Una de las principales causas de muerte en las mujeres en el mundo es el cáncer de mamas, de hecho, según la Organización Panamericana de la Salud, OPS, cada año se detectan más de 220 mil nuevos casos sólo en Latinoamérica y el Caribe, y alrededor de 60 mil, mueren por esta razón, la mitad de ellas antes de cumplir 65 años. En este escenario, la pregunta que se hizo un equipo multidisciplinario mexicano es más que relevante: ¿Podemos encontrar "huellas biológicas" del cáncer de mama en una muestra de sangre y usarlas para identificar a mujeres con riesgo de desarrollar la enfermedad antes de que aparezcan síntomas o signos evidentes?
El cáncer de mama es uno de los principales desafíos de salud pública en América Latina Detectarlo a tiempo puede marcar la diferencia entre un tratamiento exitoso y un diagnóstico tardío. Sin embargo, muchas mujeres en América Latina enfrentan barreras de acceso a exámenes especializados, especialmente en zonas con menos recursos. Con este desafío en mente, un equipo de investigadores del Hospital Regional de Alta Especialidad de Ixtapaluca y la Facultad de Medicina de México decidió buscar una alternativa más rápida, accesible y asequible para identificar el riesgo de cáncer de mama.
La iniciativa fue una de las cinco seleccionadas para participar en el programa Early Adopters BIO+IA, que, impulsado por RedCLARA en el marco de BELLA II, busca acercar capacidades avanzadas de inteligencia artificial y bioinformática a equipos científicos de América Latina y el Caribe.
Un desafío científico con impacto social
El objetivo del proyecto es desarrollar un sistema que ayude a identificar el riesgo de cáncer de mama a partir de señales biológicas presentes en la sangre. Para ello, los investigadores estudian unas diminutas partículas llamadas vesículas extracelulares, que son liberadas por las células y contienen información sobre lo que ocurre dentro del organismo.
La idea de los expertos mexicanos es encontrar patrones o "huellas moleculares" que permitan detectar señales asociadas al cáncer incluso antes de que aparezcan síntomas evidentes. En el futuro, esto podría facilitar que más mujeres sean derivadas tempranamente a exámenes especializados y reciban atención oportuna. Para ello, los investigadores combinaron biología molecular, análisis proteómico, bioinformática y modelos de inteligencia artificial con el objetivo de descubrir biomarcadores capaces de convertirse en la base de un futuro "Score de Riesgo Molecular" para apoyar la toma de decisiones clínicas.
El valor potencial de esta propuesta es particularmente relevante para poblaciones vulnerables y zonas con infraestructura sanitaria limitada, donde el acceso a las tecnologías de diagnóstico especializado suele ser más restringido.
El aporte del programa Early Adopters BIO+IA
La participación en Early Adopters BIO+IA permitió al equipo acceder a un entorno regional de experimentación diseñado para acelerar procesos de investigación mediante el uso de inteligencia artificial aplicada a la bioinformática. El programa ofreció formación especializada, acompañamiento técnico y acceso al testbed de Bioinformática e Inteligencia Artificial de BELLA II durante ocho semanas de trabajo intensivo.
Según la doctora Mónica Sierra Martínez, coordinadora del proyecto: “Decidimos postular al programa Early Adopters porque nuestra propuesta busca desarrollar un sistema de tamizaje molecular rápido y de bajo costo para identificar el riesgo de cáncer de mama en mujeres vulnerables. Lo verdaderamente valioso de este testbed para nuestro equipo fue la oportunidad de integrar herramientas bioinformáticas y modelos de Inteligencia Artificial para procesar grandes volúmenes de datos genómicos de manera masiva. Contar con este soporte técnico fue una pieza clave para la consecución de nuestros objetivos, ya que nos permitió construir modelos predictivos capaces de identificar firmas moleculares y biomarcadores (miRNAs y proteínas) contenidos en vesículas extracelulares polidispersas del cáncer de mama, así como un segundo cáncer que ensayamos (cáncer de próstata) de manera mucho más eficiente”.
La experiencia también representó un punto de inflexión para el equipo -conformado por la Dra. Sierra y la M en C. Vanessa Iglesias Vázquez, la Mtra. Nancy Gertrudiz, el Dr. Santiago González Rubén y el Dr. Francisco Sierra López- al introducir nuevas metodologías basadas en minería masiva de literatura científica, automatización de consultas complejas y modelado de redes biológicas mediante inteligencia artificial.
“Para nuestro grupo de trabajo, lo más importante de acceder al uso de este testbed fue la democratización del conocimiento y la apertura de un nuevo panorama metodológico. Al ser para la mayoría de nosotros nuestro primer acercamiento directo al modelado de ligandos y predicciones in silico mediante IA, la plataforma nos brindó la infraestructura y el acompañamiento técnico necesarios para realizar minería masiva de literatura científica y automatizar consultas lógicas. Esto nos demostró que es posible acelerar drásticamente los filtros de calidad biológica y la consolidación de listados maestros de objetos biológicos, optimizando las fases predictivas previas a los experimentos en el laboratorio”, concluye la Dra. Sierra.
El testbed BIO+IA como acelerador de descubrimiento científico
El testbed de Bioinformática e Inteligencia Artificial de BELLA II fue concebido como una plataforma regional para la captura, procesamiento y análisis de información científica mediante el uso combinado de inteligencia artificial generativa, inteligencia artificial lógica y bioinformática estructural. Su arquitectura permite identificar redes de interacción molecular, desarrollar modelos predictivos, generar hipótesis experimentales y explorar escenarios antes de invertir recursos en experimentación de laboratorio.
Para el proyecto mexicano, esta infraestructura fue utilizada para ejecutar procesos de análisis bioinformático, realizar minería de conocimiento a partir de repositorios científicos especializados e identificar interacciones moleculares relevantes asociadas con cáncer de mama y cáncer de próstata.
A través de la integración de fuentes como EVPedia, PubMed y PubTator, y mediante herramientas de análisis desarrolladas en R y Python, el equipo logró construir una base inicial de conocimiento capaz de relacionar miRNAs, genes y proteínas asociados a procesos tumorales.
De acuerdo con el equipo de especialistas, uno de los resultados más significativos fue el modelado de redes regulatorias complejas que involucraron miles de eventos biológicos y moléculas clave, incluyendo el miRNA MIR21 y miembros de la familia miR-200, identificados como elementos centrales en los procesos de regulación asociados al cáncer.
Colaboración regional como motor de innovación
Más allá de los avances técnicos, este caso demuestra el valor del modelo colaborativo promovido por el proyecto BELLA II, RedCLARA y las Redes Nacionales de Investigación y Educación que la integran.
En el caso mexicano, el respaldo de CUDI fue fundamental para habilitar el acceso al programa y al entorno tecnológico de BELLA II, fortaleciendo además los vínculos institucionales necesarios para futuras colaboraciones regionales.
Resultados y proyección
Tras su paso por Early Adopters BIO+IA, el equipo logró establecer una base de conocimiento inicial, consolidar metodologías de análisis asistidas por IA y desarrollar capacidades para construir simultáneamente múltiples líneas de investigación relacionadas con biopsia líquida, cáncer de mama y cáncer de próstata.
Los investigadores esperan avanzar hacia la identificación de paneles de biomarcadores, la construcción de pipelines automatizados y el desarrollo de un prototipo de software que permita calcular un Score de Riesgo para apoyar diagnósticos clínicos tempranos.
Pero quizás el resultado más importante sea otro: demostrar que la combinación de inteligencia artificial, bioinformática y colaboración regional puede acelerar significativamente la investigación biomédica en América Latina y el Caribe. A través de iniciativas como Early Adopters BIO+IA y de infraestructuras compartidas como el testbed BIO+IA de BELLA II, la región da pasos concretos hacia una ciencia más conectada, colaborativa y capaz de responder a desafíos de alto impacto social.
