Latam La IA detecta un 29% más de tumores de mama y anticipa leucemias infantiles
Desde la detección temprana de cáncer de mama hasta la prevención de leucemia infantil, la inteligencia artificial se consolida como herramienta complementaria en diagnósticos y predicciones. Los avances en Europa marcan el camino, pero la adopción en América Latina enfrenta desafíos de infraestructura y regulación.
La inteligencia artificial está dejando de ser una promesa de laboratorio para convertirse en una herramienta con resultados concretos en el campo de la medicina preventiva. Dos frentes de investigación, uno sobre cribado de cáncer de mama y otro sobre predicción de leucemia infantil, muestran cómo los algoritmos pueden anticipar enfermedades con una precisión que hasta hace poco parecía ciencia ficción. Sin embargo, el salto de la clínica europea a la realidad latinoamericana implica una lectura cuidadosa de costos, infraestructura y adaptación local.
El ensayo MASAI: menos tumores agresivos, más eficiencia
Un ensayo clínico publicado en The Lancet y liderado por Kristina Lång, de la Universidad de Lund (Suecia), evaluó el uso de un sistema de IA entrenado con más de 200.000 mamografías de diez países. Participaron más de 100.000 mujeres en Suecia. El resultado: el grupo que utilizó el apoyo de la IA detectó un 29% más de tumores en comparación con el grupo control, sin aumentar los falsos positivos. Además, la tasa de cánceres de intervalo —aquellos que aparecen entre rondas de cribado y suelen ser más agresivos— se redujo un 12%. La carga de trabajo de los radiólogos cayó un 44%.
Los autores son enfáticos: la IA no reemplaza al médico. "Este estudio no demostró que la IA pueda reemplazar a los radiólogos. Si se utilizara como herramienta independiente, probablemente generaría muchos falsos positivos", afirmó Lång. La máquina clasifica las imágenes de bajo riesgo para una sola lectura y deriva las de alto riesgo a doble revisión humana. La decisión final siempre es del radiólogo.
Predecir leucemia infantil antes de que se desarrolle
En paralelo, investigadores del Centro de Investigación del Cáncer de Salamanca trabajan en un proyecto para anticipar la leucemia infantil, la primera causa de muerte por enfermedad en niños. Según los científicos, alrededor del 5% de los recién nacidos presentan una predisposición genética a desarrollar leucemia, pero solo el 1% llega a manifestarla. La diferencia estaría en factores ambientales que generan estrés inmunológico y actúan como desencadenantes.
Aquí la IA entra como aliada para analizar grandes volúmenes de datos genómicos y ambientales, identificar patrones de riesgo y, eventualmente, diseñar intervenciones preventivas antes de que la enfermedad se active. Aunque el proyecto está en fase de validación, su lógica es similar a la del cribado de mama: usar modelos computacionales para detectar señales tempranas que el ojo humano no captaría a tiempo.
Gemelos digitales y datos sintéticos: el nuevo arsenal
Con su capacidad para simular la salud humana en ordenadores mediante "gemelos digitales", la IA permite estudiar enfermedades y probar tratamientos sin poner en riesgo a pacientes reales. Alfonso Valencia, experto en bioinformática y biología computacional, ha señalado en entrevistas que la IA ya puede anticipar enfermedades a cinco años con precisión. También menciona el uso de datos sintéticos —información generada por IA sobre personas que nunca existieron— para estudios históricos y epidemiológicos. Todo esto acelera la investigación y reduce costos, pero exige infraestructura de cómputo y calidad de datos que no siempre están disponibles.
¿Qué significa esto para América Latina?
Mientras en Europa y Estados Unidos los hospitales ya integran herramientas de IA en sus flujos de diagnóstico, en América Latina el panorama es desigual. Países como Brasil, México, Argentina y Chile tienen centros de excelencia que podrían implementar sistemas similares, pero la mayoría de los sistemas de salud públicos carecen de la infraestructura digital necesaria: historias clínicas electrónicas interoperables, capacidad de almacenamiento en la nube y conectividad estable en zonas rurales.
Además, los costos de adquisición y mantenimiento de estos sistemas son altos. Un modelo de IA entrenado con datos de poblaciones europeas o asiáticas podría no funcionar igual con la diversidad genética y los patrones epidemiológicos latinoamericanos. La validación local es indispensable, y eso requiere inversión en ciencia de datos, talento especializado y colaboración entre gobiernos, universidades y startups de healthtech.
Aunque la buena noticia es que el ecosistema emprendedor en la región está creciendo. Startups como la chilena Neoidentity o la brasileña Biologix ya exploran aplicaciones de IA en diagnóstico por imágenes y genómica. Pero para escalar, necesitan marcos regulatorios claros —como los que la Unión Europea avanza con su Ley de IA— y políticas públicas que incentiven la digitalización de la salud.
El riesgo de quedarse atrás no es solo tecnológico: es de vidas. Si la IA puede reducir un 12% los cánceres de intervalo o identificar antes a un niño con predisposición a leucemia, cada año sin implementación local significa diagnósticos tardíos que podrían haberse evitado. Para los ejecutivos de salud y los tomadores de decisión en la región, la pregunta no es si la IA llegará, sino cómo preparar el terreno para que llegue bien.
