Un avance en inteligencia artificial reduce errores y desigualdades en análisis de muestras oncológicas, mejorando la precisión en diagnósticos en diversos grupos poblacionales.
El uso de la inteligencia artificial en el análisis de muestras patológicas ha revolucionado el diagnóstico del cáncer, permitiendo evaluaciones más rápidas y objetivas. Sin embargo, investigaciones recientes han descubierto que estos modelos pueden mostrar sesgos relacionados con la demografía de los pacientes, afectando la precisión en ciertos grupos. Un estudio realizado por académicos de la Universidad de Harvard identificó que los algoritmos de IA tienden a inferir información demográfica a partir de las diapositivas, lo que puede disminuir su eficacia, especialmente en poblaciones subrepresentadas o con características particulares.
El análisis reveló dificultades específicas en la diferenciación de subtipos de cáncer de pulmón en pacientes afroamericanos masculinos y en la detección de ciertos tipos de tumores en jóvenes. La raíz del problema radica en que estos modelos se entrenan con datos desbalanceados, en donde algunos grupos tienen menor representación. Además, los algoritmos aprovechan diferencias moleculares presentes en las muestras que varían según la población, dificultando diagnósticos precisos en grupos con mutaciones menos comunes.
Para solucionar esta problemática, los investigadores desarrollaron FAIR-Path, una herramienta basada en aprendizaje automático contrastivo. Esta innovación ajusta el proceso de entrenamiento, enfatizando las características esenciales del cáncer y minimizando las diferencias relacionadas con características demográficas. Los resultados demostraron una reducción del 88 % en los errores causados por sesgos poblacionales, abriendo la puerta a modelos de diagnóstico más justos y equitativos.
Este avance resulta fundamental para mejorar la equidad en diagnósticos oncológicos, especialmente en países con diversidad étnica y socioeconómica. La colaboración internacional en la ampliación y adaptación de FAIR-Path busca garantizar que los beneficios de la inteligencia artificial en salud sean accesibles y precisos para todos los pacientes, independientemente de su origen.
El reconocimiento de sesgos en modelos de IA revela la importancia de diseñar herramientas que reflejen la diversidad clínica y poblacional, asegurando diagnósticos fiables y libres de prejuicios que puedan afectar la atención médica.