Esta plataforma de recomendación asistida por inteligencia artificial (IA) estará dirigida a profesionales médicos de la red de salud y permitirá apoyar decisiones clínicas asociadas al diagnóstico, tratamiento y pronóstico del cáncer biliar. La iniciativa forma parte de los 21 proyectos seleccionados a nivel nacional, entre más de 400 postulaciones presentadas al concurso FONIS 2025.
Por María José Aragonés G. | Periodista Dirección General de Investigación, Innovación y Emprendimiento USM.
En Chile, el cáncer de vesícula biliar constituye una de las enfermedades más letales y con mayor impacto en la salud pública. El país presenta la tasa de incidencia más alta del mundo, con 9,7 casos por cada 100.000 habitantes, junto a una tasa de mortalidad que alcanza los 7,8 fallecimientos por cada 100.000 personas, según datos epidemiológicos nacionales.
Frente a este complejo escenario, un equipo de investigadores de la Universidad Técnica Federico Santa María (USM), encabezado por Werner Kristjanpoller, académico del Departamento de Industrias, impulsa una iniciativa pionera financiada por la Agencia Nacional de Investigación y Desarrollo (ANID), a través del Fondo Nacional de Investigación y Desarrollo en Salud (FONIS) 2025. El proyecto contempla el desarrollo de un sistema de recomendación clínica basado en inteligencia artificial, diseñado para apoyar la toma de decisiones médicas en casos de cáncer biliar, incorporando datos específicos de la población chilena.
“Buscamos desarrollar un sistema de recomendación asistido por inteligencia artificial que permita entregar recomendaciones precisas, tempranas y personalizadas sobre el cáncer biliar, basado en técnicas avanzadas de machine learning y transfer learning, y que sirva como herramienta de apoyo para los profesionales de la salud en la toma de decisiones clínicas”, explica Kristjanpoller.
La plataforma permitirá a los equipos médicos ingresar determinados parámetros clínicos de los pacientes y recibir información predictiva y recomendaciones que complementen el análisis profesional frente a un posible diagnóstico de cáncer de vesícula biliar. En este sentido, el proyecto se estructura en dos grandes ejes de trabajo. El primero apunta a la identificación del riesgo, mediante modelos predictivos que permitirían estimar la probabilidad de desarrollar este tipo de cáncer. El segundo eje, una vez confirmado el diagnóstico, entrega al profesional médico información adicional para orientar alternativas de tratamiento, intervenciones quirúrgicas y pronósticos asociados a cada caso.
“Imaginamos un soporte clínico en tiempo real que facilite la planificación de tratamientos personalizados para pacientes con cáncer de vesícula biliar. Nuestra hipótesis es que el conocimiento obtenido a partir del análisis de grandes volúmenes de datos internacionales, customizado mediante técnicas de transfer learning, puede mejorar sustancialmente la precisión de las recomendaciones clínicas y del pronóstico de sobrevivencia del paciente”, recalca el académico.
Personalización con datos nacionales
Si bien este tipo de sistemas ya ha sido desarrollado en otros contextos médicos, generalmente se basa en modelos universales entrenados con datos internacionales y luego reentrenados con información doméstica. Una de las principales innovaciones de esta iniciativa es la adaptación del sistema a la realidad nacional, incorporando progresivamente información clínica de población chilena asociada al cáncer biliar.
Este proceso, sin embargo, presenta desafíos relevantes: “En Chile existe una limitada disponibilidad de datos confiables y estandarizados sobre esta enfermedad, por lo que el desarrollo inicial del modelo se realizará utilizando bases de datos generales, para luego ajustarlo e incorporar variables específicas del contexto nacional”, explica Kristjanpoller.
En este marco, el uso de transfer learning resulta clave: “El sistema se basa en que los patrones aprendidos a partir de otras cohortes pueden ser aplicables a problemáticas similares, incluso cuando los datos locales son escasos. Esta metodología permite optimizar el entrenamiento inicial del modelo y, posteriormente, personalizarlo a la realidad chilena”, añade.
Trabajo colaborativo y validación clínica
Todo este trabajo de investigación aplicada en salud partió hace más de dos años, entre el profesor Kristjanpoller y el médico Eduardo Vega, director alterno del proyecto, quien tiene una vasta experiencia académica y clínica tanto en Chile como en el extranjero. Actualmente, el Dr. Vega se desempeña en el Boston Medical Center, en Estados Unidos como cirujano hepatobiliopancreatico y de oncología digestiva, con un fuerte foco en cánceres hepatobiliares, en particular cáncer de vesícula biliar.
Al respecto, el Dr. Vega explica el aporte de esta investigación en el contexto actual: “Creemos que este proyecto nos permite avanzar hacia una herramienta de apoyo a la decisión clínica que sea objetiva, transparente y adaptada a la realidad chilena, ayudando a los equipos de salud a tomar decisiones más informadas y oportunas. En la práctica clínica, muchas decisiones aún se basan en sistemas tradicionales de clasificación que no logran capturar toda la complejidad real de los pacientes, particularmente en enfermedades poco frecuentes, pero altamente letales. El uso de modelos de aprendizaje automático permite integrar simultáneamente variables clínicas, patológicas y demográficas, identificando patrones que no son evidentes con métodos convencionales”.
Asimismo, una de las instituciones con las cuales se ha trabajado y será estratégica en el proyecto —y clave para la etapa de validación clínica de la herramienta— es el Hospital Naval Almirante Nef de Viña del Mar. El equipo de trabajo está conformado por especialistas de distintas disciplinas: desde la perspectiva oncológica, participan el Dr. Leonardo Caimi y Dr. Jaime Cubillos; mientras que, desde el ámbito de la ingeniería, colaboran los ingenieros Francisco Miño en tecnología y Juan Pablo Trejos en la parte informática, fortaleciendo el enfoque interdisciplinario del proyecto.
