La lucha contra las enfermedades oncológicas en la región latinoamericana ha dado un giro trascendental gracias a la integración de sistemas computacionales avanzados que permiten una vigilancia mucho más rigurosa y personalizada de los pacientes. En un escenario donde el cáncer se mantiene como una de las principales causas de mortalidad en Chile, con aproximadamente sesenta mil diagnósticos nuevos registrados anualmente, la necesidad de herramientas de precisión se ha vuelto una prioridad absoluta para los sistemas de salud pública. Este panorama motivó el desarrollo de un repositorio sin precedentes que centraliza imágenes médicas de alta calidad para entrenar algoritmos de inteligencia artificial. Tradicionalmente, el seguimiento de la respuesta al tratamiento ha dependido de procesos manuales que consumen tiempo valioso y presentan una variabilidad considerable. Al implementar esta nueva base de datos, los profesionales médicos ahora cuentan con una referencia estandarizada que promete transformar el diagnóstico y la evolución clínica de los tumores sólidos, optimizando la capacidad de respuesta frente a esta compleja patología.
Una Alianza InterdisciplinariInnovación en la Medicina Chilena
La creación de este recurso tecnológico es el resultado de un esfuerzo conjunto entre investigadores de la Universidad de Chile y la Universidad de Concepción, quienes han logrado consolidar un repositorio de acceso abierto altamente especializado. Este proyecto interdisciplinario ha involucrado a científicos de la computación, ingenieros de datos y destacados radiólogos del Hospital Clínico de la Universidad de Chile, bajo el marco de una metodología publicada en la revista Scientific Data. La sinergia entre estas instituciones permitió que el conjunto de datos no se limite a una simple acumulación de archivos digitales, sino que constituya un ecosistema validado clínicamente. Al integrar el conocimiento del SCIAN-Lab y el Centro de Informática Médica y Telemedicina, se ha conseguido una herramienta pedagógica que facilita el aprendizaje de futuros especialistas. Este hito subraya la importancia de la colaboración académica para resolver problemas críticos que afectan directamente la eficiencia hospitalaria y la precisión de los tratamientos oncológicos modernos.
La estructura técnica de la base de datos se distingue por su profundidad y por la rigurosidad en la aplicación del protocolo internacional RECIST 1.1, utilizado para evaluar la respuesta tumoral. El repositorio contiene más de mil doscientas lesiones segmentadas con precisión milimétrica, extraídas de tomografías computarizadas pertenecientes a pacientes que han recibido atención en centros de alta complejidad. A diferencia de otros conjuntos de datos disponibles a nivel mundial que se centran en un único órgano o tipo de tumor, este proyecto abarca una diversidad notable de lesiones primarias y metástasis localizadas en diferentes regiones del cuerpo. El aspecto más innovador radica en su carácter longitudinal, lo que significa que los algoritmos pueden aprender de la evolución temporal de la enfermedad. Esta capacidad de observar cómo cambia un tumor a lo largo de varios meses de tratamiento es fundamental para que la inteligencia artificial pueda predecir con mayor exactitud si una terapia específica está siendo efectiva o si se requiere un ajuste urgente.
Mitigación del Sesgo: Representatividad del Hemisferio Sur
Uno de los pilares fundamentales de esta iniciativa es la búsqueda de una soberanía tecnológica que permita reducir la dependencia de modelos desarrollados exclusivamente con datos de poblaciones del hemisferio norte. Históricamente, la inteligencia artificial aplicada a la medicina ha sufrido de un sesgo geográfico, ya que la mayoría de los algoritmos se entrenan con perfiles genéticos y clínicos de Europa o Estados Unidos. Al generar una base de datos con información local, se garantiza que las herramientas digitales respondan a las particularidades biológicas y ambientales de la población chilena. Este enfoque no solo mejora la precisión diagnóstica, sino que también asegura que las innovaciones tecnológicas sean equitativas y pertinentes para la realidad regional. Los investigadores han enfatizado que disponer de datos propios es esencial para evitar errores de interpretación que podrían surgir al aplicar modelos extranjeros en contextos demográficos distintos, fortaleciendo así la confianza en los sistemas automatizados.
La utilidad práctica de este repositorio ya se ha materializado mediante la validación exitosa de modelos de segmentación de última generación, alcanzando niveles de madurez tecnológica significativos para su implementación. Herramientas avanzadas han sido puestas a prueba utilizando estas imágenes, demostrando una capacidad sobresaliente para identificar contornos tumorales de forma consistente y objetiva. El uso de estas aplicaciones en el entorno hospitalario reduce drásticamente el agotamiento de los especialistas, quienes deben revisar cientos de cortes tomográficos para cada paciente. Al automatizar las mediciones y comparaciones entre estudios sucesivos, la inteligencia artificial permite que el radiólogo se concentre en la toma de decisiones críticas y en el análisis cualitativo de la enfermedad. Esta transición hacia un modelo asistido por computadora representa una validación de los esfuerzos de investigación aplicados, donde la teoría científica se transforma en una solución tangible que agiliza el flujo de trabajo en las unidades de oncología.
Desafíos de Procesamiento: Hacia una Red Latinoamericana
A pesar de los logros alcanzados, el proceso de curaduría de estos datos ha revelado la inmensa complejidad que implica la preparación de información médica para su uso en inteligencia artificial. El proceso de anotación manual, donde especialistas del más alto nivel deben delinear cada lesión en múltiples planos, demanda miles de horas de trabajo exhaustivo y una concentración absoluta. Esta tarea es el cuello de botella más crítico en la creación de tecnología médica, ya que la calidad del algoritmo depende directamente de la exactitud de las etiquetas proporcionadas por los expertos humanos. El equipo de investigación ha destacado que la escasez de este tipo de datos bien estructurados ha sido la principal barrera para el avance de la radiología digital en la región. Por ello, la publicación de este trabajo no solo ofrece un producto terminado, sino que establece un estándar metodológico para futuros proyectos que busquen transformar la vasta cantidad de información clínica disponible en conocimiento útil y procesable.
El camino recorrido ha permitido establecer una base sólida que ahora se proyecta hacia la creación de una red de colaboración multicéntrica en toda Latinoamérica. Se fomentó la adopción de protocolos abiertos que permitieran a otras instituciones regionales integrar sus propios datos, creando así un repositorio continental que refleje la diversidad biológica de la región. Los investigadores concluyeron que la implementación de estas herramientas debe acompañarse de una capacitación continua del personal sanitario y de un marco ético robusto que proteja la privacidad de los pacientes. Al finalizar esta etapa inicial, se definieron los pasos necesarios para que la inteligencia artificial se consolide como un estándar en el seguimiento oncológico, facilitando el acceso a diagnósticos de alta precisión sin importar la ubicación geográfica del centro médico. Esta visión estratégica transformó la gestión de datos complejos en una infraestructura de esperanza, sentando las bases para una medicina más justa, eficiente y profundamente conectada.
