Esta es la tercera característica de una serie de seis partes que está mirando cómo la IA está cambiando la investigación médica y los tratamientos.
El cáncer de ovario es raro, no tiene fondos suficientes y es mortal", dice Audra Moran, directora de la Ovarian Cancer Research Alliance (Ocra), una organización benéfica mundial con sede en Nueva York.
Como todos los cánceres, cuanto antes se detecta mejor.
La mayoría del cáncer de ovario comienza en las trompas de Falopio, por lo que para cuando llega a los ovarios, puede que ya se haya diseminado a otra parte también.
"Cinco años antes de tener un síntoma es cuando es posible que tengas que detectar cáncer de ovario, para afectar la mortalidad", dice la Sra. Moran.
Pero están surgiendo nuevos análisis de sangre que utilizan el poder de la inteligencia artificial (IA) para detectar signos del cáncer en sus etapas iniciales.
Y no es sólo cáncer, la IA también puede acelerar otros análisis de sangre para infecciones potencialmente mortales como la neumonía.
El Dr. Daniel Heller es ingeniero biomédico en Memorial Sloan Kettering Cancer Center en Nueva York.
Su equipo ha sido desarrollado una tecnología de prueba que utiliza nanotubos - diminutos tubos de carbono que son alrededor de 50.000 veces más pequeños que el diámetro de un cabello humano.
Hace unos 20 años, los científicos comenzaron a descubrir nanotubos que pueden emitir luz fluorescente.
En la última década, los investigadores aprendieron a cambiar las propiedades de estos nanotubos para responder a casi cualquier cosa en la sangre.
Ahora es posible poner millones de nanotubos en una muestra de sangre y hacer que emitan diferentes longitudes de onda de la luz en base a lo que se les pega.
Pero eso dejó la cuestión de interpretar la señal, que el Dr. Heller compara con encontrar una coincidencia para una huella digital.
En este caso la huella digital es un patrón de moléculas que se unen a los sensores, con diferentes sensibilidades y fortalezas de unión.
Pero los patrones son demasiado sutiles para que un humano los elija.
"Podemos mirar los datos y no le daremos ningún sentido", dice.
"Sólo podemos ver los patrones que son diferentes con la IA". Descodificar los datos del nanotubo significaba cargar los datos en un algoritmo de aprendizaje automático, y decirle al algoritmo qué muestras provenían de pacientes con cáncer de ovario, y cuáles de personas sin él.
Estos incluyeron sangre de personas con otras formas de cáncer, u otra enfermedad ginecológica que podría confundirse con cáncer de ovario.
Un gran reto en el uso de IA para desarrollar análisis de sangre para la investigación del cáncer de ovario es que es relativamente raro, lo que limita los datos para algoritmos de entrenamiento.
E incluso muchos de esos datos están silos en hospitales que los trataron, con un mínimo intercambio de datos para los investigadores.
El Dr. Heller describe el entrenamiento del algoritmo sobre los datos disponibles de sólo unos 100 pacientes como un "Ave María pase".
Pero dice que la IA fue capaz de obtener mejor precisión que los mejores biomarcadores de cáncer que están disponibles hoy en día - y ese fue sólo el primer intento.
El sistema está siendo sometido a nuevos estudios para ver si se puede mejorar utilizando conjuntos más grandes de sensores y muestras de muchos más pacientes.
Más datos pueden mejorar el algoritmo, al igual que los algoritmos para coches autoconductores pueden mejorar con más pruebas en la calle.
El Dr. Heller tiene grandes esperanzas en la tecnología.
"Lo que nos gustaría hacer es analizar todas las enfermedades ginecológicas - por lo que cuando alguien viene con una queja, podemos dar a los médicos una herramienta que rápidamente les dice que es más probable que sea un cáncer o no, o este cáncer que eso." Dr. Heller dice que esto puede ser "tres a cinco años" de distancia.
No es sólo la detección temprana para la que la IA es potencialmente útil, sino que también está acelerando otros análisis de sangre.
Para un paciente con cáncer, atrapar neumonía puede ser mortal y, como hay alrededor de 600 organismos diferentes que pueden causar neumonía, los médicos tienen que realizar múltiples pruebas para identificar la infección.
Pero nuevos tipos de análisis de sangre están simplificando y acelerando el proceso.
Karuis, con sede en California, utiliza inteligencia artificial (IA) para ayudar a identificar el patógeno de neumonía precisa en 24 horas, y seleccionar el antibiótico adecuado para ello.
Antes de nuestra prueba, un paciente con neumonía tendría de 15 a 20 pruebas diferentes para identificar su infección en su primera semana en el hospital - eso es cerca de $20,000 en pruebas, dice Karius director ejecutivo Alec Ford.
Karius tiene una base de datos de ADN microbiano que tiene decenas de miles de millones de puntos de datos.
Las muestras de prueba de los pacientes se pueden comparar con esa base de datos para identificar el patógeno exacto.
El Sr. Ford dice que eso habría sido imposible sin AI.
Un reto es que los investigadores no necesariamente entienden actualmente todas las conexiones que una IA puede hacer entre los biomarcadores de prueba y las enfermedades.
En los últimos dos años el Dr. Slav Petrovski ha desarrollado una plataforma de IA llamada Milton que, utilizando biomarcadores en los datos del biobanco del Reino Unido para identificar 120 enfermedades con una tasa de éxito de más del 90%.
Encontrar patrones en tal masa de datos es sólo algo que la IA puede hacer.
Estos son a menudo patrones complejos, donde puede que no haya un biomarcador, pero hay que tener en cuenta todo el patrón, dice el Dr. Petrovski, quien es investigador en el gigante farmacéutico AstraZeneca.
El Dr. Heller utiliza una técnica similar en su trabajo sobre el cáncer de ovario.
"Sabemos que el sensor se une y responde a proteínas y moléculas pequeñas en la sangre, pero no sabemos cuáles de las proteínas o moléculas son específicas del cáncer", dice.
En términos más generales, los datos, o la falta de ellos, siguen siendo un inconveniente.
"La gente no comparte sus datos, o no hay un mecanismo para hacerlo", dice la Sra. Moran.
Ocra está financiando un registro de pacientes a gran escala, con registros médicos electrónicos de pacientes que han permitido a los investigadores entrenar algoritmos en sus datos.
"Es temprano - todavía estamos en el salvaje oeste de AI ahora", dice la Sra. Moran.