Las desigualdades globales en el acceso al diagnóstico y al tratamiento del cáncer continúan traduciéndose en grandes diferencias de supervivencia entre países. Un nuevo estudio internacional ha utilizado técnicas avanzadas de inteligencia artificial (IA) y aprendizaje automático explicable para identificar qué factores de los sistemas sanitarios nacionales influyen de forma más decisiva en la mortalidad por cáncer, ofreciendo a los responsables políticos una herramienta innovadora para priorizar inversiones y reformas con mayor impacto potencial.
El trabajo, publicado en Annals of Oncology, analiza la relación entre incidencia y mortalidad por cáncer —conocida como razón mortalidad-incidencia (MIR, por sus siglas en inglés)— en 185 países, a partir de datos de GLOBOCAN 2022 y de múltiples indicadores económicos, sanitarios y sociales procedentes de organismos internacionales. La MIR es un indicador ampliamente utilizado como aproximación a la supervivencia oncológica a nivel poblacional: valores más bajos suelen reflejar diagnósticos más precoces y un mejor acceso a tratamientos eficaces.
Radiografía global de los sistemas oncológicos
Para desarrollar el modelo de inteligencia artificial, los investigadores incorporaron variables como el producto interior bruto (PIB) per cápita, el índice de cobertura sanitaria universal, el número de centros de radioterapia por población, el gasto sanitario total y de bolsillo, la densidad de profesionales sanitarios, la disponibilidad de servicios de anatomía patológica, el Índice de Desarrollo Humano y el índice de desigualdad de género.
Con esta información entrenaron un modelo de aprendizaje automático basado en CatBoost, un algoritmo de gradiente que permite manejar datos complejos y heterogéneos. El sistema se evaluó mediante un exigente procedimiento de validación cruzada, dejando fuera un país en cada iteración para comprobar la capacidad real de predicción.
Los resultados muestran un rendimiento muy elevado: el modelo explicó más del 85% de la variabilidad observada en la MIR entre países (R² = 0,852) y presentó una alta correlación entre los valores previstos y los reales. Esta precisión permite no solo estimar resultados, sino también analizar con detalle qué factores están detrás de esas diferencias, gracias al uso de metodologías de interpretabilidad.
Entender la inteligencia artificial para tomar decisiones
Uno de los elementos centrales del estudio es el uso de SHapley Additive exPlanations (SHAP), una técnica que descompone las predicciones del modelo y cuantifica la contribución de cada variable. De este modo, la inteligencia artificial deja de ser una «caja negra» y se convierte en una herramienta comprensible para la planificación sanitaria.
El análisis global identificó tres factores como los principales determinantes de los resultados oncológicos a nivel mundial. El PIB per cápita fue el más influyente, con un 22,5% de la contribución total, seguido por la disponibilidad de centros de radioterapia (15,4%) y el grado de cobertura sanitaria universal (12,9%). Estos resultados refuerzan la idea de que la fortaleza económica, la infraestructura terapéutica y el acceso equitativo a los servicios de salud son pilares fundamentales para mejorar la supervivencia al cáncer.
Según explicó Josep M. Borràs, coordinador científico de la Estrategia en Cáncer del Sistema Nacional de Salud y catedrático de Medicina Preventiva y Salud Pública de la Universidad de Barcelona, en declaraciones a Science Media Centre, «el artículo es un buen ejemplo de la aplicación de técnicas de IA en planificación de la oncología. Muestra una evaluación de cuáles son los factores que pueden explicar la razón de mortalidad/incidencia, una medida muy usada de resultados poblacionales, y desciende al nivel del país».
Palancas políticas adaptadas a cada contexto
Más allá de los promedios globales, el estudio pone de manifiesto una gran heterogeneidad entre países. Los perfiles SHAP específicos revelan que los factores que más penalizan los resultados oncológicos no son los mismos en todos los sistemas de salud. En algunos contextos, la principal limitación es la falta de infraestructura, especialmente de radioterapia; en otros, el problema se concentra en una cobertura sanitaria insuficiente o en una elevada carga financiera directa para los pacientes.
Esta aproximación permite identificar palancas políticas personalizadas, algo especialmente relevante para países con recursos limitados o con sistemas sanitarios en transformación. Además, los autores han desarrollado una herramienta web interactiva que ofrece información detallada para cada país, incluida España, con el objetivo de facilitar la toma de decisiones basada en evidencia.
No obstante, los expertos subrayan la necesidad de interpretar los resultados que ha obtenido la inteligencia artificial con cautela. «El problema es que se basa en variables ecológicas, como reconocen los autores, y en un análisis transversal, por lo que atribuir causalidad a estos datos es incorrecto y solo pueden ser considerados indicativos», advirtió Borràs.
Lectura crítica de los resultados
Otra de las limitaciones señaladas es la disponibilidad de indicadores. «Las variables seleccionadas son bien conocidas internacionalmente y están producidas por organismos como la IARC, la OMS o la AIEA, pero son las disponibles, no las que se desearía, y este es un problema relevante», explicó el experto. La ausencia de información más detallada sobre infraestructuras, recursos humanos o calidad asistencial puede influir en el peso atribuido a determinados factores.
En el caso de España, por ejemplo, Borràs apuntó que «el peso que tienen los recursos de radioterapia podría deberse a la ausencia de otras variables de infraestructuras o de profesionales». Aun así, considera que este hallazgo refuerza las políticas ya en marcha: «Este indicador y su peso en nuestro país refuerza la política de actualización y ampliación de los equipos de oncología radioterápica gracias a la donación de la Fundación Amancio Ortega y al uso de fondos del programa de resiliencia europea».
Una de las conclusiones más relevantes del estudio es que incrementar el gasto sanitario total no es suficiente si no va acompañado de una asignación estratégica de los recursos. La expansión de la radioterapia y el avance hacia una cobertura sanitaria universal emergen como palancas recurrentes para mejorar los resultados en cáncer en distintos contextos.
Aunque los autores reconocen que su enfoque no establece relaciones causales, sostienen que los perfiles generados por el modelo ofrecen hipótesis sólidas y accionables para orientar futuras evaluaciones prospectivas. En un escenario de creciente carga global de cáncer, la combinación de datos, IA explicable y análisis crítico puede convertirse en una herramienta clave para avanzar hacia sistemas oncológicos más equitativos y eficaces.
También te puede interesar…