María tiene un cáncer de mama y ha tenido una recaída. Cuando se sienta en la consulta del oncólogo, el médico tiene ante sí dos versiones de ella: la María real, que está sentada delante, y su copia digital, un conjunto de datos genéticos, fisiológicos y de comportamiento que simulan su vida dentro el ordenador y le ayudan a tomar decisiones. En este punto del tratamiento hay varias opciones posibles, algunas de ellas más arriesgadas. Por suerte para la María real, ella no tiene que probarlas: su gemela digital ha pasado por los distintos escenarios y ha “vivido” los diferentes desenlaces. Gracias a estas simulaciones, el médico ya conoce la combinación que mejorará sus opciones de supervivencia.
Esta situación hipotética e ideal es la que aspira a convertir en realidad el proyecto High-definition oncology in women’s cancer (Oncología de alta definición en cáncer femenino) en el que participan doce centros de investigación españoles y que recibirá 2,5 millones de euros de financiación del Instituto de Salud Carlos III (ISCIII) en los próximos tres años. “Estamos trabajando con mujeres y recopilando el conjunto de datos que va a ser un espejo de esas pacientes”, explica Miguel Ángel Quintela, jefe de la Unidad de Investigación Clínica en Cáncer de Mama del CNIO y líder del proyecto. De momento, los investigadores han reclutado a 17 pacientes, pero su objetivo es generar las ‘gemelas digitales’ de unas 300 mujeres con cáncer de mama para finales de 2024.
Medicina de “alta definición”
Gracias a una combinación de análisis de datos masivos, inteligencia artificial y aprendizaje profundo, los investigadores no solo tendrán el historial clínico de la paciente, su genoma, su proteoma y las mutaciones del tumor, sino que monitorizarán detalles de su vida diaria como cuántas horas duermen, cuánto caminan o cuál es su estado de ánimo. Información sobre los factores que podrían influir en el desarrollo del cáncer y a la que no se tenía acceso hasta ahora. “Mediante relojes monitorizamos su presión sanguínea, su pulso, los pasos que dan, y en una aplicación pueden meter su escala del dolor o sus emociones”, indica Quintela. “Una paciente que desbloquea el teléfono cada 20 segundos, por ejemplo, seguramente está más nerviosa que una que lo hace cada dos horas; podemos inferir cosas a partir de ahí”.
“La actual medicina basada en la evidencia está pensada para un paciente medio que no existe”, subraya el investigador. “Un mismo tratamiento puede tener resultados dispares en dos pacientes, dependiendo de muchos factores, desde la genética a sus hábitos. En oncología nos hemos dado cuenta de que en el paciente influyen otras muchas cosas, también su cognición y su estado de ánimo. A esto no se le ha podido poner números y escalas durante mucho tiempo, aunque sabemos que pesa. Eso es lo que queremos resolver”.
Paradójicamente, las tecnologías de información y seguimiento que se desarrollaron en el ámbito comercial para explotar la privacidad de los datos pueden tener un uso médico inesperado y facilitar el salto de la llamada “medicina de precisión” a una medicina aún más personalizada llamada “medicina de alta definición”. “En el momento de empezar un tratamiento, el enfermo y los médicos tendrán mucha más capacidad para saber cuál es el más adecuado”, asegura Ramón Colomer, jefe de servicio Hospital de la Princesa e investigador de la Universidad Autónoma de Madrid (UAM). “En los últimos 30 o 40 años hemos estado centrados en los genes y ahora no solo vemos biomarcadores, sino que le pedimos ayuda a los enfermos para que nos ayuden a seleccionar el mejor tratamiento”.
Un viaje médico al “multiverso”
En el proyecto participan expertos en inteligencia artificial que diseñarán las herramientas que permitan también hallar correlaciones sólidas entre patrones de comportamiento y el desenlace de la enfermedad, para aprender sobre el propio desarrollo del cáncer. “Vamos a aplicar técnicas de aprendizaje profundo y vamos integrar todos estos datos en un modelo predictivo que nos dé un poco de luz sobre por qué algunos pacientes no responden a los tratamientos, sufren recaídas o tienen metástasis”, asegura Alfonso Rodríguez-Patón, catedrático de IA de la Universidad Politécnica de Madrid (UPM).
Desde la Universidad Carlos III de Madrid (UC3M), el equipo de Antonio Artés Rodríguez se ocupará de la recogida de datos sobre los hábitos del paciente mediante aplicaciones y dispositivos vestibles (wearables). “Se trata de incluir en la medicina personalizada los registros de lo que llaman el fenotipo digital, que son los datos de un usuario en el mundo digital, lo que se puede recoger con dispositivos y aplicaciones móviles”, explica.
Ellos también participan en el desarrollo de los algoritmos que activen las simulaciones y prueben las trayectorias posibles de la paciente en su copia digital. “Será como en algunas de esas películas recientes en las que el protagonista juega con el tiempo”, explica. “Puedes ensayar una cosa y mirar cómo funciona, vas a tener información sobre qué va a ir sucediendo en el futuro, analizar las posibles vidas paralelas que podría tomar la paciente en función de una decisión de si aplicas un tratamiento u otro”.
Estas disyuntivas no se producirán de forma puntual, sino como un continuo. El sistema irá mostrando la trayectoria del paciente y los nodos en los que puede seguir varios caminos. “Una de la herramientas que tenemos son los ‘modelos de supervivencia’”, especifica Artés. “Si introduces los hábitos de vida, la genética y el tratamiento, vas a tener una curva que te va a decir la probabilidad de supervivencia de ese paciente, o la probabilidad de que empeore. En ese sentido, es un poco como el Doctor Strange”.
“Con el mismo tratamiento cada paciente responde de una forma”, insiste Quintela. “Esto te dibuja trayectorias muy diferentes, con distintos nodos, y hay una cantidad enorme de factores que te empujan a una trayectoria u otra. Nosotros queremos ir monitorizando al paciente y saber cuándo se va desviando de estos nodos, de esas trayectorias deseables, y cómo podemos reconducirlos”. Con este sistema, explica, “podríamos hacer un millón de copias de ese gemelo en el que en cada copia solo cambias uno de estos factores y simulas el resultado”. Y al final, como en la película de Los Vengadores, te quedas con la versión del universo en la que mejor te enfrentas al cáncer.
Hacia la biomedicina “virtual”
Todas estas nuevas herramientas son, en parte, una respuesta a la cantidad de información que está acumulando la investigación biomédica en los últimos años. “Hace veinte años, si me venía una enferma de cáncer de mama a la consulta, no tenía que considerar muchos factores, primero porque había dos o tres tratamientos”, recuerda Quintela. “Ahora, para aplicar un tratamiento tienes que hacer un chip genético a ver si es metabolizadora rápida o lenta, ver si una coagulopatía o si tiene el receptor de estrógeno mutado, porque cada detalle lo condiciona”. “Y llega un momento ”, admite, “en que nuestra mente es limitada, hay una cantidad de factores que estamos perdidos”. Por eso el apoyo de la Inteligencia Artificial puede ser determinante para el ejercicio de la medicina.
Alfonso Valencia, director del departamento de Ciencias de la Vida del Barcelona Supercomputing Center-Centro Nacional de Supercomputación (BSC-CNS), cree que el futuro de la medicina irá por este camino. Él y su equipo participan en el desarrollo de modelos computacionales para estudiar qué ocurre dentro de una célula y probar tratamientos, así como en trabajos con organoides, que son réplicas de los órganos reales del paciente. “Nosotros tenemos el gemelo virtual del organoide en el que tienes muchas copias, tantas como quieras, y puedes ver la respuesta a un fármaco, muchas más de las que puedes explorar en un ratón”.
Esta capacidad de generar universos sintéticos es una revolución total. Con un paciente virtual puedo probar mucho mejor qué le pasa
Este campo de experimentación virtual ha cobrado fuerza desde que la Administración de Alimentos y Medicamentos de EE.UU. (FDA) retirara en 2022 el requisito de probar en animales los nuevos tratamientos. “Todo esto tiene una vertiente más interesante que viene ligada a la generación de datos sintéticos”, señala Valencia. “Para 2030 habrá tres veces más datos sintéticos que datos reales, los generados con sistemas como el ChatGPT. Con ellos simulamos genomas y podemos probar mil cosas sin problemas de confidencialidad, incluso expedientes clínicos que podemos usar para entrenar sistemas de machine learning”.
Esto podría permitir, por ejemplo, mejorar el conocimiento de enfermedades raras generando variantes de pacientes con el mismo problema en los que hacer ensayos clínicos, siempre que se demuestre que son fiables. “Esta capacidad de generar universos sintéticos es una revolución total”, concluye. “Porque si tengo una paciente virtual puedo probar qué le pasa mucho mejor que con la paciente real”. De momento, advierte, no tenemos pacientes virtuales reales completos y se va avanzando por partes. “Pero combinados unos con otros se empieza a tener un todo”, concluye. “Simular un ser humano completo es algo muy complicado, pero estas herramientas avanzan a toda velocidad y el objetivo está en el horizonte”.