Transcripción del episodio.

Introducción

Rubén Martínez: Imagina un mundo donde una computadora pueda predecir cómo responderá tu cuerpo a un tratamiento contra el cáncer. Suena a ciencia ficción, pero esta realidad está más cerca de lo que crees. 

¡Bienvenidos a un episodio especial de Sector Tech. 

Con la colaboración de la Universidad Universidad Estatal del Valle de Ecatepec (UNEVE), traemos a nuestros oyentes una conversación con el Dr. Pablo Romero Morelos, un experto en bioinformática, quien nos explicará cómo las herramientas computacionales están permitiendo a los científicos identificar patrones en los datos genómicos y desarrollar tratamientos más personalizados.

Exploramos cómo la inteligencia artificial y la bioinformática están revolucionando la detección y tratamiento del cáncer.

Esta colaboración entre Pirate Rock y la comunidad científica es una muestra de cómo la divulgación puede acercar la ciencia a todos.

Esperamos que disfrutes el episodio.

Gus Galeana: Bienvenidos a este episodio número 21 de Sector Tech, en este podcast en el que hablamos de Ciencia, Internet, Tecnología, Videojuegos y cultura digital. Hoy vamos a tener un tema muy interesante, hablamos sobre la inteligencia artificial, esta que ha revolucionado la investigación médica al permitir el análisis de grandes volúmenes de datos, identificando patrones complejos que los humanos no podrían detectar fácilmente. En el campo del cáncer, la inteligencia artificial se utiliza para mejorar el diagnóstico y pronóstico, optimizando la precisión en la detección de tumores y la personalización de tratamientos.

Por otro lado, la bioinformática es una disciplina que combina biología, informática y matemáticas para analizar y comprender datos biológicos. En oncología, la bioinformática permite interpretar datos genómicos y clínicos, facilitando la investigación de nuevas terapias y el descubrimiento de biomarcadores para la detección temprana del cáncer.

Gus Galeana: El día de hoy tenemos una entrevista de lujo. Tenemos como invitado al doctor Pablo Romero Morelos. Él es biólogo por la UNAM, maestro y doctor en Ciencias en Biomedicina y Biotecnología Molecular por el Instituto Politécnico Nacional. Tiene especialidad en Filosofía y Ciencias de la Complejidad por el Instituto de Filosofía y Ciencias de la Complejidad de Santiago de Chile. Es miembro del Sistema Nacional de Investigadores nivel un, miembro de la Sociedad Honorífica de Investigación Científica Sigma 11.º e investigador de tiempo completo de la UNEVe.

Sus líneas de investigación están enfocadas en el diagnóstico y pronóstico de enfermedades neoplásticas y metabólicas a partir de biología integral, integrativa y computacional. Doctor Pablo, muchísimas gracias por acompañarnos en este este espacio. ¿Cómo está?

Dr. Pablo Romero: Hola, muy bien. Muchas gracias a ustedes por invitarme aquí a su espacio para esta conversación. Hoy que hablemos un poquito de lo que hago desde esta premisa del empleo de las inteligencias artificiales y también de los mecanismos computacionales para el diagnóstico del cáncer, que parece algo de ciencia ficción, pero es algo que ya estamos haciendo.

Gus Galeana: Juan Becerra que está aquí acompañándonos también en esta charla en esta entrevista, él también forma parte de la UNEVE y me va a acompañar en esta charla. ¿Cómo estás Juan?.

Juan Nicolás Becerra: Muy bien, muchas gracias a ambos por este espacio, por este episodio, vamos a hablar de la introducción a la bioinformática y el cáncer. Y bueno doctor, pues quisiéramos saber que nos explicaras ¿Qué es la bioinformática y cuál es su relevancia en la investigación del cáncer?

Dr. Pablo Romero: Bueno, la bioinformática es un conjunto de herramientas computacionales que se usan para poder modelar, incluso modelar o descubrir cómo se comportan ciertos fenómenos celulares, ciertos fenómenos moleculares. Es decir que la bioinformática nos permite incluso jugar con aquello que es difícil que podamos ver, que podamos tocar, es decir, tomar a las moléculas, estarlas modelando, acercarnos unas con otras para ver cuál es la respuesta. Esta es una aproximación de la bioinformática que es lo que conocemos como docking, que es para poder determinar incluso cómo un fármaco va a responder a los elementos moleculares a los cuales debe de tener un efecto, pero también sirve para poder identificar bien algunos segmentos genéticos, saber cómo es que van a producir proteínas y por supuesto, incluso si no sabemos la forma de las proteínas las podemos modelar.

Entonces todas estas herramientas informáticas le conocemos como bioinformática. Claro, esta es una versión un poquito corta de lo que realmente es la bioinformática, nos sirve para un montón de cosas, para medir incluso cómo es que ha ido cambiando una molécula o un organismo a través del tiempo, es decir, análisis evolutivos, análisis filogenéticos y ya en la aplicación de algunas enfermedades para saber cómo es que se van a expresar algunos genes, cómo es que estos genes van a estar interactuando entre estos y por tanto poder tener una predicción aproximada de cómo es que va a responder una persona a un tratamiento. Hasta este momento la bioinformática se utiliza en el modelamiento para investigar y predecir cómo es que va a haber un comportamiento en algunas enfermedades o incluso a nivel molecular.

La bioinformática aquí hay que decir que todavía está limitada a la parte de investigación, como diagnóstico tal cual no se utiliza tanto la bioinformática, pero sí es una herramienta muy poderosa para poder establecer investigación. 1 de las últimas aplicaciones que se hace para la bioinformática es la secuenciación, es decir, que podamos conocer también  cuáles son la secuencia de genes que tenemos o más bien la secuencia de nucleótidos que hay en nuestro ADN y con esto pues identificar si tenemos polimorfismo, si tenemos mutaciones que nos hacen susceptibles a algunos tipos de cáncer o otro tipo de enfermedades.

Eso también es una aplicación muy importante que tenemos en la actualidad en este campo.

Gus Galeana: Muy bien, muy interesante. ¿Cómo ha evolucionado el campo en los últimos años, particularmente con la integración de nuevas tecnologías, por ejemplo, con la inteligencia artificial?

Dr. Pablo Romero: Pues esa es una muy buena pregunta, porque si bien la bioinformática ya tiene bastantes años, pues desde la década de los 30, 40, que empezaba un poco con el inicio de las computadoras y también comenzaba la aplicación para poder determinar cuáles iban a ser las características de ciertos ensambles moleculares, también en ese mismo momento, por ahí de 1943, fue que surgió también los primeros conatos de inteligencia artificial.

Entonces estos dos campos que aparentemente habían surgido paralelos, poco a poco se fueron conjuntando. Y en este sentido, pues ya el uso de inteligencia artificial hace que podamos tener análisis de grandes volúmenes de datos. ¿Entonces, esto es importante porque cuando analizamos, por ejemplo, datos genéticos del genoma de una persona, podemos pensar Ah, bueno, pues cuánto puede ser? No debe ser mucha información.

Sin embargo, si nosotros podemos decir o podemos decir cuántas letras hay en nuestro ADN, eso significa que son cerca de 3000 millones de letras. Analizar 3000 millones de letras no es algo que se puede hacer con una calculadora, que se puede hacer de forma manual. La integración de la bioinformática hace posible que podamos tener este tipo de análisis. ¿Y posteriormente la aplicación de la inteligencia artificial ayuda a poder generar patrones o poder identificar patrones mucho más rápidamente, cosa que nosotros hemos hecho desde que se empezaron a identificar los genes, buscamos algunas características para decir esto es un gen, por ejemplo, de dónde inicia a transcribirse ese gen? Entonces nosotros lo vamos buscando. Sin embargo, con ayuda de inteligencia artificial, este tipo de predicciones, este tipo de patrones, los podemos identificar mucho más rápidamente. Sin embargo, algo que sí es importante es que la inteligencia artificial, aunque pues sí ya tiene sus décadas, se está comenzando a integrar a la bioinformática.

Anteriormente utilizábamos inteligencia artificial en la bioinformática para hacer, por ejemplo, análisis de agrupación, es decir, vamos a ver en una enfermedad cómo se están expresando algunos genes y ver si es que se parece o no se parece a una condición normal, en qué difiere.

Este tipo de análisis es lo que conocemos como componente principal, que es básicamente agarrar dos condiciones con meterlas a una computadora y entonces que la computadora nos diga ah, mira, se parecen en esto, pero difieren en esto. Y esto se utilizaba para poder identificar a posibles marcadores moleculares, es decir, marcadores que nos ayuden a diagnosticar el cáncer.

Sin embargo, ya en la actualidad, pues con el robustecimiento de las inteligencias artificiales, entonces vamos a tener más cantidad de herramientas que vamos a utilizar como factores de conjunción, como factores de agrupación y que nos van a ayudar entonces a una mejor clasificación de las enfermedades y también a un mejor entendimiento de estas.

Porque como bien decían hace ratito, nosotros estamos limitados, nuestro cerebro es lento, hace cálculos muy lentamente y nos tardamos mucho tiempo en poder encontrar ciertos patrones, pero la inteligencia artificial lo hacen segundos, y eso entonces es lo que nos ayuda a poder resolver problemas biológicos mucho más rápidamente. Y esto es algo que apenas está comenzando, todavía no alcanzamos a observar el potencial de la inteligencia artificial dentro del campo de la biomedicina. ¿Entonces, esto es algo que ahorita nos mantiene excitados, no? Esperando cuál va a ser el siguiente desarrollo tecnológico que pueda integrar estos ambos campos ÿ tanto la bioinformática como la inteligencia artificial.

Nota de Juan Nicolás Becerra: La heurística del Cáncer hace referencia al uso de aproximaciones inteligentes para resolver problemas complejos en la investigación de esta enfermedad.

En este contexto, la heurística implica el desarrollo de modelos y algoritmos que puedan predecir comportamientos celulares o respuestas a tratamientos basados pueden predecir comportamientos celulares o respuestas a tratamientos basados en datos parciales, lo que es fundamental para mejorar el diagnóstico y tratamiento del cáncer.

En este enfoque interdisciplinario entre inteligencia artificial, bioinformática y heurística, está permitiendo avances significativos en la medicina personalizada y en la mejora de las tasas de supervivencia para pacientes con cáncer.

Juan Nicolás Becerra:  Entonces hay esperanza en esta inteligencia y en lo que viene el desarrollo de esta investigación. ¿Doctor Romero, cómo se utiliza actualmente las inteligencias artificiales en el diagnóstico del cáncer y otras enfermedades metabólicas? Si nos puedes compartir.

Dr. Pablo Romero: Cuando hablamos de inteligencia artificial, la mayor parte de la gente piensa en inteligencias artificiales generativas, que es lo que se está pues popularizando por todos lados. Es decir, herramientas como Gemini, como ChatgPT, todas estas como Cloud, por ejemplo, que van a generar algo, es decir, si yo le pregunto una inteligencia artificial Oye quiero que me digas cuál es la mejor forma de hacer cualquier cosa, un negocio, no, la inteligencia artificial te va a empezar a escribir un montón de cosas. Eso es un tipo de inteligencia artificial que llamamos generativa y que son de reconocimiento del lenguaje natural. Pero esas no son las únicas inteligencias artificiales que hay.

Hay inteligencias artificiales que no solamente van a generar un contenido, van a generar un texto o una imagen, sino que nos van a ayudar a poder identificar ciertas cosas. Esto, por ejemplo, es lo que conocemos como inteligencias artificiales de clasificación.

¿Entonces, en el caso del cáncer, cómo utilizamos las inteligencias artificiales o en las enfermedades metabólicas?

Primero, no utilizamos realmente inteligencias artificiales de reconocimiento del lenguaje natural o generativas, sino más bien que vamos a utilizar, en su mayoría, vamos a utilizar inteligencias artificiales de clasificación para que nos ayuden a poder identificar estos patrones que vamos a encontrar en estas enfermedades. Ahora, vamos a tener también dos tipos de herramientas, vamos a tener a lo que son del machine learning o el deep learning, que son cosas distintas, una es más profunda que otra.

En machine learning vamos a tener algunas herramientas en las cuales yo le puedo decir a la computadora Mira, todo esto de aquí es un gato, son partes de un gato. Entonces, cuando tú encuentres cositas así me vas a decir que es un gato. ¿Y entonces ese proceso, ese proceso es lo que llamamos aprendizaje, sale? ¿Nosotros le enseñamos a la máquina esto me lo tienes que identificar como gato, para que cuando yo le ponga ahora cosas sin etiquetar, la computadora me diga esto es un gato, lo que tú me estás poniendo es un gato o no es un gato? Y pasa muy similar en cáncer.

A veces nosotros le decimos a las computadoras mira, todas estas características clínicas que presenta este paciente es cáncer. Entonces cuando tú encuentres estas características en un paciente, me lo vas a clasificar como cáncer. Y esto es lo que conocemos como entrenamiento supervisado de las máquinas. Entonces le enseñamos a una computadora a pensar como nosotros. Pero también hay otra parte en la inteligencia artificial que es el aprendizaje no supervisado.

¿El aprendizaje no supervisado se basa en que yo le doy un montón de cosas a la computadora y le pregunto dime qué te di? Y la computadora pues de acuerdo a todas esas características que está habiendo, me va a decir ah, sabes que esto como que parece un gato, esto como que parece un perro. Pero bajo el aprendizaje propio de la máquina, yo no le enseño nada, la máquina solita va aprendiendo, le permito en la máquina aprender solita algo así como Skynet, en donde nosotros le vamos a decir mira, tienes que aprender de esto.

Y esa estrategia también la utilizamos en cáncer. ¿Por qué es importante esta estrategia? Porque cuando nosotros le decimos a una computadora que aprenda como nosotros, eso hace que la computadora tenga las mismas limitaciones cognitivas que nosotros, bueno, no cognitivas, a lo mejor sí epistemológicas, es decir, que sepa lo que nosotros sabemos. Pero si yo le doy la libertad a la máquina de aprender por sí sola, entonces puede superar esas limitaciones epistemológicas y por tanto dar una clasificación totalmente nueva a la que nosotros tenemos, que a veces se corresponde y otras veces no se corresponde.

Esto nos facilita entonces poder tener un mejor entendimiento distinto de las enfermedades que ya conocíamos y por tanto nos va a ayudar a poder dar tratamientos o poder dar criterios diagnósticos todavía mucho más selectivos para esas enfermedades que nosotros habíamos clasificado con anterioridad. Entonces, en este sentido, pues estas son dos grandes maneras en las cuales se utiliza actualmente la inteligencia artificial.

También tenemos otro tipo de inteligencias artificiales que son las redes neuronales. Estas básicamente se trata de que una inteligencia artificial tenga la capacidad de distinguir imágenes. Es muy similar o más bien parte también del aprendizaje supervisado, porque yo le doy un montón de imágenes a estas redes neuronales y les digo mira, estas imágenes me las tienes que clasificar como cáncer, para que cuando yo te presente unas imágenes que no vas a saber que son y ni siquiera yo sé que son, me digas si es cáncer o no es cáncer. ¿Cuál es una de las limitantes en el empleo de estas inteligencias artificiales? Porque estas, las redes neuronales convolucionales son las que más se han popularizado en el estudio del cáncer. Ya se usan en cáncer de mama o ya se ha hecho investigación en cáncer de mama, se ha hecho investigación en cáncer de piel, se ha hecho incluso investigación en cáncer cérvico uterino y en cáncer de pulmón también cáncer colorrectal.

Y aquí la situación es que estas inteligencias artificiales necesitan de un amplio poder de cómputo y necesitan también de imágenes de una muy buena calidad. Entonces esto limita el acceso a ciertas herramientas, porque por ejemplo, no le vamos a llevar una herramienta de inteligencia artificial por redes neuronales convulsionales a la sierra de Oaxaca, en donde no tienen siquiera a veces una computadora y por tanto entonces eso nos va a limitar en el diagnóstico. Entonces lo que queremos hacer o lo que se plantea es utilizar inteligencias artificiales de programación, vamos a decir básica y que puedan correr en teléfonos o que puedan correr en computadoras sencillas para que esto pues permite el alcance de estas herramientas en población que muchas veces no tiene acceso a tecnologías más allá.

Esa es una propuesta que nosotros precisamente en la UNEVE estamos haciendo, estamos diseñando inteligencias artificiales, pero que sean de no tan alto peso computacional y que podamos distribuir posteriormente en aquellas comunidades que lo requieren y que se puedan ejecutar desde un teléfono móvil, que eso sí, muy seguramente prácticamente todos tenemos un teléfono móvil. Esto es lo que estamos haciendo y lo que se está haciendo en Cáncer, por lo menos en esta área.

Gus Galeana: De hecho, si uno de los principales retos que tiene la inteligencia artificial precisamente es la accesibilidad, estas formas que tenemos de distribuir toda esta tecnología precisamente en estas comunidades que tienen poco al alcance o pocos accesos.

Continuando aquí con las con las preguntas, con este tema bastante interesante de inteligencia artificial y bueno, biotecnología computacional. ¿Ahora, qué tan precisos son estos modelos predictivos en comparación, por ejemplo, con los modelos tradicionales que se utilizaban? ¿No sé, anterior a esto, cuáles eran los métodos que se ocupaban para obtener este tipo de datos?

Dr. Pablo Romero: Fíjate que siempre el estándar de oro para poder identificar o diagnosticar una enfermedad neoplásica, es decir, un cáncer, va a ser el estudio histopatológico. ¿Qué significa esto? Si el médico piensa que puede ser cáncer alguna lesión, en donde sea que esté, lo que hay que hacer es que hay que pinchar, es decir, extraer un pedacito de ese cáncer. Eso es lo que conocemos como biopsiado.

Una vez que se hace la biopsia, hay que llevarlo al laboratorio, hacer cortes histológicos y observarlos al microscopio y el patólogo entonces debe de identificar si es que cáncer o no es cáncer y si es cáncer, qué tipo de cáncer es, en qué estadio también se encuentra, que eso también depende del tamaño del tumor, la localización y otras características clínicas que puede llegar a tener. Pero como pues ustedes adelantan, el método de histología es un método invasivo porque me tienen que picar, retirar un pedazo de tejido para llevarlo a patología y esto pues tiene excelente sensibilidad y especificidad, entonces es muy bueno para identificar las enfermedades neoplásicas y ahorita es el que el que se utiliza.

Pero el problema realmente no está cuando llegas ya al análisis histopatológico, sino más bien el problema está en el primer contacto, es decir, con el médico general, con el médico familiar, en donde a veces el médico familiar puede no tener la pericia suficiente de identificar una lesión premaligna o una lesión ya maligna y esto pues hace que los pacientes no lleguen a tiempo a los servicios de tercer nivel, a los servicios de alta especialidad de oncología.

No pasa siempre, pero pues hay algunas enfermedades en las que sí suele ocurrir, como por ejemplo en el melanoma. El melanoma tiene un subdiagnóstico muy alto, es decir que no se identifica fácilmente por el médico general cuando llega el médico especialista, aún el médico especialista tiene problemas para poder identificar efectivamente si se trata de un cáncer, en este caso de piel. Si nosotros le ponemos porcentaje, podemos decir que el médico especialista tiene más o menos un 70 % de probabilidad de poder encontrar una lesión tumoral, es decir que de cada 100 personas que lleguen con cáncer, 30 personas pues se les va a decir que no tenían cáncer cuando si era cáncer, entonces es muy alto y esto es a nivel de especialista.

Aquí la inteligencia artificial primero que nada no pretende sustituir a esos especialistas, sino que pretende darles un panorama decisivo mucho más ventajoso, es decir que esto va a ser una herramienta para ellos. Y cuando se utiliza solo la inteligencia artificial sin la vista del especialista, tenemos una probabilidad de identificar a la enfermedad de más del 80, %, del 80 hasta el 90, %, es decir que ya se reduce de manera considerable esos casos que se les dice no tenías cáncer y al fin de cuentas si tenías y eso solamente con la inteligencia artificial.

Pero qué pasa ahora si les decimos a los médicos especialistas mira tenemos esta inteligencia artificial que puedes utilizar para diagnosticar esta enfermedad, ese 80 90 % va a subir hasta 95 % o más entonces esto nos va a ayudar a poder identificar mejor este este tipo de lesiones. O hay otros tipos de cáncer, por ejemplo, como el cáncer cervicouterino.

En el cáncer cervicouterino que aparecen lesiones precursoras al cáncer cervicouterino por la infección de virus de papiloma humano y que estas lesiones pueden ir avanzando hasta un cáncer cervicouterino.

Sin embargo, hasta este momento no sabemos cuáles son las lesiones precursoras que van a avanzar a un cáncer cervicouterino y las que no van a avanzar a un cáncer cervicouterino. Por lo tanto, entonces la inteligencia artificial nos puede ayudar a generar un patrón de predicción para que sepamos cuáles iban a avanzar y cuáles van a regresar y con esto pues hacer un tratamiento mucho más oportuno a las pacientes que pueden padecer este tipo de lesiones, que actualmente, por ejemplo, el Papanicolaou es un método de screening muy bueno que ha reducido el número de causas de muerte de las mujeres por esta enfermedad, pero que sería todavía mucho mejor si la enriquecemos con este tipo de análisis de inteligencia artificial.

Es decir, otra vez no queremos sustituir a los especialistas, solamente se quiere dotar al especialista de una herramienta mucho más efectiva para poder diagnosticar este tipo de alteraciones.

En cáncer de colon y recto, por ejemplo, también estamos trabajando en cómo responderá el paciente a una operación, porque sabemos que hay pacientes que responden bien y pacientes que responden mal a la extirpación del tumor, a la recesión del tumor, pero en este caso no se sabe bien qué pacientes van a tener una mejora en la calidad de vida y qué pacientes van a tener un detrimento en la calidad de vida. Entonces con base a sus características clínicas y patológicas podemos saber a qué paciente si les conviene someterse a esto, porque si sometemos un paciente que vamos a hacer la operación y de todas formas no va a resistir la cirugía o va a morir poco tiempo después a la cirugía, pues no vale la pena.

Entonces lo mejor es saber quiénes iban a responder bien y por tanto a esos aplicarle la cirugía y que tengan un enriquecimiento en la calidad de vida posterior a esa cirugía y no un detrimento. Esta es una de las cosas también que estamos utilizando o que estamos haciendo aquí en la UNEVE para poder dotar con estas herramientas a los expertos que son los clínicos los que están allí.

Juan Nicolás Becerra: Pues seguimos en sector Tech en este episodio interesante, apasionante y sobre todo de dotar de esta información de cuestiones preventivas y justo nuestro siguiente segmento es muy interesante, así que sigan aquí en Sector Tech para seguir aprendiendo con el doctor Romero desde la UNEVE.

Entonces pasamos a nuestro siguiente segmento, doctor que justo es de filosofía, ética, complejidad en el uso de la inteligencia artificial, que de pronto eso está ausente, sin afán de señalar, pero de pronto la ética y la filosofía es importante en estos sectores. ¿Considerando tu especialidad, tu vasta experiencia, doctor en filosofía y en ciencias de la complejidad, qué reflexiones nos podrías compartir filosóficas surgen al usar la inteligencia artificial en el campo médico?

Justo hablaste de esto, pero podemos profundizar un poco, un poco más, porque creo que es muy, muy, muy importante tener esto y despejar muchas dudas en ese sentido y también que nos compartas algunos casos muy prácticos de éxito que hayas tenido en la UNEVE y en colaboración con otros centros que llevan tu misma línea de investigación.

Dr. Pablo Romero: ¿Sí, filosóficamente es un campo pues interesante, no? Desde cómo observamos el cáncer o cómo entendemos al cáncer como biólogos, como biólogos moleculares estamos acostumbrados a tener una visión reduccionista de los fenómenos, es decir, intentamos explicar los fenómenos desde la parte más chiquitita, primero pues pensamos en la patología, en el tejido que se está dañando, cómo se está dañando, pero no nos basta con esto, nos reducimos a las células y después de las células nos reducimos a las moléculas y posteriormente pues vamos a ver cuáles son las interacciones que hay entre éstas y entonces queremos entender la fenomenología del cáncer desde esta interacción molecular reduccionista.

¿Pero las matemáticas y la computación, ya la aplicación directa nos dice que podemos no solamente ser reduccionistas, sino que también podemos ser holistas y esto significa que para poder entender bien un fenómeno debemos de tomar ese fenómeno desde lo que es en general, no? Entenderlo por sus partes y entenderlo completamente.

Si lo consideramos entonces ahora desde la parte de las ciencias biológicas, los biólogos moleculares, a todos los que trabajan en ciencias biológicas, esto no les gusta tanto, tiende a ser algo que no es, vamos a decir que no es tan práctico en algunas ocasiones y por tanto este tipo de estudios a veces no son muy bien vistos, pero muchas veces nos dan más, más herramientas para poder identificar algo, para poder identificar estas enfermedades.

El primer punto filosófico a tratar es que debemos a veces de dejar de ser reduccionistas y convertirnos en holistas, porque esto también tiene mucho que ver con cómo lo vamos a aplicar o porque si nosotros nos empeñamos en poder identificar cuál es la molécula en la condición x que está alterada y pensamos que esto lo van a poder hacer en los hospitales, que van a tener los mismos equipos que tenemos en los laboratorios, que los van a tener en los hospitales, lo cual no siempre es cierto, pero si nosotros hacemos análisis desde una perspectiva matemática y holista, se vuelven análisis que o no requieren equipo especializado muchas veces para llevarlo a cabo, lo que sí nos permite llevarlo a los hospitales.  Esa es una de las primeras consideraciones.

La segunda consideración, el empleo de la inteligencia artificial, porque existe todavía una discusión muy candente en tanto que si se puede aplicar la inteligencia artificial o no se debe de aplicar la inteligencia artificial, qué vulnerabilidades nos puede traer esto. Sin embargo, pues la tecnología la debemos de usar para lo que es y es para el servicio de nuestra especie y por tanto, pues el ocupar la inteligencia artificial pues debería de ser ventajoso hacia nosotros para poder identificar a estas enfermedades.

Porque también existe principalmente esta cuestión de la pérdida de la privacidad, que es una de las principales cuestiones del uso de la inteligencia artificial por el manejo de todos estos datos, porque se vulneran precisamente todos estos datos y y pueden estar asequibles para cualquier persona que pueda acceder a una computadora. Esa es la principal limitante.

¿Y es cierto, la inteligencia artificial pone en una situación muy comprometedora a todos nuestros datos, y eso pues cómo lo vamos a poder resolver? Pues solamente lo podemos resolver a partir de una legislación apropiada en materia de inteligencia artificial, porque estamos en una época en donde las computadoras nos conocen más incluso que nosotros mismos, entonces eso se puede limitar.

Pero si lo llevamos entonces al reconocimiento de las comunidades, de las poblaciones, para saber qué alteraciones pueden llegar a tener y con esto hacer estrategias de prevención médica mucho más eficiente, pues por supuesto que sí. Desde esa perspectiva, entonces yo lo que creo es que hay que legislar bien o hay que regular bien cómo se utilizan esas inteligencias artificiales y cómo se van a manejar esos datos que estamos vulnerando y que pues ya prácticamente le estamos dando a las computadoras desde que traemos un teléfono.

Gus Galeana: Sí, de hecho hay muchas discusiones en cuanto a ese tema. La inteligencia artificial ha estado pues en diversos debates, en diversos análisis, reflexiones, y otro también adicional, digamos, a los que has comentado, pues también suelen ser las limitaciones que luego llega, puede llegar a tener la inteligencia artificial. Ahí, por ejemplo, usted bien sabe, hay sistemas biológicos complejos, realmente ahí la naturaleza es algo que no se puede a veces deducir tan fácil y de repente pareciera que la inteligencia artificial quisiera simplificarlo a un punto en que parece increíble. Ahí considerando eso, cómo ves el equilibrio, digamos, entre la complejidad que hay entre un sistema biológico y esa aparente simplificación de la inteligencia artificial, sobre todo para la toma de decisiones médicas, donde aquí ya pues dependen mucho las vidas de.

Dr. Pablo Romero: Sí, efectivamente la vida es muy compleja y tiende al caos, es decir, que es un caos.

En este sentido, este caos informático nos dice que si todo va a tender aquello que es más probable en contra, entonces precisamente las computadoras lo que hacen es que van determinando la probabilidad de aparición de cierta situación, de cierto de cierta condición. Nosotros otra vez, nos tardamos mucho en poder analizar esas cuestiones, en poder hacer los cálculos para establecer esa probabilidad, pero una computadora que puede hacer miles de operaciones por segundo, pues no es que esté reduciendo algo, sino más bien que está está entendiendo algo mucho más allá. Y eso es precisamente lo que se encarga la parte de las reducciones neuronales.

Las redes neuronales lo que hacen son capas y capas y capas y capas de análisis matemático para poder al final determinar una probabilidad de que algo ocurra. Parece que es sencillo, pero en realidad al final la computadora está haciendo un montón de cálculos para poder dar una probabilidad de que algo ocurra. Y algo que es importante decir es que es una probabilidad, no es un hecho.

Desde esta perspectiva podríamos entender, o podríamos decir, mejor dicho, que las computadoras tienen la capacidad de entendernos todavía mejor de lo que nosotros mismos lo hacemos, estos fenómenos biológicos, porque entienden esa complejidad inherente de los mecanismos biológicos, porque alcanzan a vislumbrar mucho más fácilmente ese comportamiento caótico y por tanto, pueden ser incluso sensibles a esos pequeños cambios, esas pequeñas alteraciones que pueden cambiar por completo el resultado de una ecuación. Entonces entonces las computadoras parece que son muy, muy buenas con esto.

Y ahora con el advenimiento de las computadoras cuánticas, pues esto va a estar de locura.

Gus Galeana: Exactamente

Juan Nicolás Becerra: Regularmente en estas conversaciones siempre distraemos el presente y nos concentramos en el futuro.

Pues así es esto de la ciencia, la investigación y la inteligencia artificial. Y les comparto algo que por aquí me encontré, que dice que creo que lo estamos aprendiendo en este interesante episodio de Sector Tech.

En definitiva, estamos aprendiendo a pensar a través de una conversación, una idea que está en los cimientos de nuestra cultura. Me gustó para seguir inhalando la conversación con el doctor Romero. Bien, pues tenemos que hablar de futuro, doctor, es inevitable. ¿Cómo crees que cambiará la práctica médica tradicional?

Pero si lo podemos retomar la práctica médica tradicional con la creciente influencia de la inteligencia artificial y las tecnologías bioinformáticas. Si nos puedes compartir una apreciación más amplia.

Dr. Pablo Romero: ¿Yo quisiera ser optimista en cómo se van a utilizar las inteligencias artificiales, no? Poder dar un mejor tratamiento a los pacientes que, por ejemplo, la clínica, que es de lo que nos quejamos muchas, muchas veces, es decir, de ese primer contacto con el médico general, que nos lleva mucho tiempo estar formados ahí, que se pueda ser más eficiente, que podamos utilizar este tipo de tecnologías para llevar a las especialidades aquellos que verdaderamente requieran tener una especialidad y que sean tratados por un especialista, mejor dicho.

Pero con esto no quiero decir que otra vez se va a sustituir al al médico general, al médico familiar, sino más bien que es para disminuir un poco la carga de trabajo y para que sea mucho mejor la atención que pueda llegar a tener. ¿Y yo quiero ser optimista, pero también hay que ver que no se está aceptando de la mejor manera la inteligencia artificial, y no solamente en el campo médico, sino en todos los campos, no?.

Desde la perspectiva de pensar porque la inteligencia artificial va a sustituir mi trabajo, eso es algo que todavía no se logra acuñar bien, de decir no, no sustituyen tu trabajo, solamente lo vas a hacer mucho más eficientemente. ¿Y también pues concretar que las inteligencias artificiales nunca van a ser humanos, nunca, nunca van a poder tener esas sensaciones humanas, nunca van a bueno, quién sabe, no? Pero por lo menos en este momento y no podemos decir que son humanas y por tanto, toda esa parte del contacto humano, las máquinas no lo van a poder hacer.

Y por tanto, desde ahí pues estamos seguros, siempre vamos a requerir ese contacto humano, porque por muy rápido que la máquina me pueda diagnosticar el contacto humano, no va a ser lo mismo que una persona me diga este, oye, siéntate por favor, comunícate con uno de tus familiares, tenemos algo importante que decirte y que te vaya ahí medio diciendo las cosas de poco a poco, a que una inteligencia artificial te diga tienes cáncer, el contacto humano cambia por completo. Y entonces eso es algo que debemos de aprender.

Considero yo que una de las cosas que debemos de sacar de la inteligencia artificial es que aprendamos a ser más humanos, sino más bien tenemos que aceptar esto nuevo que está surgiendo y aplicarlo en beneficio del paciente y para el paciente, que eso es lo que verdaderamente preocupa, eso es lo que verdaderamente urge. Y en cuanto aceptemos que eso es prioritario, creo que la aceptación de la inteligencia artificial en el campo de la medicina va a cambiar por completo.

Juan Nicolás Becerra: Sí, justo hablando de esto de humanidad, me trae a la mente en la cuestión de degeneración de ideas, doctor, maestro Galeana, recuerda una frase de Leonard Cohen que dice: En el mundo de las canciones, lo particular es mucho más efectivo que lo general, dijo una vez el músico y poeta Leonard Cohen. Así funciona la creatividad humana y de pronto también no hay que quitarle o menospreciar la creatividad humana. Maestro Galeana, continuamos en este interesante podcast de Tech en colaboración con la Universidad Estatal del Valle de Catepec.

Gus Galeana: Así es, muchísimas gracias, Juan, muchísimas gracias, doctor.

Muy interesantes comentarios, muy interesantes puntos. ¿Cuáles serían los perfiles, por ejemplo, yo supongo que mucha de la investigación que ha realizado a lo largo de los años, pues ha tenido seguramente algunas colaboraciones, a lo mejor otros investigadores, algunas instituciones dentro de todo esto habrá algunas instituciones de salud donde ya se haya aprobado todo esto o estén, digamos, en proceso de hacer una demostración o una práctica o algo que se pueda visualizar ya como una aportación?

Dr. Pablo Romero: Sí, sí, hemos estado trabajando fuertemente con diversas instituciones. Por ejemplo, ahorita ya tuvimos el desarrollo de una IA de clasificación, precisamente para la detección de melanoma, con el cual logramos tener una probabilidad de reconocimiento del 80 % y con esto generamos también un algoritmo que puede o no usarse con inteligencia artificial.

Esa es una de las ventajas que nosotros le quisimos dar. Entonces, mediante herramientas matemáticas desciframos la complejidad de una lesión para que ya sea el médico o una inteligencia artificial pueda clasificar a las diferentes lesiones dermatológicas. Bueno, este trabajo lo hicimos en conjunto con la Universidad de Guanajuato y también con el Hospital Regional de Alta Especialidad del Bajío y con el Hospital General de Guanajuato. Esto pues ya nos valió una publicación, ya lo tenemos ahí, ya tenemos ese producto que en este momento también estamos trabajando.

Por otro lado, pues también estamos trabajando con el Hospital Central Militar, estamos desarrollando también algunas tecnologías con ellos también de clasificación, de identificación, lo que les decía, cáncer cervicuterino, lo estamos desarrollando ahí con el Hospital Central Militar, con el Hospital de Especialidad y Neonatología de la Mujer, ahí mismo con los médicos militares. Lo de cáncer de colon y recto, eso también igual con el Hospital Central Militar y también con el apoyo del Instituto Nacional de Cancerología.

Estamos trabajando con eso. ¿Tenemos muchos nombres ahí que están trabajando con nosotros, instituciones pues son estas y pues también hay que decirlo, no? Que pues la UNEVE fue de las primeras instituciones que creyó que esto podía ser posible. Y también en Guanajuato, allá con la doctora Beatriz González Yebra, que nos ayudó bastante a colectar un montón de información y poder entrenar o poder hacer los primeros algoritmos de clasificación. Ya tuvimos mucho, mucho apoyo allá.

Queremos que todo esto sea en beneficio de los pacientes y que se traslade inmediatamente o en la lo más rápido posible para que esto impacte verdaderamente en el diagnóstico de estas enfermedades.

Juan Nicolás Becerra: Muy bien, pues ya casi finalizamos este episodio, doctor, que siga el optimismo, la voluntad, que se sumen más interlocutores a esta ardua labor que haces desde la investigación, que el libre albedrío llegue a estas instancias y finalmente, pues que se convierta en algo preventivo, en una cultura preventiva en beneficio de nuestro entorno, de nuestra sociedad, de nuestro presente.

Y bueno, les cedo la palabra al titular de este episodio y ambos agradecerles la generosidad para divulgar esto que es tan necesario, que llegue a muchas audiencias, que se sepa, que tenga seguidores, que le den play, que se enteren de este trabajo pues tan relevante que se hace desde acá.

Entonces el maestro Galeana pues dará el cierre y despedida de este gran episodio que da para seguir hablando en otros más. Gracias a ambos y buenas noches a toda la audiencia del sector.

Gus Galeana: Muchísimas gracias. Muchísimas gracias doctor por todo este universo que nos está mostrando aquí con estas investigaciones, con este tema. Pues agradecerle también infinitamente porque este tipo de pláticas pues elevan mucho la calidad de lo que pretendemos también difundir.

Creo que hay temas que mucha gente desconoce, digo, salvo lo que como bien lo mencionó, hay temas de inteligencia artificial que todo el mundo discute, lo de siempre, pero cuando vamos hacia un enfoque en cuando la inteligencia artificial nos puede ayudar realmente a resolver grandes, grandes problemas o tratar de acercarnos a la solución de los grandes retos que hay, por ejemplo el cáncer es uno de ellos, entonces pues el aporte se hace mucho más significativo.

¿Qué consejo le podría dar a los jóvenes investigadores o jóvenes médicos interesados en integrar la inteligencia artificial, la bioinformática en lo que es su práctica profesional? ¿Qué recomendaciones podría podría darles para aquellos que quisieran iniciar por este camino? Y bueno, y si después de esto pues también nos puedes compartir tus redes sociales donde podemos seguir lo que haces.

Dr. Pablo Romero: Para los futuros investigadores que apenas inician, yo creo que les recomiendo que volteen a ver esa parte holística, que busquemos que si la investigación básica es necesaria, pero hay que voltear también a la investigación práctica, ya que hay que ser a veces un poco más práctico, pues decía yo a mis estudiantes, el paciente es el que sufre, el paciente es el que necesita que se le diga qué es lo que hay que hacer, entonces hay que voltear a ver ese pragmatismo e intentar trasladar la investigación a la clínica lo más rápido posible.

Y por otro lado también quiero que todos entiendan que las tecnologías nos ayudan a hacer las cosas más rápido, más corto, hay muchas, muchas cosas de dónde sacar, mucha tela de dónde cortar, pero aquí también lo que importa es curiosidad, si somos profesionales sin curiosidad somos máquinas y la curiosidad es pues un rasgo humano que debemos entonces de ahora en tiempo de las inteligencias artificiales pues darle más énfasis. Solamente a través de curiosidad vamos nosotros a dirigir a las inteligencias artificiales y no al revés.

Gus Galeana: ¿Muy buen aporte doctor, alguna red social donde podamos seguir su trabajo?

Dr. Pablo Romero: Redes sociales, en realidad tengo un canal también de divulgación de la ciencia que lo encontramos como cientí…endo con puntos suspensivos, en donde pues ahí comparto contenido regularmente de los últimos artículos en ciencias biológicas que van surgiendo, por si les interesa.

También estoy en Facebook como Pablo Romero Morelos, en donde también pueden ver un poco de mi trabajo abajo de publicaciones que hago en LinkedIn como Pablo Romero Morelos y para los futuros investigadores les recomiendo también esta red social que se llama Research Gate, en donde los autores de los artículos van posteando ahí sus propios artículos y puede haber un intercambio de información mucho más fácilmente.

Todo para poder democratizar un poquito más la ciencia, para que sea más rápidamente transferible de una persona a otra y por tanto que sea más leída y seamos más citados. Entonces les recomiendo abran una cuenta de Research Gate a los futuros investigadores, eso es.

Juan Nicolás Becerra: Como un Open Access Doctor para que puedan leer tu trabajo.

Dr. Pablo Romero: Si, ahí están todos mis artículos, los pueden encontrar prácticamente abiertos. El Research Gate es como siempre digo yo, que es como un facebook de los investigadores, pues ahí en lugar de postear memes, posteamos los artículos que vamos publicando y ya pues los que seguimos vamos viendo, ah mira, publicó este artículo, hay que leerlo.

Es una forma pues sepamos bien que está publicando otro y también que podamos tener un contacto desde un mensaje para poder establecer redes de colaboración, que eso es también algo que nos hace nos hace falta bastante tanto en México como en el mundo.

 Juan Nicolás Becerra: Pues a leer y a seguirte ahí. Muchas gracias.

Gus Galeana: Pues muchísimas gracias a todos nuestros nuestros escuchas aquí en el podcast Sector Tech, este podcast en el que hablamos de ciencia, Internet, tecnología, videojuegos y cultura digital.

En este episodio, oyeron, hemos explorado cómo la combinación de inteligencia artificial, bioinformática y heurística está transformando la investigación y el Tratamiento del Cáncer. Gracias a la bioinformática, los científicos pueden analizar vastos conjuntos de datos biológicos, mientras que la inteligencia artificial permite identificar patrones y hacer predicciones que mejoran tanto el diagnóstico como el pronóstico de enfermedades neoplásticas.

Además, la heurística aporta estrategias efectivas para abordar los desafíos complejos de la investigación oncológica. El doctor Pablo Romero Morelos nos ha guiado a través de estos conceptos, ilustrando cómo estas tecnologías avanzadas están cambiando el panorama de la medicina, permitiendo una atención mucho más personalizada y precisa para los pacientes. También reflexionamos sobre las implicaciones éticas de estas innovaciones y su papel en la medicina hacia el futuro.

Finalmente, es claro que la integración de esta tecnología y bioinformática tiene un potencial inmenso en la lucha contra el cáncer y continuará marcando el rumbo de los próximos avances en salud. Muchísimas gracias por Acompañarnos una vez más. Gracias a Pirate Rock Radio por todo el apoyo.

Te invitamos a seguir nuestros contenidos desde el sitio web, así como Apoyarnos con un café desde la aplicación buy me a Coffee. Gracias por Acompañarnos. Esto ha sido todo. Adiós.

Nota final de agradecimiento

Rubén Martínez: Queremos agradecer a la Universidad Estatal del Valle de Ecatepec (UNEVE) y el por el invaluable apoyo del Dr. Pablo Romero Morelos, por compartir su experiencia, hallazgos de su línea de investigación.

También queremos agradecer a Juan Becerra Hernández y a Gus Galeana de Sector Tech por su compromiso con la difusión de la cultura, la ciencia y la tecnología. 

Gracias a esta colaboración, podemos llevar a cabo proyectos generosos en beneficio de la educación superior y la investigación médica.

Gracias por escuchar.