 70,000 mujeres aprovechando el sistema de screening de Suecia, lo que nos da la oportunidad única de seguir tanto a mujeres sanas como a aquellas con cáncer durante mucho tiempo. Tenemos sus mamografías desde que empezaron a revisarse hasta la actualidad, sumado a cuestionarios detallados, datos de hormonas en sangre, proteínas plasmáticas y genética.