El cáncer continúa siendo una de las cargas de salud pública más complejas de gestionar en Latinoamérica, impulsado por diagnósticos tardíos y la falta de acceso uniforme a análisis de alta complejidad. Según las estimaciones del Observatorio Global del Cáncer (GLOBOCAN), Colombia registró más de 117.000 nuevos casos y cerca de 56.700 fallecimientos en un solo año, mientras que los registros de la Cuenta de Alto Costo confirman que más de 651.000 personas conviven actualmente con la enfermedad en el país. Ante este escenario, la integración de modelos de inteligencia artificial con la medicina de precisión está transformando la investigación clínica y la selección de tratamientos personalizados.
La evolución de la analítica de datos aplicada a la salud permite procesar simultáneamente datos clínicos, variantes genómicas, registros de patología digital e imágenes radiológicas para identificar patrones celulares e histológicos imposibles de detectar mediante la observación manual tradicional. Este enfoque no solo acelera la identificación de biomarcadores moleculares y el desarrollo de biopsias líquidas, sino que ayuda a predecir la trayectoria evolutiva de los tumores para seleccionar terapias dirigidas que mejoren la efectividad de las intervenciones y reduzcan la toxicidad de los tratamientos en los pacientes.
Sobre este avance, el Dr. Rafael Parra Medina, MD, PhD, del Laboratorio de Patología del Instituto Nacional de Cancerología y docente investigador de la Universidad FUCS, explica que "la medicina de precisión busca ofrecer a cada paciente un tratamiento basado en las características específicas de su tumor. La inteligencia artificial ha fortalecido este enfoque debido a que permite analizar enormes cantidades de información para poder desarrollar modelos matemáticos capaces de predecir cómo evolucionará un paciente e incluso anticipar qué alteraciones moleculares puede presentar un tumor para orientar terapias dirigidas".
El especialista añade que "ya existen modelos que, a partir de imágenes histológicas, permiten predecir cómo le irá al paciente y orientar tratamientos distintos a los convencionales. La inteligencia artificial también está acelerando el descubrimiento de biomarcadores, nuevas proteínas y posibles terapias, lo que tendrá un impacto directo en la supervivencia y la calidad de vida de los pacientes con cáncer".
El papel del criterio clínico y los flujos multidisciplinarios en la patología digital
A pesar de los avances en el procesamiento de patrones biológicos, la implementación de la inteligencia artificial en oncología se diseña como una herramienta de soporte para la toma de decisiones asistida y no como un sistema de automatización autónomo. La interpretación final de los modelos algorítmicos requiere la validación continua de equipos médicos multidisciplinarios que crucen las predicciones con el contexto epidemiológico, la historia clínica y las condiciones socioeconómicas concretas de cada individuo.
Al respecto, la Dra. July Rodríguez, directora científica de la Fundación FICMAC, señala que el verdadero valor de estas herramientas radica en fortalecer el criterio clínico y no en reemplazarlo. "La inteligencia artificial es una herramienta muy valiosa para apoyar el análisis de grandes volúmenes de información y agilizar procesos en oncología. Sin embargo, sus resultados siempre deben ser interpretados por profesionales de la salud con experiencia, quienes los integran con la historia clínica y el contexto de cada paciente. La IA apoya la toma de decisiones, pero no reemplaza el criterio médico y científico", precisa la especialista.
Detrás de cada algoritmo existe un trabajo científico riguroso que involucra a médicos, patólogos, biólogos, bioinformáticos e ingenieros encargados de entrenar, validar y supervisar los sistemas antes de su aplicación en la práctica clínica. Como enfatiza la Dra. Rodríguez, "la mejor atención para un paciente ocurre cuando se combinan la tecnología y el criterio humano. La IA es una aliada de la medicina de precisión, pero las decisiones clínicas continúan dependiendo del conocimiento, la experiencia y el juicio del equipo médico".
El avance de las tecnologías biomédicas en la región enfrenta además retos estructurales que van más allá del desarrollo de código y software. La efectividad de los modelos predictivos depende de la calidad, estandarización e interoperabilidad de los datos clínicos de origen. Garantizar un acceso equitativo a estas herramientas diagnósticas, consolidar marcos normativos éticos sobre la privacidad genómica y promover la investigación científica propia son pasos fundamentales para evitar que la medicina de precisión profundice las brechas de atención en los sistemas de salud latinoamericanos.