Un grupo de investigadores del MIT ha desarrollado un modelo de aprendizaje automático para reducir las dosis tóxicas, sin mermar el éxito de los tratamientos tradicionales, para los pacientes con glioblastoma, una de las variantes más agresivas de cáncer cerebral.
Uno de los campos más fértiles de aplicación de la inteligencia artificial es el de la medicina. Tanto en los modelos de gestión de la sanidad como en la detección y tratamiento de los distintos tipos de enfermedades. Prueba de ello es la última técnica descubierta por investigadores del MIT (Massachusetts Institute of Technology) que mejora la calidad de vida de los pacientes con glioblastoma, una variante muy agresiva de cáncer cerebral.
Mediante herramientas de aprendizaje automático, los expertos han conseguido reducir las dosis tóxicas de quimioterapia y radioterapia –medicamentos que todavía causan fuertes efectos secundarios que debilitan la salud de las personassin que dejen de ser efectivas. El modelo basado en inteligencia artificial analiza los regímenes de tratamiento actuales y ajusta las cantidades de forma iterativa. De este modo, se introducen dosis con frecuencias y potencias más bajas que las habituales pero con un grado de reducción de los tumores comparable a los tratamientos tradicionales.
El proyecto, que será presentado la semana que viene en la conferencia Machine Learning for Healthcare 2018 en la Universidad de Stanford (Estados Unidos) ha sido probado ya en 50 pacientes que han sido testigos del éxito y avance de esta nueva técnica. Los ciclos de tratamiento llegaron a reducir la potencia en una cuarta parte o la mitad de casi todos los tratamientos. E incluso en varias ocasiones se omitió la dosis por completo, programándolas solo dos veces al año en lugar de mensualmente, como es habitual.
El estudio del MIT tiene su origen en el Aprendizaje Reforzado, un método inspirado en la psicología del comportamiento en el que un modelo aprende a favorecer cierto comportamiento que conduce a los resultados deseados. La técnica cuenta con agentes revestidos de inteligencia artificial que completan acciones en un entorno impredecible y complejo para alcanzar los objetivos. Cada vez que completa una acción, éste recibe una recompensa o penalización, dependiendo del resultado obtenido. Después, el agente ajusta sus actividades en consecuencia para obtener éxito. Para cada paciente, el modelo realizó aproximadamente 20.000 ensayos de prueba y error. Asimismo, los investigadores también diseñaron el modelo para tratar a cada persona de forma individualizada.
Este enfoque ya fue utilizado para entrenar al programa informático DeepMind en 2016. El software dio la vuelta al mundo tras lograr vencer a uno de los mejores jugadores del mundo en el juego Go. Además, también se utiliza para entrenar a coches autónomos en maniobras como el estacionamiento.