Una IA que explica sus respuestas revela por qué las defensas no llegan a algunos tumores

Un equipo del MD Anderson Cancer Center, de la Universidad de Texas, presentó un modelo de inteligencia artificial que identifica qué señales atraen a las células de defensa del cuerpo hacia un tumor y cuáles las mantienen afuera. El estudio se publicó el martes 13 de octubre en la revista Nature Biomedical Engineering y fue codirigido por los investigadores Tao Wang y Linghua Wang, junto a otras instituciones de Texas.

La herramienta se llama SPACER (por su sigla en inglés, análisis espacial del reclutamiento celular). Probada en 37 conjuntos de datos de varios tipos de cáncer humano y de corazón de ratón, fue entre 4 y 21 veces mejor que los métodos existentes para encontrar señales con sentido biológico, según el artículo.

Un código postal para las células

Los científicos suelen comparar el movimiento de las células con un sistema de correo: cada célula llega a su destino guiada por señales, como si fueran códigos postales. El problema es que esos códigos no se conocían bien.

SPACER trabaja con transcriptómica espacial, una técnica que mide qué genes están activos en un tejido intacto y en qué lugar exacto. Las herramientas anteriores podían mostrar dónde estaban las células de defensa; lo nuevo, explicó Tao Wang en el comunicado de MD Anderson, es que este modelo ayuda a entender por qué se juntan en ciertas zonas y cómo llegan a reconocer a las células del tumor.

La diferencia está en el diseño. Muchos modelos de IA aciertan, pero funcionan como una caja negra: no dicen cómo llegaron a su respuesta. SPACER, en cambio, analiza grupos de células vecinas y cómo interactúan, tal como se organizan los tejidos en el cuerpo. Eso hace que sus predicciones se puedan explicar y revisar.

Lo que encontró

El hallazgo principal es que las células de defensa, los linfocitos T, responden sobre todo a lo que pasa en su entorno inmediato y no a señales que circulan por el resto del cuerpo. Los tumores que muestran fragmentos de sus propias proteínas para que el sistema inmune los inspeccione atraen más linfocitos.

El segundo hallazgo apunta a las mucinas, unas proteínas grandes cubiertas de azúcares que muchos cánceres producen en exceso. Según el estudio, se asocian a barreras físicas que alejan a los linfocitos. En datos de melanoma y de cáncer gástrico, los tumores con más mucinas respondieron peor a la inmunoterapia con inhibidores de puntos de control y sus pacientes tuvieron peor pronóstico.

El estudio describe una asociación, no una causa: no demuestra que bajar las mucinas mejore el tratamiento, y eso tendrá que probarse en laboratorio. En modelos de ratón, SPACER también sugirió que un tipo de linfocito, el CD4, pesa más de lo que se creía en la inflamación grave del corazón que a veces provoca la inmunoterapia.

Qué significa para las empresas de la región

La primera lectura es para el sector salud: hospitales, laboratorios y aseguradoras de América Latina que trabajan con inmunoterapia o con ensayos clínicos van a ver cada vez más herramientas de este tipo para elegir tratamientos y medir resultados.

La segunda sirve para cualquier empresa. Este estudio vale porque el modelo explica su razonamiento y los investigadores pueden revisarlo, discutirlo y llevarlo al laboratorio. Lo mismo aplica en un banco que aprueba créditos o en una empresa que selecciona personal con IA.

Tres preguntas antes de comprar un sistema de IA para decisiones críticas:

1. ¿El modelo dice por qué? Si no puede mostrar qué datos pesaron en una decisión, nadie en tu equipo podrá defenderla ante un cliente o un regulador.
2. ¿Distingue correlación de causa? Como en este estudio, un patrón en los datos es una pista para investigar, no una orden para actuar.
3. ¿Tus datos tienen contexto? SPACER funciona porque sabe dónde está cada célula. En una empresa, el equivalente es que los datos lleguen con su origen, su fecha y su relación con otros.

Qué mirar

Si otros grupos replican los resultados con pacientes de otras poblaciones, si las mucinas se confirman en laboratorio como un blanco de tratamiento y si SPACER se aplica a enfermedades autoinmunes y a la cicatrización, como proponen sus autores.

A partir de información de Nature Biomedical Engineering y MD Anderson Cancer Center.