Tercer Milenio

En colaboración con ITA

Divulga tu tesis

Inteligencia artificial y física contra el glioblastoma

Nuevas técnicas de cultivo celular permiten recrear el cerebro en condiciones más realistas y generan gran cantidad de datos, lo que abre la puerta a usar IA contra el cáncer.

La combinación de técnicas avanzadas de cultivo celular, biomarcadores y simulación computacional será fundamental para la medicina personalizada del futuro.
La combinación de técnicas avanzadas de cultivo celular, biomarcadores y simulación computacional será fundamental para la medicina personalizada del futuro.
Unizar

El glioblastoma es el tumor cerebral más común y letal. En los últimos años se ha avanzado en su conocimiento, pero el número de fármacos aprobados se ha estancado y la supervivencia de los pacientes no aumenta. Nuevas técnicas de cultivo celular permiten recrear el cerebro en condiciones más realistas y generan gran cantidad de datos, lo que abre la puerta a usar inteligencia artificial (IA) para responder a nuevas preguntas. ¿Cómo incorporar lo que ya sabemos sobre el glioblastoma? Haciendo que la física guíe los algoritmos.

Datos y ecuaciones

Hoy en día, y cada vez más, generamos una cantidad ingente de imágenes, textos y contenido audiovisual. Esta información es procesada por millones de ordenadores que, como respuesta, nos recomiendan películas, ofertan productos, calculan rutas óptimas o ayudan a los médicos a diagnosticar una enfermedad. Esta capacidad para transformar datos brutos en información verdaderamente relevante es mérito de los famosos algoritmos de inteligencia artificial. Así la inteligencia artificial ha entrado de lleno en ámbitos como el cuidado de la salud, las ciencias sociales y el comercio electrónico, no sin exponerse a cierto escepticismo por parte de algunos expertos.

En paralelo, y con el auge de la supercomputación, cada vez son más numerosos los modelos computacionales que recrean por ordenador la realidad. Son los llamados modelos ‘in silico’, por oposición a los modelos ‘in vivo’ (en animales o personas) o ‘in vitro’ (en laboratorios). Con modelos de este tipo se ha podido recrear la progresión de muchos tumores, como por ejemplo el glioblastoma, un tumor cerebral de muy mal pronóstico (14 meses de supervivencia) y difícil tratamiento (la recurrencia es casi inevitable).

Con el desarrollo de la tecnología microfluídica, que consiste en cultivar células en entornos biomiméticos de una forma automatizada y generando muchos datos, comienza a ser posible utilizar las herramientas de la inteligencia artificial en el ámbito de los cultivos celulares, para desentrañar los complejos cambios metabólicos que se producen como respuesta a fármacos o estímulos externos.

Combinar estas herramientas de inteligencia artificial con los modelos matemáticos de evolución de tumores ayuda enormemente a explicar fenómenos desconocidos y predecir mejor la progresión tumoral, avanzando hacia la medicina personalizada.

¿Por qué inteligencia artificial guiada por física?

La inteligencia artificial está cambiando la forma que tenemos de entender la ciencia. En los últimos años, los modelos científicos sobre el universo han sido paulatinamente sustituidos por inteligencias artificiales capaces de generar patrones complejos de datos desestructurados, es decir, capaces de transformar la información en conocimiento. Sin embargo, esto arroja inquietantes preguntas. ¿Vamos a sustituir el conocimiento científico adquirido a lo largo de la humanidad por las cajas negras de la inteligencia artificial? ¿De verdad vamos a olvidarnos del legado de genios como Newton y Einstein y sustituirlos por inteligencias artificiales? 

Muy recientemente, ha empezado a surgir una corriente crítica hacia la inteligencia artificial, que clama por una mayor interpretabilidad de los modelos y que se hace eco de los fracasos de la inteligencia artificial en diversos ámbitos (salud, conducción autónoma, reconocimiento de imagen…). 

La forma de acabar con este escepticismo es dar con métodos más interpretables, introduciendo directamente en los cálculos la física del mundo que nos rodea para poder entender mejor las predicciones. Además, así no se pierde el foco, y la inteligencia artificial guiada por física, además de desentrañar lo que aún no conocemos del universo, aprende más rápido, necesita menos datos y filtra mejor el ruido que la inteligencia artificial convencional.

¿Cómo se tratará a los pacientes en el futuro?

Gracias a la combinación de los dispositivos microfluídicos, la monitorización de cultivos usando biomarcadores y las técnicas de inteligencia artificial guiada por física, en el futuro la medicina tendrá un enfoque personalizado. 

Un paciente llegará a una clínica y se le extraerá una muestra de tumor, que se cultivará en un dispositivo y se evaluará cómo responde a estímulos externos. Mediante las herramientas de inteligencia artificial guiada por física, se creará un gemelo virtual del tumor de ese paciente en concreto. Utilizando simulaciones por ordenador, se podrá evaluar, sin necesidad de hacer experimentos y esperar un tiempo de prueba, qué efectos tendría sobre ese paciente en concreto probar un determinado fármaco o una determinada terapia y elegir el que mejor resultados dé. Con simulaciones virtuales se pueden hacer pruebas sin que estas duren semanas, y el tiempo es lo más valioso para el paciente.

¿Puede este enfoque reconciliar empirismo y racionalismo?

Desde el nacimiento de la ciencia moderna y del método científico, dos grandes tendencias han dividido a los grandes pensadores. El racionalismo, cuyo máximo exponente es René Descartes, acentúa el papel de la razón en la construcción del conocimiento, construye teorías para luego validarlas por observación. El empirismo, que tiene en David Hume a su cara más visible, fía el conocimiento en primera instancia a la pura observación del entorno y la naturaleza. Ninguna de las dos corrientes ha desplazado a la otra. De hecho, Newton (racionalista) y Kepler (empirista) llegaron a la deducción del movimiento planetario por vías diferentes. Con las herramientas de inteligencia artificial guiada por física, los datos pueden combinarse con sólidas teorías científicas, para enriquecerlas. Tener una inteligencia artificial guiada por física es como sentar en una mesa a Newton y Kepler y hacerles colaborar.

La tesis


  • Trabajo Tesis doctoral realizada en el grupo Tissue MicroEnvironment Lab (TMELab), en el Instituto de Investigación en Ingeniería de Aragón (I3A) e Instituto de Investigación Sanitaria de Aragón (IIS).
  • Autor Jacobo Ayensa Jiménez, matemático e Ingeniero de caminos, doctorando del programa de Ingeniería Mecánica de la Universidad de Zaragoza.
  • Directores Manuel Doblaré y Mohamed H. Doweidar.

Jacobo Ayensa Jiménez Matemático e ingeniero de caminos, doctorando del programa

de Ingeniería Mecánica de la Universidad de Zaragoza

-Ir al suplemento Tercer Milenio

Apúntate y recibe cada semana en tu correo la newsletter de ciencia

Comentarios
Debes estar registrado para poder visualizar los comentarios Regístrate gratis Iniciar sesión