La inteligencia artificial se ha utilizado para identificar los factores más estrechamente asociados con las tasas de supervivencia al cáncer en 185 países, según una investigación publicada en la revista Annals of Oncology. El estudio, realizado por investigadores afiliados a la Sociedad Europea de Oncología Médica, aplicó el aprendizaje automático para analizar datos sobre el cáncer e información sobre los sistemas de salud, revelando determinantes clave de la supervivencia que varían significativamente entre las naciones.

El modelo de IA identificó factores específicos, como el acceso a la radioterapia, la presencia de cobertura sanitaria universal y la fortaleza económica de una nación, como elementos fuertemente correlacionados con la mejora de las tasas de supervivencia al cáncer. La investigación sugiere que las mejoras específicas en estas áreas podrían conducir a ganancias significativas en el ahorro de vidas, con estrategias óptimas que difieren de un país a otro.

El aprendizaje automático, un subconjunto de la IA, implica el entrenamiento de algoritmos en grandes conjuntos de datos para identificar patrones y hacer predicciones sin programación explícita. En este caso, la IA se entrenó con una vasta colección de estadísticas sobre el cáncer y datos sobre la infraestructura de la atención médica para discernir qué elementos tenían el mayor impacto en los resultados de los pacientes. Este enfoque permite una comprensión más matizada que los métodos estadísticos tradicionales, que a menudo tienen dificultades para tener en cuenta la compleja interacción de factores que influyen en la supervivencia al cáncer.

"Por primera vez, podemos ver, con un alto grado de resolución, las palancas específicas que cada país puede accionar para mejorar la supervivencia al cáncer", dijo un investigador principal del proyecto. "Este enfoque impulsado por la IA proporciona una hoja de ruta para que los responsables políticos y los profesionales de la salud prioricen las intervenciones y asignen los recursos de manera eficaz".

Las implicaciones de esta investigación se extienden más allá de la simple identificación de correlaciones. Al cuantificar el impacto de varios factores, el modelo de IA permite la simulación de diferentes escenarios de políticas. Por ejemplo, un país podría utilizar el modelo para estimar el impacto potencial de la ampliación del acceso a la radioterapia o la implementación de la cobertura sanitaria universal en sus tasas de supervivencia al cáncer.

El estudio también destaca las disparidades en las tasas de supervivencia al cáncer entre los países de ingresos altos y los de ingresos bajos. Si bien el acceso a tratamientos y tecnologías avanzados juega un papel importante, el modelo de IA reveló que incluso la infraestructura básica de atención médica, como el acceso a los servicios de diagnóstico y a los medicamentos esenciales, puede tener un profundo impacto en la supervivencia.

Los investigadores planean refinar aún más el modelo de IA incorporando fuentes de datos adicionales, como información genética y factores de estilo de vida. También pretenden desarrollar una interfaz fácil de usar que permita a los responsables políticos y a los profesionales de la salud acceder e interpretar fácilmente los resultados del modelo. Esto podría conducir potencialmente a una toma de decisiones más basada en la evidencia y a estrategias de control del cáncer más eficaces en todo el mundo.