Inteligencia Artificial y biomedicina, una nueva herramienta contra el cáncer de ovario


Un equipo de investigación de la Universidad Nacional de San Luis (UNSL) propone el uso de Grafos de Conocimiento basados en Evidencia (E-KGs) e Inteligencia Artificial con supervisión humana. El avance busca que los modelos computacionales brinden respuestas trazables, confiables y fundamentadas en literatura científica para responder a problemas complejos de salud.

En un contexto donde la Inteligencia Artificial (IA) permea cada vez más aspectos de la vida cotidiana, uno de los mayores desafíos radica en garantizar la veracidad e interpretabilidad de sus respuestas. Frente a este reto, investigadores del Laboratorio de Investigación y Desarrollo de Inteligencia Computacional (LIDIC) de la Facultad de Ciencias Físico Matemáticas y Naturales (FCFMyN) han logrado un avance significativo, vinculado al desarrollo de una metodología que combina Grandes Modelos de Lenguaje (LLMs) con conocimiento experto y evidencia científica para abordar el fenómeno de la resistencia en el cáncer de ovario.

El trabajo forma parte de la tesis doctoral del Licenciado en Ciencias de la Computación, Horacio Thompson, bajo la supervisión del Dr. Marcelo Errecalde, en colaboración con laboratorios locales e internacionales.

El cáncer de ovario representa la tercera neoplasia ginecológica más frecuente y una de las más mortales a nivel mundial. Su diagnóstico tardío, junto con la alta tasa de recurrencia y el desarrollo de resistencia a las quimioterapias tradicionales (como las basadas en platino), lo convierte en un desafío biomédico prioritario.

Para abordar esta problemática, la investigación propone la creación de un Grafo de Conocimiento basado en Evidencia (E-KG). A partir del análisis de múltiples artículos científicos publicados en PubMed, el equipo logró construir una red estructurada que vincula conceptos clínicos, moleculares y farmacológicos. «Recopilamos información de miles de publicaciones científicas y la organizamos en una estructura que permite representar relaciones entre conceptos biomédicos y vincularlas explícitamente con las fuentes científicas que las respaldan, permitiendo la trazabilidad del conocimiento extraído (…) A diferencia de las respuestas genéricas que suele dar un modelo de IA, esta estructura permite asociar cada relación de conceptos explícitamente con las fuentes científicas que las respaldan, garantizando una trazabilidad total del conocimiento», explica Thompson.

Cooperación interdisciplinaria. El proyecto nació en 2024 a partir de la colaboración entre el LIDIC y el Laboratorio de Biología de la Reproducción (LaBiR) de la Facultad de Química, Bioquímica y Farmacia (FQByF) de la UNSL, a través de las investigadoras Dra. Marilina Casais y Dra. Rocío Conforti. Esta articulación dio paso a una estancia de posgrado en el Departamento de Patología de la Universidad McGill (Canadá), bajo la supervisión del Dr. Carlos Telleria, experto en el estudio del cáncer de ovario. También participó el Dr. Sebastián Andujar de la FQByF.

Un pilar central de la investigación es el enfoque Human-in-the-Loop (humano en el ciclo), el cual prioriza el juicio de los profesionales por encima de la autonomía total de las máquinas. Los/as expertos/as participaron activamente en la validación del E-KG, evaluando su coherencia y plausibilidad biológica. Asimismo, la infraestructura tecnológica fue desarrollada en entornos locales, asegurando la soberanía de los datos y evitando la dependencia de plataformas externas, un factor crucial al trabajar con información de salud sensible.

Los resultados de este estudio no solo permitieron obtener el primer E-KG especializado en resistencia al cáncer de ovario, sino que demostraron mejoras sustanciales en la calidad de razonamiento de los modelos de IA. En un caso de estudio enfocado en mitigar la resistencia al cisplatino y prevenir la metástasis, el modelo propuso una hipótesis viable: el uso de posibles microARNs supresores tumorales encapsulados en nanopartículas combinados con compuestos sensibilizadores. El sistema formuló esta propuesta razonando de manera analítica y conservadora, basándose estrictamente en la evidencia científica disponible.

Aporte social. Más allá de su aplicación específica en oncología, este desarrollo plantea una reflexión profunda sobre la relación de la sociedad con la tecnología. «Los modelos de IA son cada vez más convincentes, lo que puede llevar a las personas a confiar en sus respuestas sin cuestionarlas. Sin embargo, en áreas como la salud, una respuesta incorrecta pero convincente puede tener consecuencias graves», advierte Horacio.

El marco metodológico desarrollado en la UNSL sienta un precedente para extender este tipo de arquitecturas computacionales a otros campos complejos donde la fundamentación científica y la supervisión humana resulten indispensables. «En este proyecto interdisciplinario trabajamos combinando conocimientos de IA y Biomedicina, dando lugar a una publicación científica en una revista de alto impacto (…) Nuestro objetivo no es delegar las decisiones a la IA, sino construir herramientas que nos permitan auditarla, cuestionarla y utilizarla de manera más crítica, consciente y responsable», concluyó.

Artículo científico: Thompson, H.; Conforti, R.A.; Andujar, S.A.; Casais, M.; Telleria, C.M.; Errecalde, M.L. An Evidence-Based Knowledge Graph Framework with Large Language Models and Human-inthe-Loop for Ovarian Cancer Resistance. Mach. Learn. Knowl. Extr. 2026, 8, 321. https://doi.org/10.3390/make8100321

Fotos: gentileza Lic. Horacio Thompson

X