Optimización de la reutilización de medicamentos oncológicos mediante inteligencia artificial fiable

Aunque la demanda de tratamientos contra el cáncer sigue en aumento, se evidencia que muchos productos biológicos actuales no se aprovechan completamente. La reutilización de fármacos permite acelerar el acceso a nuevas indicaciones sin pasar por el extenso proceso tradicional de desarrollo y aprobación, beneficiando a más pacientes. Sin embargo, identificar estas nuevas aplicaciones requiere integrar datos variados y dispersos, tarea para la cual la inteligencia artificial (IA) parece idónea. No obstante, los modelos de IA identifican patrones pero no siempre establecen conexiones firmes ni discriminan correctamente causalidad de correlación. Por tanto, la clave es entrenar modelos en los que se pueda confiar. En oncología, el problema no es la cantidad de datos, sino su fragmentación y calidad: contamos con perfiles genómicos, interacciones fármaco-blanco, vías biológicas y resultados clínicos, entre otros. Pero una mayor cantidad no garantiza mejores modelos si los datos base son inconsistentes, generando conclusiones poco fiables que la IA no puede validar ni corregir. Para obtener insights sólidos, es fundamental alimentar los sistemas con datos estructurados, normalizados y enriquecidos mediante gráficos de conocimiento que reflejen relaciones causales entre genes, variantes, vías metabólicas y enfermedades. Esto requiere curación manual experta, filtrando y ordenando la información para construir una base de datos robusta. Así, la IA puede descubrir realmente el potencial oculto de medicamentos biológicos existentes, facilitando la identificación de nuevas indicaciones terapéuticas.