Una doctora y tecnóloga afirma que las herramientas de IA actuales ya pueden transformar el tratamiento del cáncer. Lectura: 4 minutos.

Por algunas estimaciones, ya se ha invertido más de un billón de dólares en inteligencia artificial. Pero las grandes empresas tecnológicas, incluidas Meta y OpenAI, no se conforman con la IA actual: dicen tener la mira puesta en una IA potente y versátil que, por alguna métrica, iguale o incluso exceda el desempeño humano. Una cantidad notable de recursos se está volcando a desarrollar inteligencia artificial general (AGI) o, todavía más capaz, superinteligencia artificial (ASI).

El entusiasmo en torno al potencial de esa tecnología suele venir acompañado de afirmaciones casuales sobre capacidades extraordinarias. Una en particular, curar el cáncer, le llama la atención a Emilia Javorsky, directora del programa Futures del Future of Life Institute, un think tank enfocado en beneficios y riesgos de tecnologías transformadoras como la IA.

En marzo, Javorsky publicó un ensayo titulado "AI vs. Cancer" que se apoya en su experiencia como médica, científica y emprendedora. Es una crítica a poner nuestra fe y nuestros recursos en la ASI como solución futura para la enfermedad, especialmente cuando muchos factores distintos a la inteligencia limitan el desarrollo de nuevos tratamientos y el acceso a la atención innovadora. La IA no puede analizar data de pacientes que jamás se recolectó, y cualquier tratamiento es defectuoso si los pacientes corren riesgo de bancarrota al buscarlo. Pero el ensayo, dice, también busca ser una fuente de optimismo respecto a las formas en que la IA actual ya se está aplicando contra el cáncer.

Javorsky conversó con IEEE Spectrum sobre el ensayo. La conversación fue editada por extensión y claridad.

¿Qué significa "curar el cáncer"?

¿Qué quiere decir cuando habla de "curar el cáncer"? ¿Y qué cree que quieren decir las personas que hablan del potencial de la ASI para curarlo?

Emilia Javorsky: "Curar el cáncer" es como se enmarcan el problema y la solución en el discurso general sobre IA, pero también específicamente en las promesas que vienen desde los laboratorios que desarrollan AGI y ASI. Por eso me pareció importante, si iba a interrogar la promesa, apoyarme en ese marco. Pero para mí el marco está mal planteado.

El cáncer no es una enfermedad universal que un único tratamiento universal pueda potencialmente curar. Es un proceso coevolutivo altamente individualizado. En cada persona hay un set distinto de mutaciones manejando el cáncer. E incluso al mirar dentro de un solo tumor, células distintas tienen mutaciones distintas manejando su biología. Las soluciones probablemente tendrán que ser, hasta cierto punto, individualizadas.

Y si somos honestos con nosotros mismos en medicina, todavía no hemos curado ninguna enfermedad crónica compleja. Tenemos muy buenas formas de tratar y manejar enfermedades como la diabetes o la enfermedad cardíaca, pero todavía no las curamos. Por eso el marco de "curar" también lo cuestiono.

Creo que la esperanza de la comunidad médica es encontrar tratamientos personalizados altamente efectivos para manejar el cáncer y convertirlo en algo que se controle de manera crónica, que deje de ser algo parecido a una sentencia de muerte.

¿IA actual o promesa futura?

¿Cómo deberíamos pensar la diferencia entre la IA actual y la AGI o ASI en el contexto del cáncer?

Javorsky: En esas promesas de "curar el cáncer", más que nada, las personas usan el término IA para describir AGI o ASI, esa especie de genio superinteligente futuro que en su visión nos concederá mágicamente deseos para resolver problemas. Eso debería separarse de la IA que ya tenemos y que sí puede resolver problemas.

Escuchamos mucho sobre IA en descubrimiento de fármacos, IA para predecir la toxicidad de nuevos medicamentos, IA para definir nuevos biomarcadores, para acelerar ensayos clínicos o para detectar cosas más temprano.

Todas esas modalidades están de hecho hoy en clínica moviendo la aguja y acelerando la innovación. Hay empresas y académicos trabajando en cada una. Hay muchos científicos de IA al duro intentando desbloquear el potencial de la tecnología en el aquí y ahora.

Creo que el progreso real muchas veces queda eclipsado por esta promesa de los sistemas de IA del futuro, cuando en realidad la forma probablemente más efectiva de resolver el problema es con las herramientas que ya tenemos disponibles.

¿Dónde poner la plata?

Leí pasajes del ensayo como un argumento a favor de recolectar muchísima data de salud. Pero usted no está estrictamente en contra de la IA ni de invertir en desarrollar la tecnología. Está intentando encontrar un equilibrio entre innovación y pragmatismo, ¿verdad?

Javorsky: En un mundo donde el capital es finito, y donde curar el cáncer es muy probablemente lo más noble en lo que se puede invertir ese capital, hay que averiguar cuál es el retorno sobre la inversión. ¿Dónde podemos invertir para conseguir lo más que necesitamos para realmente ayudar a resolver el problema?

Mi argumento es que estamos sobreinvirtiendo en el lado de inteligencia y cómputo, y subinvirtiendo en innovar nuestras herramientas para medir biología y en crear datasets de gran escala y alta calidad.

Tenemos un sistema de salud que es, en lo fundamental, un sistema de "atención al enfermo". Solo vemos a las personas y empezamos a medirlas cuando se enferman. Cuando uno empieza a usar el marco de "¿Qué data necesitas? ¿Cómo la mides?", el ejercicio te obliga a mirar la práctica de la medicina y de la biología en general con una lente más amplia.

En un mundo ideal podrías perseguir todos los caminos, pero esa no es la realidad de cómo invertimos capital. Donde aterrizo es siendo muy bullish respecto a la IA, pero gastando dinero en los tipos correctos de IA y en las piezas correctas del cuello de botella.

¿Qué aplicaciones le entusiasman?

¿Qué aplicaciones de IA relacionadas con cáncer le entusiasman ahora?

Javorsky: Algo que ya estamos viendo es la capacidad de detectar el cáncer más temprano. Ya estamos viendo a la IA acelerar y ayudarnos a correr ensayos clínicos mejor. Hay cosas realmente interesantes pasando con trabajo de modelado in silico: células virtuales, descifrar gemelos digitales. ¿Cómo creamos una representación digital de alta fidelidad de uno mismo, para descubrir qué funcionaría mejor para tu biología y desbloquear de verdad la promesa de la medicina personalizada?

Cierra el ensayo enfocada en soluciones. ¿Podría explicarme ese mapa de ruta brevemente?

Javorsky: Parte del ensayo era diagnosticar dónde estamos haciendo algunas cosas mal. Pero con el mapa de ruta quería ofrecer mi punto de vista sobre lo que efectivamente hay que hacer para resolver este problema. ¿Qué se necesita para curar el cáncer? Pongámonos serios respecto a qué podría parecerse eso.

Lo descompongo en tres bloques. El primero es proveer recursos y escalar las herramientas de IA que ya están haciendo progreso en oncología. El segundo es duplicar la apuesta por las áreas prometedoras en biología relacionada con oncología. Y, finalmente, en una mirada más amplia, atacar lo que llamaría los cuellos de botella institucionales y sistémicos y los desalineamientos en el progreso médico.

Quería que la gente se diera cuenta de que la realidad es, en realidad, bastante esperanzadora.