{"id":340291,"date":"2026-01-14T13:20:08","date_gmt":"2026-01-14T13:20:08","guid":{"rendered":"https:\/\/www.europesays.com\/es\/340291\/"},"modified":"2026-01-14T13:20:08","modified_gmt":"2026-01-14T13:20:08","slug":"la-inteligencia-artificial-ofrece-un-mapa-para-mejorar-la-supervivencia-al-cancer-en-cada-pais","status":"publish","type":"post","link":"https:\/\/www.europesays.com\/es\/340291\/","title":{"rendered":"La inteligencia artificial ofrece un \u00abmapa\u00bb para mejorar la supervivencia al c\u00e1ncer en cada pa\u00eds"},"content":{"rendered":"

\"inteligencia<\/a><\/p>\n

Las desigualdades globales en el acceso al diagn\u00f3stico y al tratamiento del c\u00e1ncer contin\u00faan traduci\u00e9ndose en grandes diferencias de supervivencia entre pa\u00edses. Un nuevo estudio internacional ha utilizado t\u00e9cnicas avanzadas de inteligencia artificial (IA) y aprendizaje autom\u00e1tico explicable<\/strong> para identificar qu\u00e9 factores de los sistemas sanitarios nacionales influyen de forma m\u00e1s decisiva en la mortalidad por c\u00e1ncer, ofreciendo a los responsables pol\u00edticos una herramienta innovadora para priorizar inversiones y reformas con mayor impacto potencial.<\/p>\n

El trabajo, publicado en Annals of Oncology<\/a>, analiza la relaci\u00f3n entre incidencia y mortalidad por c\u00e1ncer \u2014conocida como raz\u00f3n mortalidad-incidencia (MIR, por sus siglas en ingl\u00e9s)\u2014 en 185 pa\u00edses<\/strong>, a partir de datos de GLOBOCAN 2022<\/strong> y de m\u00faltiples indicadores econ\u00f3micos, sanitarios y sociales procedentes de organismos internacionales. La MIR es un indicador ampliamente utilizado como aproximaci\u00f3n a la supervivencia oncol\u00f3gica a nivel poblacional: valores m\u00e1s bajos suelen reflejar diagn\u00f3sticos m\u00e1s precoces y un mejor acceso a tratamientos eficaces.<\/p>\n

Radiograf\u00eda global de los sistemas oncol\u00f3gicos<\/strong><\/p>\n

Para desarrollar el modelo de inteligencia artificial, los investigadores incorporaron variables<\/strong> como el producto interior bruto (PIB) per c\u00e1pita, el \u00edndice de cobertura sanitaria universal, el n\u00famero de centros de radioterapia por poblaci\u00f3n, el gasto sanitario total y de bolsillo, la densidad de profesionales sanitarios, la disponibilidad de servicios de anatom\u00eda patol\u00f3gica, el \u00cdndice de Desarrollo Humano y el \u00edndice de desigualdad de g\u00e9nero.<\/p>\n

Con esta informaci\u00f3n entrenaron un modelo de aprendizaje autom\u00e1tico <\/a>basado en CatBoost<\/strong>, un algoritmo de gradiente que permite manejar datos complejos y heterog\u00e9neos. El sistema se evalu\u00f3 mediante un exigente procedimiento de validaci\u00f3n cruzada, dejando fuera un pa\u00eds en cada iteraci\u00f3n para comprobar la capacidad real de predicci\u00f3n.<\/p>\n

Los resultados muestran un rendimiento muy elevado: el modelo explic\u00f3 m\u00e1s del 85% de la variabilidad observada en la MIR entre pa\u00edses <\/strong>(R\u00b2 = 0,852) y present\u00f3 una alta correlaci\u00f3n entre los valores previstos y los reales. Esta precisi\u00f3n permite no solo estimar resultados, sino tambi\u00e9n analizar con detalle qu\u00e9 factores est\u00e1n detr\u00e1s de esas diferencias, gracias al uso de metodolog\u00edas de interpretabilidad.<\/p>\n

Entender la inteligencia artificial para tomar decisiones<\/strong><\/p>\n

Uno de los elementos centrales del estudio es el uso de SHapley Additive exPlanations (SHAP), una t\u00e9cnica que descompone las predicciones del modelo y cuantifica la contribuci\u00f3n de cada variable<\/strong>. De este modo, la inteligencia artificial deja de ser una \u00abcaja negra\u00bb y se convierte en una herramienta comprensible para la planificaci\u00f3n sanitaria.<\/p>\n

El an\u00e1lisis global identific\u00f3 tres factores como los principales determinantes de los resultados oncol\u00f3gicos a nivel mundial. El PIB per c\u00e1pita <\/strong>fue el m\u00e1s influyente, con un 22,5% de la contribuci\u00f3n total, seguido por la disponibilidad de centros de radioterapia<\/strong> (15,4%) y el grado de cobertura sanitaria universal<\/strong> (12,9%). Estos resultados refuerzan la idea de que la fortaleza econ\u00f3mica, la infraestructura terap\u00e9utica y el acceso equitativo a los servicios de salud son pilares fundamentales para mejorar la supervivencia al c\u00e1ncer.<\/p>\n

Seg\u00fan explic\u00f3 Josep M. Borr\u00e0s<\/strong>, coordinador cient\u00edfico de la Estrategia en C\u00e1ncer del Sistema Nacional de Salud y catedr\u00e1tico de Medicina Preventiva y Salud P\u00fablica de la Universidad de Barcelona, en declaraciones a Science Media Centre, \u00abel art\u00edculo es un buen ejemplo de la aplicaci\u00f3n de t\u00e9cnicas de IA en planificaci\u00f3n de la oncolog\u00eda. Muestra una evaluaci\u00f3n de cu\u00e1les son los factores que pueden explicar la raz\u00f3n de mortalidad\/incidencia, una medida muy usada de resultados poblacionales, y desciende al nivel del pa\u00eds\u00bb.<\/p>\n

Palancas pol\u00edticas adaptadas a cada contexto<\/strong><\/p>\n

M\u00e1s all\u00e1 de los promedios globales, el estudio pone de manifiesto una gran heterogeneidad entre pa\u00edses<\/strong>. Los perfiles SHAP espec\u00edficos revelan que los factores que m\u00e1s penalizan los resultados oncol\u00f3gicos no son los mismos en todos los sistemas de salud. En algunos contextos, la principal limitaci\u00f3n 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.<\/p>\n

Esta aproximaci\u00f3n permite identificar palancas pol\u00edticas personalizadas<\/strong>, algo especialmente relevante para pa\u00edses con recursos limitados o con sistemas sanitarios en transformaci\u00f3n. Adem\u00e1s, los autores han desarrollado una herramienta web interactiva<\/strong> que ofrece informaci\u00f3n detallada para cada pa\u00eds, incluida Espa\u00f1a, con el objetivo de facilitar la toma de decisiones basada en evidencia.<\/p>\n

No obstante, los expertos subrayan la necesidad de interpretar los resultados que ha obtenido la inteligencia artificial con cautela. \u00abEl problema es que se basa en variables ecol\u00f3gicas, como reconocen los autores, y en un an\u00e1lisis transversal, por lo que atribuir causalidad a estos datos es incorrecto y solo pueden ser considerados indicativos\u00bb, advirti\u00f3 Borr\u00e0s.<\/p>\n

Lectura cr\u00edtica de los resultados<\/strong><\/p>\n

Otra de las limitaciones se\u00f1aladas es la disponibilidad de indicadores. \u00abLas variables seleccionadas son bien conocidas internacionalmente y est\u00e1n producidas por organismos como la IARC, la OMS o la AIEA, pero son las disponibles, no las que se desear\u00eda, y este es un problema relevante\u00bb, explic\u00f3 el experto. La ausencia de informaci\u00f3n m\u00e1s detallada<\/strong> sobre infraestructuras, recursos humanos o calidad asistencial puede influir en el peso atribuido a determinados factores.<\/p>\n

En el caso de Espa\u00f1a, por ejemplo, Borr\u00e0s apunt\u00f3 que \u00abel peso que tienen los recursos de radioterapia podr\u00eda deberse a la ausencia de otras variables de infraestructuras o de profesionales\u00bb. Aun as\u00ed, considera que este hallazgo refuerza las pol\u00edticas ya en marcha<\/strong>: \u00abEste indicador y su peso en nuestro pa\u00eds refuerza la pol\u00edtica de actualizaci\u00f3n y ampliaci\u00f3n de los equipos de oncolog\u00eda radioter\u00e1pica gracias a la donaci\u00f3n de la Fundaci\u00f3n Amancio Ortega y al uso de fondos del programa de resiliencia europea\u00bb.<\/p>\n

Una de las conclusiones m\u00e1s relevantes del estudio es que incrementar el gasto sanitario total no es suficiente<\/strong> si no va acompa\u00f1ado de una asignaci\u00f3n estrat\u00e9gica de los recursos. La expansi\u00f3n de la radioterapia y el avance hacia una cobertura sanitaria universal emergen como palancas recurrentes para mejorar los resultados en c\u00e1ncer en distintos contextos.<\/p>\n

Aunque los autores reconocen que su enfoque no establece relaciones causales, sostienen que los perfiles generados por el modelo ofrecen hip\u00f3tesis s\u00f3lidas y accionables<\/strong> para orientar futuras evaluaciones prospectivas. En un escenario de creciente carga global de c\u00e1ncer, la combinaci\u00f3n de datos, IA explicable y an\u00e1lisis cr\u00edtico puede convertirse en una herramienta clave para avanzar hacia sistemas oncol\u00f3gicos m\u00e1s equitativos y eficaces.<\/p>\n

Tambi\u00e9n te puede interesar\u2026<\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"Las desigualdades globales en el acceso al diagn\u00f3stico y al tratamiento del c\u00e1ncer contin\u00faan traduci\u00e9ndose en grandes diferencias…\n","protected":false},"author":2,"featured_media":340292,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[42],"tags":[17,18,13,14,11,61,62,63,64,19,20,9,10,15,16,12,21,22,65,66,67],"class_list":{"0":"post-340291","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-internacional","8":"tag-breaking-news","9":"tag-breakingnews","10":"tag-featured-news","11":"tag-featurednews","12":"tag-headlines","13":"tag-internacional","14":"tag-international","15":"tag-international-news","16":"tag-internationalnews","17":"tag-latest-news","18":"tag-latestnews","19":"tag-news","20":"tag-noticias","21":"tag-noticias-destacadas","22":"tag-noticiasdestacadas","23":"tag-titulares","24":"tag-ultimas-noticias","25":"tag-ultimasnoticias","26":"tag-world","27":"tag-world-news","28":"tag-worldnews"},"share_on_mastodon":{"url":"https:\/\/pubeurope.com\/@es\/115893660964928819","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/posts\/340291","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/comments?post=340291"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/posts\/340291\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/media\/340292"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/media?parent=340291"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/categories?post=340291"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/tags?post=340291"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}