Cada año el cáncer mata a más de 600,000 estadounidenses. En México, es la tercera causa de muerte y afecta a cientos de miles de familias que, como tantas otras en el mundo, han vivido la angustia de un diagnóstico devastador y la esperanza frágil de un tratamiento.
Por eso, cuando los directores ejecutivos de las grandes empresas tecnológicas prometen que su inteligencia artificial (IA) curará el cáncer en los próximos años, la noticia se recibe con alivio y entusiasmo.
El problema, argumenta la médica e investigadora Emilia Javorsky del Future of Life Institute en su ensayo “Como la inteligencia artificial puede y no puede curar el cáncer” (“How AI Can, and Can't, Cure Cancer”), es que esa promesa no está respaldada por un plan real. Y una promesa sin plan, escribe ella, es una mentira.
Javorsky habla desde la experiencia personal y profesional. Perdió a su padre por cáncer de esófago cuando comenzaba la escuela de medicina. Años después, al revisar las estadísticas de supervivencia para ese tipo de cáncer, el número que encontró era 21.9%, prácticamente igual al 20% que leyó con horror la primera vez. Catorce años de promesas tecnológicas y el número apenas se movió. Ese contraste entre el ruido del optimismo tecnológico y la inmovilidad brutal de las estadísticas es el punto de partida de su ensayo.
La seducción del genio artificial
Las grandes compañías tecnológicas están compitiendo para crear lo que llaman inteligencia artificial superinteligente, o ASI por sus siglas en inglés: sistemas que superen la capacidad cognitiva humana en prácticamente todos los ámbitos. La narrativa que venden es seductora: si logramos construir máquinas más inteligentes que cualquier científico, esas máquinas resolverán lo que los mejores investigadores no han podido en décadas.
Curar el cáncer se convierte así en la promesa insignia, el argumento emocional que justifica inversiones billonarias y que, de paso, protege a estas empresas de la crítica regulatoria. ¿Quién se atrevería a frenar una tecnología que podría salvar millones de vidas?
Javorsky desmonta este argumento con precisión. El problema no es que la IA carezca de valor en la medicina, sino que se está diagnosticando mal el problema. Asumir que la falta de curas para el cáncer se debe a insuficiente inteligencia es como asumir que los embotellamientos de la Ciudad de México se resolverían si los conductores fueran más listos. La inteligencia no es el cuello de botella. Lo son la infraestructura, los incentivos y las instituciones.
El cáncer no es un solo enemigo
Para entender por qué ninguna tecnología, por brillante que sea, puede ofrecer una cura universal para el cáncer, es fundamental comprender qué es realmente esta enfermedad. Y aquí la autora ofrece una de las explicaciones más iluminadoras del ensayo.
El cáncer no es una sola enfermedad. Es miles de enfermedades distintas, cada una con sus propios mecanismos moleculares, sus propias presiones evolutivas y su propio comportamiento. Incluso dentro de un mismo tumor, las células pueden tener mutaciones distintas y comportarse de manera diferente.
El cáncer no es un invasor externo que el cuerpo debe combatir; es una ruptura en los propios sistemas regulatorios del organismo. Y a diferencia de un virus o una bacteria, el cáncer evoluciona, desarrolla resistencia, encuentra caminos alternativos. Es un proceso adversarial en constante movimiento, no un problema estático que se resuelve de una vez.
Esto tiene una consecuencia directa para la IA: los sistemas funcionan excepcionalmente bien cuando tienen reglas claras y datos abundantes de alta calidad. El ajedrez tiene reglas precisas. El clima tiene décadas de mediciones estandarizadas. La biología humana no tiene ninguna de las dos cosas. No existen principios fundamentales que permitan predecir con certeza cómo responderá un cuerpo a un tratamiento, y los datos disponibles están fragmentados, son incompletos y con frecuencia poco confiables.
El cementerio tecnológico de la medicina
Javorsky documenta con detalle el historial de fracasos de Silicon Valley en el sector salud, y la lectura es reveladora. IBM invirtió cinco mil millones de dólares en Watson Health, un sistema de IA que prometía transformar la medicina. En 2022 lo vendió por partes, despedazado, sin haber generado ningún impacto real.
Google creó Calico con la misión explícita de resolver el envejecimiento y extender la vida humana. Doce años y miles de millones de dólares después, su principal candidato a medicamento fracasó en ensayos clínicos. Amazon, Berkshire Hathaway y JP Morgan unieron fuerzas para crear Haven, una empresa de salud que tenía todo el músculo corporativo del mundo. Colapsó en 2021.
El patrón se repite una y otra vez: empresas tecnológicas que entran a la medicina con la arrogancia de quien cree que puede reinventar un sistema que no comprende del todo, que subestiman la complejidad de los datos clínicos, los flujos de trabajo hospitalarios y las restricciones regulatorias, y que terminan aprendiendo la misma lección a un costo enorme.
En el campo específico del descubrimiento de fármacos mediante IA, el panorama es igualmente sobrio. Trece años después del inicio de ese movimiento, no existe un solo medicamento descubierto por IA que haya recorrido el camino completo hasta la aprobación regulatoria, la cobertura de seguros y la adopción clínica masiva.
Las moléculas que la IA descubre muestran buenos resultados en las primeras fases de prueba, pero esa ventaja desaparece en las etapas donde realmente importa: cuando hay que demostrar que el medicamento funciona en seres humanos.
El problema no es la inteligencia, son los datos
Una de las contribuciones más valiosas del ensayo es su explicación de las razones por las cuales la medicina carece de los datos que la IA necesita para ser verdaderamente transformadora.
Los casos de éxito más celebrados de la IA científica, como AlphaFold, que logró predecir la estructura de proteínas, fueron posibles gracias a décadas de datos cuidadosamente recopilados y estandarizados por la comunidad científica global. En meteorología, la IA también ha mostrado resultados impresionantes, apoyándose en cuarenta años de mediciones climáticas consistentes.
La medicina no tiene ese lujo. Los expedientes clínicos electrónicos, que son la principal fuente de datos para la IA médica, no fueron diseñados para capturar información biológica precisa. Fueron construidos para optimizar la facturación. La literatura científica biomédica, por su parte, sufre de una crisis de reproducibilidad alarmante: siete de cada diez investigadores reportan no poder replicar los hallazgos de sus colegas.
Cuando la IA se entrena con esos datos, no aprende la verdad biológica. Aprende los sesgos, los errores y las presiones institucionales que contaminan esa información.
La autora hace una comparación que pone todo en perspectiva: el UK Biobank, uno de los proyectos de datos médicos más exitosos del mundo que ha generado avances reales en diagnóstico y medicina de precisión, ha costado 413 millones de dólares en total. La inversión proyectada de la industria privada para construir ASI solo durante 2026 es de 540 mil millones de dólares. Si la IA fuera un billete de mil pesos, el UK Biobank equivaldría a 77 centavos. Y sin embargo, es el UK Biobank el que está empujando los avances de la medicina.
Los incentivos están desalineados
Quizás el argumento más contundente del ensayo es el que expone las fallas estructurales del sistema de salud que ninguna inteligencia, por más poderosa que sea, puede resolver por sí sola. El sistema de salud, especialmente el estadounidense pero con ecos reconocibles en muchos otros países, está construido sobre incentivos que sistemáticamente priorizan el negocio de la enfermedad sobre la lógica de la cura.
Las farmacéuticas tienen más incentivos económicos para desarrollar medicamentos que los pacientes tomen de por vida, que para desarrollar curas de una sola dosis. Los hospitales y médicos que cobran por cada procedimiento tienen incentivos para realizar más intervenciones, no necesariamente mejores.
Los reguladores son más castigados cuando aprueban un medicamento dañino que recompensados cuando empujan uno que salva vidas. Y las aseguradoras optimizan el rechazo de reclamaciones, no la mejoría en la salud de sus asegurados.
Javorsky ilustra esto con el caso de los antibióticos descubiertos por IA. La ciencia funcionó. Los modelos animales funcionaron. La necesidad clínica es urgente: la resistencia a los antibióticos mata más de un millón de personas al año en el mundo. Pero cinco años después de ser descubiertos, esos antibióticos siguen sin llegar a los pacientes porque son inherentemente poco rentables: deben usarse con moderación para no generar resistencia, lo que limita los ingresos. El problema no fue la IA. Fue el mercado.
Lo que la IA sí puede hacer, y lo que debemos exigir
El ensayo no es un llamado al pesimismo ni un rechazo de la IA en medicina. Al contrario, Javorsky es entusiasta respecto a lo que la IA ya está haciendo: ayudar a los cirujanos a identificar con mayor precisión los linderos de un tumor, predecir qué tratamientos funcionarán mejor para cada paciente, acelerar el descubrimiento de nuevos objetivos terapéuticos y mejorar la detección temprana del cáncer de mama mediante mamografías asistidas por IA.
Este trabajo real ocurre de forma dispersa en laboratorios académicos, “startups” y empresas farmacéuticas. No genera titulares tan grandiosos como la promesa de una ASI que todo lo resuelve, pero está generando resultados concretos.
Lo que la autora exige es honestidad y prioridades correctas. En lugar de apostar billones a la esperanza de una superinteligencia futura, deberíamos invertir en construir las bases que la IA necesita para ser realmente útil: grandes conjuntos de datos longitudinales de alta calidad, reforma de los marcos regulatorios para que se adapten a la medicina personalizada, realineación de los incentivos económicos para que curar sea más rentable que tratar crónicamente, y apoyo a los investigadores y empresas que están construyendo herramientas específicas para problemas concretos.
La conclusión de Javorsky es tan simple como urgente. Los pacientes con cáncer no pueden esperar a que lleguen los genios artificiales del futuro cuando las barreras reales que deben librarse para curarlos son sistemas humanos que podríamos reformar hoy, si tuviéramos la voluntad y el valor de hacerlo. La inteligencia no es el ingrediente que nos falta. Lo que nos falta es acción.
Precio de Bitcoin de hoy
Puede ver el precio de hoy de Bitcoin aquí, así como también el precio de hoy de Ethereum y de las principales criptomonedas.
Por Emilio Carrillo Peñafiel, abogado especializado en temas de financiamiento, tecnología y M&A.
Página web: https://mx.linkedin.com/in/transactionalmexico/es