Lo que la IA puede (y no puede) hacer para prevenir el cáncer

Puede que ya estéis hartas o hartos de tanto hablar de la inteligencia artificial (IA), o que os suene a palabra mágica para cualquier tertulia, ¿es así?

Pero en realidad la IA está aquí, trabajando codo con codo con quienes trabajamos en hospitales y laboratorios.

No hablamos de un robot que diagnostica solo, ni de una máquina que “sabe más” que el personal médico. Hablamos de herramientas que analizan miles de datos en segundos y nos ayudan a detectar patrones que, a simple vista, podrían ser imposibles de ver.

Pero no todo es tan idílico: más abajo os contamos también los riesgos de su uso.

El rol emergente de la IA en la prevención del cáncer

La IA puede proporcionar 2 ingredientes claves en la prevención: tiempo y precisión.

Por lo que, cuando se usa bien, puede marcar la diferencia entre detectar un cáncer a tiempo o no.

Por ejemplo, un algoritmo puede analizar en minutos más de 10.000 mamografías, buscando microseñales que una radióloga o un radiólogo podría pasar por alto. Estos sistemas no se cansan, no tienen un mal día y, bien entrenados, alcanzan niveles de precisión que complementan el ojo clínico.

Además, la IA puede cruzar información de historiales médicos, hábitos de vida, datos genéticos y factores ambientales para calcular riesgos personalizados.

Ejemplos reales de uso

Cribados inteligentes

Actualmente se recomiendan en la población general el cribado de cáncer de mama, colon, y cérvix.

• Mama: Existen sistemas de análisis asistido por IA que revisan mamografías dentro del programa de cribado de cáncer de mama. La IA actúa como “segundo lector”, apoyando a los radiólogos para reducir falsos negativos y acortar los tiempos de diagnóstico.
• Colon: También se aplica IA a colonoscopias para detectar pólipos diminutos en tiempo real, ayudando a prevenir la progresión hacia cáncer colorrectal.
• Cérvix: Hay en desarrollo análisis automatizado de muestras de citología líquida (Papanicolau) con IA para detectar células precancerosas.

Interpretación de imágenes médicas

La IA se puede emplear para mejorar la precisión en la detección de distintos tipos de cáncer mediante visión computarizada, con el análisis avanzado de TACs y otras imágenes médicas, identificando lesiones en fases muy iniciales.

Análisis de big data

La IA puede para analizar datos clínicos masivos y detectar patrones de riesgo que permitan intervenir antes de que aparezca la enfermedad.

Transformación de la anatomía patológica

El proyecto DigiPatICS del ICS implanta la patología digital en 8 hospitales con más de 168 patólogos, para mejorar seguridad, calidad asistencial y eficiencia.

Apps personalizadas

Hay ya numerosas aplicaciones en el mercado que ofrecen recordatorios de revisiones, consejos adaptados y seguimiento de síntomas, convirtiendo el móvil en un pequeño asistente de salud.

Análisis de biomarcadores

La IA se puede combinar con la llamada “biopsia líquida” para detectar ADN tumoral en sangre u otros fluidos, incluso antes de que aparezcan los síntomas de cáncer. Esto puede ayudar a diagnósticos más tempranos y menos invasivos.

Realidad virtual

Existen proyectos pioneros de realidad virtual para pacientes oncológicos, que reducen dolor, ansiedad y percepción del tiempo durante la quimioterapia.

Pensaréis que eso no es prevención directa, pero sí lo es, es bienestar y eso también importa, y es un tipo de prevención terciaria (en este post os explicamos la diferencia entre los distintos tipos de prevención).

Peligros potenciales del uso de la IA

Aunque soy médica de formación, a menudo me pongo mis gafas de geek 🤓, y aprendo un poco de Python para entender como “piensa” la IA y poderla aplicar en proyectos de prevención.

Y no todo es perfecto.

La IA aplicada a la salud plantea retos importantes que no deben pasarse por alto.

Sesgos en los datos

Un algoritmo aprende de la información con la que se le alimenta.

Si el algoritmo se entrena con información poco representativa, puede fallar en ciertos grupos de población. Por ejemplo, puede dar resultados erróneos en mujeres si los datos están sobrerrepresentando patrones masculinos. Por eso necesitamos datos diversos y de calidad.

“En resumen: si los datos son malos, la IA solo aprenderá a equivocarse más rápido.”

Falsos positivos y ansiedad

A veces la IA señala como sospechosa una imagen que resulta ser benigna. Aunque al final sea una buena noticia, el proceso genera preocupación, pruebas extra y carga para el sistema.

Dependencia tecnológica

Confiar ciegamente en la IA puede reducir la atención crítica del personal sanitario. La IA debe verse como una segunda opinión, nunca como un sustituto del juicio clínico.

Privacidad y ciberseguridad

Trabajamos con datos muy sensibles. La normativa europea (GDPR) nos obliga a protegerlos, pero el aumento de ciberataques a hospitales en España nos recuerda que no podemos bajar la guardia.

Otros riesgos a considerar

• Opacidad de los algoritmos: algunos modelos funcionan como “cajas negras”, difíciles de interpretar incluso para los propios desarrolladores. Esto dificulta explicar por qué se ha tomado una decisión.
• Falsa sensación de seguridad: si un resultado de IA es negativo, podría relajarse la vigilancia médica o los hábitos saludables, cuando la prevención requiere atención continua.
• Impacto económico y desigualdad: la implantación de sistemas de IA puede generar diferencias entre centros con más recursos y hospitales más pequeños, afectando a la equidad en el acceso a la innovación.

En resumen, la IA tiene un enorme potencial, pero para que sea segura y útil debe aplicarse con criterio clínico, control humano y garantías legales sólidas.

La relevancia del humano supervisando la IA

Por muy avanzada que sea, la inteligencia artificial no tiene criterio clínico propio ni capacidad de empatía.

Puede detectar un patrón anómalo en una imagen, pero solo una profesional médica o un profesional médico puede interpretarlo en el contexto de la historia del paciente y decidir los pasos a seguir.

¿Cómo será en 5–10 años?

La evolución de la IA en prevención del cáncer podría llevarnos a escenarios como estos:

• Análisis continuos mediante wearables que monitoricen marcadores de salud en tiempo real.
• Prevención hiperpersonalizada: planes de dieta, ejercicio y revisiones adaptados al ADN y estilo de vida de cada persona.
• Integración total en atención primaria: el personal médico de cabecera accederá a un “historial predictivo” generado por IA antes de que haya síntomas, como ya ocurre para ciertas patologías.
• IA colaborativa entre países para compartir datos anonimizados y mejorar modelos predictivos globales.

En resumen, la IA no es una varita mágica, pero sí una lupa que nos puede permitir ver antes, más lejos y con más detalle.

En la prevención del cáncer, ese tiempo ganado puede marcar la diferencia.

Sin embargo, es clave integrarla con cabeza y ética, y con profesionales supervisando paso a paso.

Laura Costas Caudet

Institut Català d’Oncologia / IDIBELL