La iniciativa fue desarrollada por la Facultad de Ingeniería de UCompensar y superó cerca de 150 propuestas de universidades, organizaciones médicas y empresas tecnológicas del país. El reconocimiento incluye recursos para comenzar su implementación en la red hospitalaria y oncológica de Bogotá.

PreventIA utiliza inteligencia artificial para analizar imágenes médicas y detectar señales asociadas al cáncer de mama. Según sus creadores, el sistema alcanza una efectividad superior al 90 % y puede entregar resultados en menos de un minuto.

Te puede interesar: La IA ya está siendo usada para consultas médicas, según estudio de Anthropic

El proyecto fue entrenado durante dos años con más de 100 GB de imágenes médicas provenientes de bases de datos internacionales, especialmente de Europa y Japón. La IA identifica malformaciones, clasifica calcificaciones y determina si estas podrían ser benignas o malignas.

La convocatoria fue organizada por AstraZeneca, Daiichi Sankyo y la Pontificia Universidad Javeriana. Durante el proceso participaron jurados del sector médico, entidades públicas y expertos en salud.

Una IA pensada para hospitales con baja conectividad

Uno de los puntos que más llamó la atención del jurado fue que PreventIA no fue diseñada únicamente para grandes clínicas o centros especializados. La herramienta busca funcionar tanto en ciudades como en municipios apartados donde el acceso a especialistas sigue siendo limitado.

El sistema podrá utilizarse desde plataformas web y móviles, lo que permitiría que médicos en regiones rurales consulten imágenes diagnósticas sin depender de infraestructura compleja.

De acuerdo con el equipo investigador, la IA no pretende reemplazar a los profesionales de salud. Su función es acelerar procesos y ayudar en la toma de decisiones clínicas, especialmente en lugares donde los tiempos de espera pueden retrasar diagnósticos importantes.

Te puede interesar: La mitad de las respuestas de salud de la IA son erróneas o peligrosas: nuevo estudio

Para lograrlo, el modelo utiliza redes neuronales y filtros adaptativos capaces de enfocarse únicamente en las áreas relevantes de una imagen médica, eliminando elementos que puedan afectar el análisis.

El desarrollo fue construido con herramientas de Deep Learning sobre MATLAB y actualmente avanza en la integración del software que servirá como interfaz para médicos y hospitales.

El siguiente paso será probarla en hospitales reales

Tras ganar el reto, PreventIA iniciará una nueva etapa enfocada en pruebas e implementación dentro de entornos clínicos reales en Bogotá. Los recursos entregados por las organizaciones aliadas permitirán avanzar en validaciones dentro de hospitales y centros oncológicos.

La apuesta tiene un impacto importante si se tiene en cuenta que la detección temprana sigue siendo uno de los factores más determinantes para aumentar las probabilidades de tratamiento exitoso en pacientes con cáncer de mama.

Además del componente médico, el proyecto también refleja cómo universidades colombianas están utilizando inteligencia artificial en soluciones aplicadas a problemas de salud pública.

PreventIA incluso ya comenzó a perfilarse como una posible spin-off tecnológica de UCompensar, luego de pasar por programas de emprendimiento y validación enfocados en innovación científica.

Mientras avanzan las pruebas clínicas, la expectativa está puesta en comprobar si esta tecnología puede convertirse en una herramienta útil para acelerar diagnósticos y ampliar el acceso a atención especializada en distintas regiones del país.

La información proviene de un estudio publicado esta semana en Nature Medicine, que puso a prueba la capacidad de ChatGPT para realizar triage (entender y asignar los casos médicos según su gravedad). Para el estudio se utilizó la variante de ChatGPT Health —una versión del modelo de OpenAI especializada en resolver dudas de salud— y se le entregaron 60 escenarios médicos. Luego, compararon sus resultados con los de tres médicos para evaluar la coincidencia en los diagnósticos.

Para cada uno de los escenarios se agregaron 16 variables que modificaban la raza o el género del paciente, pero que debían producir el mismo resultado (es decir, el diagnóstico no debía cambiar).

ChatGPT no reconoce un 50% de las urgencias médicas

Los resultados son bastante preocupantes: de acuerdo con el estudio, ChatGPT valoró de forma incorrecta un 51,6% de las emergencias, recomendando esperar 48 horas en vez de acudir a urgencias. Por ejemplo, la IA falló al reconocer el caso de un paciente que sufría una complicación de diabetes que, sin tratamiento, puede ser mortal.

“Cualquier médico, y cualquier persona con cualquier grado de formación, diría que ese paciente necesita ir a urgencias”, aseguró uno de los especialistas que asesoraron el informe.

En defensa de ChatGPT, uno de los voceros aseguró que, aunque el estudio ofrece una mirada interesante, no hace una valoración justa de cómo funciona el modelo de IA. Según explicaron, el sistema está diseñado para responder preguntas de seguimiento y agregar contexto, en vez de simplemente entregar una respuesta cerrada a un escenario médico.

¿Es correcto acudir a ChatGPT para diagnósticos médicos?

Esta conversación es importante considerando que OpenAI está comprometido a ingresar al sector de la medicina. La compañía ve este segmento como uno de los que más potencial tiene para servir como una herramienta que agilice y ayude a los doctores a presentar diagnósticos de manera eficaz.

El problema radica en que muchas personas hoy ven a ChatGPT como un reemplazo para un doctor o una visita a la sala de urgencias. Esta mentalidad presenta riesgos, pues modelos como ChatGPT están programados para apoyar o estar de acuerdo con el usuario. Esto significa que si tienes una consulta y crees que tienes una enfermedad, es probable que la IA te siga la corriente en vez de corregir y diagnosticar de manera correcta tu padecimiento.

Por ahora, ChatGPT Health es un modelo gratuito, aunque requiere acceder a una lista de espera. La idea de OpenAI es que, una vez termine de pulir el modelo, pueda ofrecerlo a hospitales y centros de salud, aunque el estudio más reciente parece indicar que falta tiempo antes de que esto sea posible.

Imágenes:

¿Qué es crossNN y cómo funciona?

CrossNN es una inteligencia artificial desarrollada por el Instituto Alemán del Cáncer y la Universidad Charité de Berlín. Su tecnología se basa en el análisis de patrones epigenéticos, que son modificaciones químicas sobre el ADN capaces de activar o desactivar genes sin alterar su secuencia original. Una de las más estudiadas es la metilación, un proceso que deja marcas específicas en el genoma —conjunto completo de información genética de una célula— y que varía según el tipo de célula o tumor.

Gracias a estas señales, cada cáncer presenta una firma epigenética única. CrossNN fue entrenado para reconocer estos patrones a partir de más de 8.000 muestras de tumores humanos. El modelo alcanzó una precisión general superior al 97 %, y del 99,1 % en tumores cerebrales, incluso cuando se utilizan datos parciales o provenientes de distintas tecnologías de secuenciación. Esto permite aplicar la herramienta de forma flexible en contextos clínicos reales y diversos.

Diagnóstico sin procedimientos invasivos

Confirmar el tipo de cáncer suele requerir biopsias que no siempre son viables o seguras, sobre todo cuando los tumores se localizan en zonas de difícil acceso. En esos casos, la posibilidad de diagnosticar a partir de ADN tumoral obtenido mediante sangre o líquido cefalorraquídeo ofrece una alternativa menos riesgosa y más accesible para los pacientes.

Esta capacidad resulta especialmente útil en el diagnóstico de tumores cerebrales, donde una cirugía puede implicar un riesgo elevado. CrossNN ha demostrado su precisión en estos escenarios utilizando únicamente muestras indirectas, lo que permite reducir la necesidad de intervenciones quirúrgicas en muchos casos.

Te puede interesar:  Inteligencia artificial que detecta cáncer de mama: el avance que podría transformar diagnósticos

Aplicaciones en tumores raros o de origen incierto

El sistema ha demostrado ser útil en el diagnóstico de tumores poco frecuentes o de origen incierto, un desafío para los métodos tradicionales. A través del análisis epigenético, crossNN puede inferir con precisión el tejido del que proviene el tumor, lo que permite orientar mejor las decisiones terapéuticas.

También es capaz de diferenciar casos con perfiles moleculares muy similares, como ciertos subtipos de cáncer renal. Aunque pueden presentarse márgenes de error en algunos escenarios, su desempeño general supera al de otras herramientas existentes.

Transparencia para uso clínico

Uno de los desafíos frecuentes en inteligencia artificial aplicada a la medicina es la falta de interpretabilidad. Muchos modelos entregan resultados sin ofrecer claridad sobre cómo llegaron a ellos. CrossNN fue diseñado con una estructura simple que permite identificar qué regiones del ADN influyen en cada diagnóstico. Esta característica facilita la validación médica y refuerza la confianza clínica.

Al mismo tiempo, esta transparencia abre la puerta al descubrimiento de nuevos biomarcadores epigenéticos, que podrían tener valor diagnóstico o terapéutico en distintos tipos de cáncer.

Listo para su implementación

Además de ser preciso, el sistema es rápido y adaptable. Puede generar resultados en cuestión de segundos y operar con distintos formatos de datos, desde microarrays hasta tecnologías de secuenciación más recientes. Esto lo hace compatible con diversos flujos de trabajo en hospitales y laboratorios, incluso en contextos con recursos limitados.

Actualmente, el modelo se encuentra en proceso de validación clínica en varios centros del Consorcio Alemán del Cáncer. Su diseño modular permite que se actualice fácilmente con nuevas bases de datos o tecnologías emergentes.

Una herramienta que complementa la medicina de precisión

El desarrollo de crossNN representa un avance importante en la convergencia entre inteligencia artificial, epigenética y diagnóstico oncológico. Poder identificar con precisión el tipo y origen de un tumor a partir de una muestra mínima representa una alternativa concreta a los métodos invasivos y costosos que aún predominan en muchos sistemas de salud.

Esta herramienta no reemplaza el juicio médico, pero ofrece apoyo diagnóstico valioso para mejorar la precisión, reducir los riesgos y avanzar hacia una medicina más personalizada, eficiente y accesible.

El sistema funciona en dos etapas. Primero, analiza la imagen radiológica para limpiar anotaciones, resaltar áreas clave y extraer detalles del tejido mamario. Luego, el radiólogo señala la zona sospechosa y el software traza la forma del posible tumor utilizando una técnica llamada “convolución de Kernel”.

Con esta forma delineada, se extraen 19 características del contorno que se introducen en un modelo de “bosque aleatorio”. Este modelo genera mil árboles de decisión que, en conjunto, determinan si el tumor es benigno o maligno, ofreciendo así una segunda opinión técnica al diagnóstico médico.

Por ahora, esta tecnología alcanza una precisión del 83%, pero los investigadores confían en superar el 95% con nuevas validaciones. Además de mejorar la eficacia del diagnóstico, también reduce la necesidad de biopsias invasivas y agiliza el manejo clínico.

Te puede interesar: Estudio advierte que las tomografías computarizadas podrían estar detrás del 5 % de los cánceres

Este tipo de herramientas ya empieza a demostrar su valor en otros países. En Suecia, un estudio encontró que las mamografías asistidas por IA mejoraron en un 20% la tasa de detección del cáncer de mama, frente a las lecturas hechas exclusivamente por radiólogos.

En Colombia, donde muchas regiones aún enfrentan limitaciones en el acceso a tecnología médica o especialistas en radiología, un sistema como este podría marcar la diferencia. Aplicar IA en salud no es solo una promesa de innovación, sino una necesidad estratégica para cerrar brechas de atención.

La clave estará en que el sector salud, la academia y los desarrolladores locales trabajen juntos para adaptar este tipo de soluciones al contexto colombiano, garantizando que la tecnología no solo sea precisa, sino también accesible.

Este desarrollo del Edomex es una muestra clara de que la inteligencia artificial puede complementar, no reemplazar, la labor médica, ayudando a tomar decisiones mejor fundamentadas y más rápidas en casos donde el tiempo es vital.

Imagen: Generada con IA / ChatGPT