El arte de la oncología en la era de la IA: una conversación con el Dr. Philippe E. Spiess

El Dr. Philippe Spiess sobre el juicio clínico, los intervalos entre visitas y lo que la IA debe acertar en la atención oncológica

Un sistema de IA puede conocer las directrices oncológicas y los estándares de tratamiento más actualizados para la enfermedad de un paciente y, aun así, equivocarse en el entorno clínico terapéutico óptimo.

Es una distinción que, en su opinión, el sector aún no se ha tomado lo suficientemente en serio.

«La cuestión no es si un modelo de IA puede aprobar un examen de oncología», señala Spiess. «Por supuesto que puede. La cuestión es si puede equivocarse de una forma que afecte al paciente, y qué tan seguros estamos de que eso no ocurrirá».

Para Philippe Spiess, esa distinción es el núcleo de lo que le espera a la inteligencia artificial en la atención oncológica.

La IA ya es notablemente capaz de recopilar grandes cantidades de información. Pero el razonamiento clínico requiere algo más difícil: entender qué información es relevante para el paciente que está frente al médico, en un momento determinado de su proceso oncológico.

«Uno de los elementos críticos que aún falta es cómo se aplican [las herramientas de IA] a los pacientes específicos que vemos en la consulta hoy en día», afirma Spiess.

Un modelo puede identificar un tratamiento respaldado por las directrices, pero no tener suficientemente en cuenta una nefrotoxicidad o hepatotoxicidad previa. Puede recomendar una dosis estándar sin reconocer el historial de tratamiento, las comorbilidades u otro contexto que haga que esa recomendación sea inapropiada. Y puede saber relativamente poco sobre las prioridades del propio paciente.

«Las directrices son un marco de referencia», comenta. «No están necesariamente personalizadas para el paciente que tienes delante».

Spiess habla de las directrices con autoridad, ya que ocupa varios cargos directivos en la NCCN, entre ellos en el Panel de Cáncer de Vejiga y Pene, así como en su Consejo de Gobierno y Comité Directivo. Insiste en que las directrices de la NCCN representan el mejor nivel de evidencia disponible y el punto de partida adecuado para la atención. Pero son solo un punto de partida. «Una directriz se construye sobre poblaciones», señala. «La atención debe construirse sobre una persona».

Las directrices reflejan la evidencia disponible a partir de las poblaciones estudiadas en ensayos clínicos. El paciente que el médico tiene delante puede ser de mayor edad, más frágil, tener más comorbilidades o ser simplemente diferente a las personas representadas en esa evidencia.

La personalización de la atención oncológica, en su opinión, debe adaptarse a las características específicas del paciente y del tumor que se tiene delante, así como a los objetivos de cuidado de ese paciente, y aplicarse reconociendo que los hallazgos en los que se centran las directrices pueden no abarcar completamente la demografía del paciente tratado, ya sea en cuanto a edad, sexo, origen racial y étnico o distribución geográfica.

«La directriz te indica lo que se estudió», señala. «No puede decirte si la persona que tienes delante se parece a las personas que fueron estudiadas».

Para Spiess, aquí es donde la distinción entre información y razonamiento clínico cobra importancia.

Conocer las opciones no es lo mismo que saber qué hacer.

La medicina está llena de decisiones que no pueden tomarse simplemente identificando todas las opciones disponibles teóricamente.

Spiess describe a pacientes a los que ha atendido durante cuatro, cinco, seis o siete años. Esa relación acumulada cambia la conversación clínica.

«Los conozco y sé qué puede aplicarse y qué no», afirma. «Ese nivel de personalización es verdaderamente el arte de la medicina».

Una operación potencialmente curativa puede ser adecuada para muchos pacientes con un diagnóstico determinado, por ejemplo, pero totalmente inapropiada para alguien cuyas comorbilidades hacen que sus consecuencias sean inaceptables. La radioterapia, la quimioterapia, la inmunoterapia u otro enfoque pueden ser la mejor opción. El razonamiento aquí trata sobre los riesgos competitivos: es mucho más probable que un paciente sufra daños por el tratamiento de su cáncer que por el cáncer mismo, y reconocer eso no es una falta de ambición, sino un acto de juicio.

Eso plantea un desafío interesante para la IA.

Un sistema capaz de recuperar cada directriz, interacción y consideración potencial relevante podría, teóricamente, presentar a los médicos una cantidad extraordinaria de información. Pero más información no significa necesariamente una mejor atención.

«Existe el riesgo natural de complicar las cosas más de lo debido», comenta Spiess.

La ambición, sostiene, debería ser la contraria: una IA que reúna la información y determine qué es relevante, en lugar de simplemente añadir otro flujo de alertas, recomendaciones y datos para que los médicos los procesen.

«Deberían estar realmente diseñadas para ser una parte integral del equipo», concluye. «Deberían ser un complemento para el médico, en lugar de bombardearlo o abrumarlo a veces con información que no necesariamente es relevante».

Por lo tanto, el próximo desafío para la IA en oncología quizás no sea simplemente saber más.

Es saber qué es lo importante, cuándo es importante y para qué paciente.

‍

«Sabemos que ocurren muchas cosas entre las visitas»
Dr. Philippe E. Spiess

El razonamiento clínico tiene un reloj

El cuándo importa.

Un paciente con un quiste renal benigno y alguien con un cáncer avanzado agresivo no pueden manejarse bajo el mismo cronograma clínico. Spiess considera que los sistemas de IA deben comprender no solo la afección del paciente, sino también su gravedad y las consecuencias de la demora.

«Tratamos a toda la población oncológica como si fuera una sola», señala, al describir un desafío que observa en todo el sistema de salud. Para un paciente con un cáncer agresivo, «potencialmente, de cuatro a seis semanas marcarán una diferencia en el pronóstico».

Se asegura de señalar que esto no es solo intuición. Los análisis publicados sobre cánceres comunes han asociado cada semana de retraso en el inicio del tratamiento con intención curativa con un aumento absoluto y medible de la mortalidad, y un retraso de cuatro semanas se ha asociado con una peor supervivencia en las modalidades quirúrgicas, sistémicas y de radiación (Khorana et al., 2019; Hanna et al., 2020). «Aceptamos retrasos en oncología que nunca aceptaríamos en cardiología», afirma. «Y rara vez medimos en qué parte del proceso se acumula realmente el retraso, que casi nunca es donde todos suponen».

Eso hace que el razonamiento a lo largo del proceso oncológico sea especialmente importante.

Antes de una visita, hay información que recopilar y trabajo que coordinar. Durante la consulta, la evidencia debe interpretarse en el contexto de cada paciente. Y después de que comienza el tratamiento, la necesidad de razonamiento clínico no desaparece.

En muchos aspectos, se vuelve más continuo.

«Sabemos que ocurren muchas cosas entre las visitas», señala Spiess. «Toxicidades, dudas, preocupaciones. A veces incluso dudas sobre el tratamiento, o revisar los resultados de una exploración sin entenderlos y necesitar una explicación».

El sistema sanitario cuenta con portales y otros mecanismos para que los pacientes contacten con sus equipos asistenciales, pero estas interacciones suelen ser intermitentes. Spiess ve en la IA una oportunidad para ayudar a crear algo más longitudinal: la capacidad de seguir e interpretar la evolución del paciente, con una supervisión clínica atenta.

«Un seguimiento continuo del paciente mediante estas herramientas, obviamente con una supervisión, control y validación muy cuidadosos por parte de los médicos, diría que es una capacidad muy potente».

Esto traslada la conversación más allá de una de las aplicaciones más comunes de la IA clínica: ayudar a seleccionar o planificar el tratamiento. La pregunta más difícil, y quizás la más interesante, es qué ocurre después de haber tomado la decisión sobre el tratamiento.

Los síntomas cambian. Surgen toxicidades. Los valores de laboratorio varían. Aparecen nuevas imágenes. Las circunstancias y preferencias del paciente también pueden cambiar.

El razonamiento clínico no ocurre una sola vez. Por lo tanto, los sistemas que lo respaldan no siempre deberían limitarse a ofrecer una recomendación. Hay momentos en los que se necesita información clínica adicional para definir el enfoque diagnóstico o terapéutico más óptimo. Esto está integrado en el enfoque del equipo de OncoBrain, cuyo sistema identifica las lagunas clínicas en un caso determinado y solicita la información faltante, permitiendo que el resultado y la recomendación sean lo más precisos y clínicamente adecuados posible.

También hay ocasiones en las que puede no haber un tratamiento adecuado en un entorno clínico determinado, y esto debe reconocerse como tal y ponerse en conocimiento del médico para que lo discuta con el paciente al definir los siguientes pasos. Esta es un área en la que la IA se ha visto cada vez más desafiada en el pasado, debido al deseo de proporcionar una respuesta computacional a cada pregunta.

Una capa adicional de seguridad

Spiess ofrece un ejemplo de un día clínico habitual.

Un médico puede tener decenas de estudios de imagen pendientes de revisión. Uno de ellos contiene algo que requiere atención, quizás un ganglio linfático sospechoso de tres centímetros. La información existe. Pero el sistema sanitario sigue dependiendo de que alguien la encuentre, reconozca su importancia y actúe en consecuencia. «¿Podría alguno de ellos escaparse potencialmente? Por supuesto que sí».

En esa situación, Spiess no pide a la IA que tome decisiones. Quiere un par de ojos extra. «"Oye, ¿te has fijado en que se ha detectado un ganglio linfático de tres centímetros que parece sospechoso? ¿Es algo que quieras evaluar?". Me encantaría que una herramienta de IA hiciera eso por mí».

«La IA no está tomando las decisiones de tratar o realizar pruebas a un paciente», afirma. «Pero es simplemente una capa adicional de seguridad».

El mismo principio se aplica cuando el sistema no dispone de suficiente información.

Un paciente recién diagnosticado puede requerir notas, resultados de laboratorio, pruebas de imagen y patología. Un paciente bajo vigilancia puede necesitar algo muy distinto. Más datos no significa automáticamente que sea mejor; la cuestión es si la información disponible es suficiente para la decisión clínica que se debe tomar.

Y cuando no lo es, el sistema debe reconocerlo. «Saber cuándo decir "no lo sé, y esta es la razón" es una función de seguridad, no una limitación», afirma. «Prefiero con creces una herramienta que rechace diez casos con honestidad a una que responda a los diez con confianza y se equivoque en dos». La opinión de Spiess es que la incertidumbre debe ser explícita en lugar de ocultarse tras una respuesta segura. Un sistema debe ser capaz de identificar la información que le falta, buscarla o solicitarla cuando proceda y negarse a emitir una recomendación cuando las pruebas no la respalden.

Esto es especialmente importante en la IA clínica, porque una respuesta plausible no es necesariamente una respuesta segura.

El médico, mientras tanto, sigue siendo el responsable de la decisión.

El papel de la tecnología es recopilar, señalar, recordar, cuestionar y apoyar, no pasar silenciosamente de ser un apoyo a la decisión a convertirse en un tomador de decisiones autónomo.

‍

«Estas herramientas son la forma en que extendemos esa misión
más allá de los pacientes que pueden llegar físicamente hasta nosotros».
Dr. Philippe E. Spiess

‍

¿Qué pasaría si la primera visita por cáncer ya estuviera preparada?

Cuando Spiess imagina el futuro de la IA en oncología, una de las posibilidades más convincentes suena sorprendentemente sencilla.

Un paciente llega a su consulta de cáncer. Los registros pertinentes ya han sido recopilados. Las pruebas necesarias se han completado. Se ha obtenido y revisado la patología. Las imágenes están disponibles. Se han gestionado las autorizaciones necesarias. Si el paciente puede ser candidato a un ensayo clínico, esa posibilidad ya ha sido identificada. Si se requiere atención multidisciplinar, los médicos adecuados están involucrados.

El resultado es sencillo: Podemos tomar esa decisión hoy, no mañana. Hoy.

Es posible que el paciente haya esperado semanas para su cita con el especialista, solo para descubrir que la información necesaria para aprovecharla adecuadamente aún no está disponible.

Para Spiess, la patología ofrece un ejemplo particularmente claro. En el cáncer de próstata, el grado de la biopsia, el volumen del tumor y otras características histológicas pueden cambiar sustancialmente si un paciente es más apto para la vigilancia activa, la cirugía, la radiación o el tratamiento multimodal. La revisión de patologías externas puede elevar o reducir el grado de la enfermedad y, por tanto, alterar la recomendación clínica.

Eso convierte a la revisión de patología en una parte del acceso, no solo en un proceso administrativo interno.

En Moffitt, señala Spiess, se ha hecho un esfuerzo por agilizar esa revisión para que la información necesaria esté disponible antes de la consulta siempre que sea posible. Ese esfuerzo forma parte de un compromiso institucional más amplio. Moffitt ha hecho de la innovación una prioridad estratégica central, y Spiess es directo sobre dónde cree que reside la ventaja: en el despliegue reflexivo y responsable de la IA y los productos digitales —varios de los cuales se están desarrollando y perfeccionando en el propio centro— como un medio para llegar a muchos más pacientes con cáncer de los que cualquier institución podría atender por sí sola. “Nuestra misión es la cura y prevención del cáncer”, afirma. “Estas herramientas son la forma en que extendemos esa misión más allá de los pacientes que pueden llegar físicamente hasta nosotros”.

El objetivo no es sofisticado. Es hacer que la visita en sí sea útil.

Un diagnóstico de cáncer ya conlleva un estrés e incertidumbre significativos. Los retrasos en la recopilación de información pueden posponer las decisiones de tratamiento y añadir otro periodo de incertidumbre para los pacientes y sus familias.

La lección para la IA es también más organizativa que tecnológica. “Necesitas que las personas que están en primera línea estén integradas en ese proceso”, dice. “Necesitas a las personas que se encargan de la programación. Necesitas entender el flujo de trabajo a la perfección: quién debe intervenir en qué y cuándo”.

La IA puede llegar a ayudar a orquestar parte de esa complejidad. Pero, primero, alguien debe entender cómo funciona realmente la atención en el sistema u organización.

‍

IA en oncología: no funciona hasta que demuestres lo contrario, en este hospital, con estos pacientes

Spiess es optimista respecto a la IA, pero su postura inicial para el despliegue clínico es deliberadamente escéptica. “Siempre he dicho que el listón debe estar siempre alto; estas herramientas no funcionan, y tenemos que demostrar que sí lo hacen”.

Esto implica demostrar mucho más que un rendimiento técnico en casos cuidadosamente seleccionados.

Las pruebas iniciales pueden comenzar con ejemplos estandarizados, pero Spiess considera que los desarrolladores también deben probar escenarios inusuales y extremos, aquellos casos que revelan si el sistema reconoce cuando algo no tiene sentido clínico y, fundamentalmente, cuando no dispone de suficiente información para responder. «Si eres capaz de desarrollar una herramienta de IA que funcione bien en casos inusuales y extremos, probablemente tengas algo muy importante entre manos».

Para Spiess, la jerarquía de la evidencia es fundamental. El sistema debe proporcionar información fiable y basada en pruebas. Debe comunicar la incertidumbre en lugar de ocultarla. El rendimiento debe mantenerse constante en diferentes pacientes y entornos clínicos reales, no solo en ejemplos seleccionados.

Además, cualquier resultado capaz de influir en el diagnóstico, el tratamiento o el triaje debe permanecer bajo supervisión clínica cualificada, con las salvaguardas y los protocolos de derivación adecuados. Solo una vez establecidos esos cimientos, la eficiencia cobra sentido.

Spiess señala un conjunto específico de medidas operativas que pueden demostrar un valor tangible: tiempo ahorrado por el médico; tiempo transcurrido desde que la información está disponible hasta que se toma una decisión clínica; aumento de la capacidad clínica sin comprometer la seguridad ni la calidad; coste por caso; y tiempo de espera del paciente. Esas medidas son las que importan.

Pero la eficiencia no puede compensar un sistema clínico inseguro o poco fiable. Y la validación no puede terminar con la puesta en marcha. Los modelos cambian. Las directrices se revisan. Surgen nuevos ensayos. Los nuevos tratamientos traen consigo nuevos perfiles de toxicidad. La práctica clínica evoluciona constantemente.

«No podemos dar por sentado que estos modelos vayan a funcionar siempre bien», afirma. «Lo que es bueno hoy puede no serlo dentro de seis semanas».

Por tanto, la validación debe ir más allá del propio modelo.

Spiess describe la necesidad de una «visión 360»: comprender la tecnología tanto en entornos de prueba como de trabajo, al tiempo que se entiende el sistema sanitario en el que se introduce.

Una herramienta técnicamente sólida puede fracasar si no se adapta al flujo de trabajo, a las personas o a la dirección estratégica que la rodea.

«Puedes tener una herramienta maravillosa», dice, «pero si la dirección de la institución o de la empresa va por otro camino, o si el personal no está preparado para utilizarla, entonces no estás implementando la herramienta adecuada».

En otras palabras, la carga de la prueba no se traslada al médico solo porque la tecnología parezca impresionante. Corresponde a quienes la introducen.

‍

Animo a los pacientes a utilizar cualquier recurso
que sientan que les aporta y les ayuda
a comprender su enfermedad”.
‍Dr. Philippe E. Spiess

‍

Los pacientes no esperan a que el sector sanitario comprenda la IA

Existe otra razón por la que los médicos deben empezar a utilizar la IA ahora: sus pacientes ya lo están haciendo.

Spiess ve habitualmente cómo los pacientes llegan con páginas de información que han recopilado mediante recursos en línea y herramientas de IA.

A veces, esa información les ayuda a profundizar en su diagnóstico. Otras veces, les lleva a cuestiones totalmente irrelevantes para su caso particular.

“Es una herramienta potente”, señala. “Pero también puede ser un poco peligrosa si hace que no terminen de entender bien su enfermedad”.

Su respuesta no es pedirles que dejen de usarla. “Animo a los pacientes a utilizar cualquier recurso que sientan que les aporta y les ayuda a comprender su enfermedad”.

Esto también cambia el papel del médico. Cada vez más, su labor consiste en ayudar a los pacientes a saber qué buscar, orientarlos hacia fuentes fiables y contextualizar lo que descubren en función de su propia enfermedad.

Pero Spiess también cree que el sistema sanitario puede mejorar.

Una consulta oncológica puede requerir que el paciente asimile una cantidad extraordinaria de información: diagnóstico, opciones de tratamiento, riesgos, pruebas, procedimientos y pasos a seguir. “¿Realmente asimilan toda esa información?”, se pregunta.

La IA podría ayudar a continuar esa conversación más allá de la consulta, explicando en qué consisten una tomografía, una resonancia magnética o una biopsia, ayudando al paciente a comprender lo que le acaban de decir y, tal vez, reduciendo parte de la ansiedad que genera lo desconocido.

Para Spiess, esto no debería ser algo secundario en el desarrollo de la IA clínica.  “Debemos asegurarnos de que las herramientas que desarrollemos incluyan un componente de educación, formación y apoyo al paciente que sea fundamental en cómo se construyen y cómo se ofrecen”.

Esto también implica diseñar de formas que no perpetúen silenciosamente las barreras de atención existentes: utilizando un lenguaje comprensible, niveles adecuados de alfabetización sanitaria y accesibilidad para los pacientes que más pueden beneficiarse.

¿Debería la IA aprender a pensar como su médico?

A medida que la IA se vuelve más personalizada, surge otra pregunta: ¿debería aprender cómo piensa cada médico en particular?

A Spiess le intriga la posibilidad, aunque no le termina de convencer. Un sistema que aprendiera los patrones de un médico individual podría empezar a captar no solo lo que hace ese profesional, sino algo del razonamiento que hay detrás: esas consideraciones que nunca llegan a plasmarse en papel.

“Lo interesante no es lo que decidí”, señala. “Es por qué lo decidí, y esa es la parte que casi nunca escribimos”.

Pero limitarse a reproducir al médico podría crear sus propios problemas. Como todo ser humano, los médicos tienen puntos ciegos y sesgos.

“Probablemente haya áreas en las que pienses: ‘Bueno, no tuviste en cuenta estos diversos elementos’”,dice Spiess. Quizás, por tanto, la IA debería hacer algo más interesante que aprender a estar de acuerdo con el médico. “Probablemente sea importante que la IA nos ofrezca una visión de 360 grados sobre nosotros mismos y nos diga: ¿tenemos sesgos cuando evaluamos a los pacientes?”. 

Una herramienta que solo confirma lo que dice el médico corre el riesgo de automatizar tanto los puntos ciegos como la experiencia. Si se utiliza de otra manera, la IA podría convertirse tanto en una herramienta educativa como de apoyo a la toma de decisiones: sacando a la luz algo que el médico ha pasado por alto e invitándole a reflexionar sobre su propio razonamiento.

Sin embargo, hay un límite sobre el que Spiess es tajante.

“El arte consiste en asegurarse de mantener al médico como el núcleo central de todo esto. No se trata de una IA que dirige la atención clínica facilitada por médicos. Es al revés, y eso nunca puede cambiar”.

“Hay pacientes a los que veo hoy y que, sí, vienen para un seguimiento, pero vienen a verme simplemente porque sí”, comenta. «Casi se convierten en amigos».

Algunos incluso traen regalos.

«Tengo pacientes que me traen calcetines porque saben que me gusta llevarlos de colores. Es esa relación. Sinceramente, esa es probablemente una de las partes más gratificantes de ejercer la medicina».

‍

«...Estas herramientas se van a crear
ya sea con los médicos o en torno a ellos,
y la diferencia se notará en la atención al paciente».
‍Dr. Philippe E. Spiess

‍

Hacer que la tecnología sea menos visible: ¿una visión a 5 años?

Si se le pide a Spiess que imagine la oncología dentro de cinco años, no describe una clínica oncológica autónoma. Describe una tecnología cada vez más integrada y, en muchos sentidos, menos visible.

En su opinión, es probable que la IA evolucione de ser un conjunto de herramientas individuales a convertirse en una capa que abarque gran parte del proceso clínico: diagnóstico y patología, estratificación de riesgos, planificación del tratamiento, seguimiento, supervivencia y compromiso del paciente.

Cada vez más, estos sistemas podrán sintetizar información clínica, genómica, de imagen, patológica y del mundo real; identificar conocimientos relevantes; anticipar lo que se necesita a continuación; y reducir la carga administrativa que rodea a las decisiones clínicas.

Esa misma inteligencia no debería desaparecer cuando el paciente sale de la consulta.

Puede continuar durante el tratamiento, la vigilancia y la supervivencia, ayudando a los pacientes a entender lo que ocurre y a los médicos a reconocer lo que realmente requiere su atención.

Llegar a ese punto requerirá pruebas rigurosas, integración con los historiales médicos electrónicos, una supervisión clínica reflexiva y cambios en la forma de trabajar de los equipos sanitarios.

El consejo de Spiess para los colegas que siguen teniendo dudas es práctico: aprendan lo suficiente sobre la IA para entender cómo funciona, experimenten con ella, comprendan cómo la forma de plantear las preguntas afecta a las respuestas que reciben y mantengan un espíritu crítico ante los resultados. «No hace falta convertirse en científico de datos», afirma. Pero hay que estar presente. Estas herramientas se construirán con los médicos o en torno a ellos, y esa diferencia se reflejará en la atención al paciente.

A pesar de toda la sofisticación que imagina —la IA recopilando historiales, haciendo un seguimiento longitudinal de los pacientes, identificando información que podría haberse pasado por alto e incluso cuestionando las suposiciones clínicas—, hay una parte de ese futuro que no tiene ningún interés en automatizar.

La relación humana.

Ningún algoritmo, por sofisticado que sea, posee la relación acumulada del médico que ha cuidado de alguien a lo largo del tiempo: su historial, sus objetivos, sus expectativas, su tolerancia a la toxicidad, sus prioridades y todo aquello que quizás nunca quede reflejado por completo en su expediente.

Quizás eso proporcione la prueba más útil para la próxima generación de IA en oncología.

No si puede replicar al oncólogo, sino si puede asumir la suficiente carga informativa que rodea al tratamiento del cáncer para ayudar a los médicos a estar mejor informados, mejor preparados y más capacitados para centrarse en el paciente que tienen delante.

Con todo y calcetines.

‍

‍

‍

Sobre el Dr. Philippe E. Spiess

El Dr. Philippe E. Spiess es miembro sénior del Departamento de Oncología Genitourinaria, jefe de Innovación Clínica y jefe adjunto de Servicios Quirúrgicos en el Moffitt Cancer Center. Es vicepresidente del panel de cáncer de vejiga y pene de la NCCN y representante clínico de Moffitt en el Consejo de Gobierno y el Comité Directivo de la NCCN. También es director médico de OncoBrain AI. Las opiniones aquí expresadas son suyas.