Un equipo internacional de investigadores ha desarrollado una técnica de inteligencia artificial y aprendizaje automático (IA/ML) inspirada en los principios matemáticos de la mecánica cuántica para mejorar el pronóstico del neuroblastoma. Este padecimiento, considerado el cáncer infantil más común en lactantes, se origina cuando las células nerviosas inmaduras crecen de forma descontrolada. El avance científico, publicado en la revista especializada APL Quantum, promete transformar la oncología de precisión al identificar con éxito qué pacientes responderán mejor a terapias específicas y qué genes deben ser intervenidos.
Hasta la fecha, los enfoques tradicionales de inteligencia artificial aplicados a la genómica humana se enfrentaban a un obstáculo matemático aparentemente insalvable. Los modelos convencionales de redes neuronales requieren volúmenes masivos de datos de entrenamiento; específicamente, necesitan muchos más perfiles de pacientes que variables genéticas. Dado que el genoma humano posee cerca de 3.000 millones de nucleótidos y los ensayos clínicos habituales apenas logran reclutar entre 20 y 100 personas, una IA estándar requeriría teóricamente billones de pacientes para procesar el trasfondo molecular sin margen de error.
Para superar este límite, la doctora Orly Alter y su equipo de colaboradores diseñaron un conjunto de algoritmos denominados "descomposiciones espectrales comparativas multitensores". Este método matemático se fundamenta en los conceptos cuánticos de superposición y entrelazamiento. Al igual que un prisma óptico es capaz de dividir la luz blanca en sus colores individuales, este algoritmo descompone múltiples capas de datos biológicos simultáneos (como el ADN del tumor, el ADN de la sangre y el ARN mensajero) para revelar patrones vinculados que predicen la supervivencia.
A través del análisis de datos abiertos de casos de neuroblastoma, los algoritmos cuánticos descubrieron dos nuevos predictores de la esperanza de vida de los niños en respuesta a sus tratamientos médicos. Estas variables superaron con creces el rendimiento predictivo de los biomarcadores estándar de la oncología actual. Además, la eficacia del método se validó de forma consistente en grupos separados de pacientes tratados en diferentes hospitales y épocas, lo que demuestra que la técnica es replicable a nivel general para diseñar guías de atención personalizada.
A diferencia de las redes neuronales comunes, que operan como "cajas negras" indescifrables, los predictores cuánticos desarrollados por Alter son completamente interpretables. Esto significa que señalan con exactitud los mecanismos biológicos de la enfermedad y sugieren qué genes atacar para sensibilizar los tumores a los fármacos. La efectividad de estas predicciones ya ha sido validada experimentalmente en laboratorios mediante el uso de la herramienta de edición genética CRISPR-Cas9, un logro que la comunidad biotecnológica considera un hito histórico.
La tecnología ha dado el salto al sector farmacológico a través de la empresa derivada Prism AI Therapeutics, Inc., con el objetivo de ayudar a corporaciones farmacéuticas a reclutar de manera óptima a los voluntarios idóneos para sus ensayos clínicos. De cara al futuro, los científicos aspiran a llevar esta herramienta al nivel de la medicina de precisión individual absoluta, diseñando terapias exclusivas basadas en los datos de un solo paciente. Asimismo, al ser algoritmos independientes del tipo de datos que reciben, los expertos prevén aplicaciones fuera de la medicina, como en el desarrollo de energías sostenibles.
