Décadas después de que la investigación secuenciara por primera vez el genoma humano, los científicos de todo el mundo todavía están trabajando para comprenderlo. A pesar de los diligentes esfuerzos globales para vincular variaciones inusuales en las secuencias de ADN con enfermedades humanas, el progreso ha sido lento, en gran parte debido a limitaciones en la comprensión científica y en parte debido a limitaciones en las tecnologías informáticas.
La inteligencia artificial tiene el potencial de ayudar a los científicos a descifrar los millones de variaciones genéticas presentes en los genomas de diferentes personas para identificar cuáles conducen a enfermedades y cuáles no. Sin embargo, para aprovechar plenamente el poder de la inteligencia artificial, los científicos necesitan comparar los genomas de miles o decenas de miles de personas. Esta tarea no sólo requiere un uso intensivo de recursos computacionales, sino que también es propensa a errores y tardará años en completarse.
La computación cuántica tiene el potencial de facilitar ese proceso. Somos investigadores con un interés de larga data en encontrar formas de utilizar la genética en la clínica y desarrollar nuevas tecnologías para estudiar el genoma humano. La combinación de la computación cuántica con la IA tiene el potencial de acelerar el análisis genómico mucho más allá de los métodos tradicionales. Para afecciones médicas urgentes, una decodificación más rápida de la información genética puede influir directamente en las decisiones de tratamiento inmediatas y, en algunos casos, puede salvar vidas.
Computación convencional versus computación cuántica
En la informática convencional, los bits individuales de información (dígitos binarios, también llamados bits) pueden representar sólo dos estados: a saber, 0 y 1.
Sin embargo, los qubits utilizados en la computación cuántica pueden tener más de dos estados distintos. Agregar qubits aumenta exponencialmente el número de estados. El poder de los ordenadores cuánticos es que pueden comprobar todas las posibilidades a la vez para problemas con un gran número de variables, no una a la vez, como tiene que hacer incluso el ordenador clásico más rápido posible. Esto permite a las computadoras cuánticas resolver ciertos tipos de problemas, como factorizar grandes números para los esquemas de cifrado actuales y realizar optimización combinatoria para encontrar el mejor camino a través de una gran cantidad de puntos.
Las computadoras cuánticas funcionan de manera muy diferente a la computadora que probablemente esté usando para leer este artículo.
Sin embargo, la computación cuántica se encuentra actualmente en su infancia. A pesar del enorme potencial de esta tecnología, los informáticos enfrentan desafíos relacionados con su escalabilidad, corrección de errores, desarrollo de hardware y establecimiento de estándares.
También existen importantes limitaciones de tiempo y costos asociadas con la mitigación de estos desafíos. Los expertos en el campo estiman que puede pasar al menos una década antes de que la computación cuántica sea realmente útil fuera del laboratorio.
Mayor y mejor análisis de datos
Si los investigadores son capaces de superar estos desafíos, la combinación de inteligencia artificial y computación cuántica no sólo permitirá a los científicos y médicos comprender mejor el genoma humano, sino también utilizar esa comprensión para mejorar la atención al paciente.
Actualmente, los investigadores pueden utilizar la IA para analizar datos genómicos en combinación con cantidades limitadas de otra información biológica, como la actividad genética, la epigenómica, las firmas de ARN y la función de las proteínas. La computación cuántica podría permitir que la IA procese conjuntos de datos cada vez más masivos y muy detallados.
Esto podría parecerse a la integración de grandes conjuntos de datos genéticos, proteicos y espaciales con datos clínicos, demográficos y fisiológicos en tiempo real. Este enfoque a nivel de sistemas permite una comprensión más completa y precisa de sistemas biológicos complejos más allá de la propia secuencia de ADN que podría usarse para mejorar la salud pública.
En otras palabras, la computación cuántica podría hacer posible secuenciar el genoma de un paciente y combinar esa información con otra información sobre cómo funciona su cuerpo a nivel molecular para mejorar la precisión de los diagnósticos y determinar el mejor curso de tratamiento en horas en lugar de meses.
Desafíos de acceso y privacidad
Como muchas tecnologías emergentes, combinar la IA con la computación cuántica plantea desafíos inherentes e inevitables. En particular, existen varias cuestiones éticas relacionadas con el acceso a la atención sanitaria.
Uno será el costo. Las nuevas tecnologías tienden a ser caras y es probable que esto amplíe la brecha entre quienes pueden permitirse la mejor atención sanitaria y quienes no. Es necesario anticipar estos costos y encontrar soluciones creativas preventivas para que todos se beneficien por igual.
Si bien es probable que existan muchos enfoques para reducir los costos de bolsillo de la atención médica, la legislación federal podría exigir atención asequible o gratuita basada en información genética para quienes tienen mayor necesidad financiera. De manera similar a la Ley de No Discriminación por Información Genética de 2008, que prohíbe la discriminación basada en la genética, la nueva ley podría prohibir a los proveedores de atención médica negar atención basada en información genética a quienes no pueden pagarla.
Los datos biológicos conllevan inherentemente riesgos para la privacidad. Bibliotecas de imágenes y fotografías científicas de Tek
Otro desafío será la disponibilidad. Es probable que al principio estas tecnologías sólo estén disponibles en los principales centros médicos del país, que tradicionalmente cuentan con la financiación para la investigación y el personal de científicos y médicos capacitados necesarios para desarrollar nuevos métodos de diagnóstico y tratamientos. En consecuencia, los últimos avances en tecnología sanitaria no estarán disponibles para las personas que no pueden viajar física o económicamente para recibir la mejor atención médica.
Una combinación de telemedicina, laboratorios centralizados y datos compartidos podría ayudar a que las nuevas tecnologías sean más accesibles.
También existen preocupaciones sobre la privacidad que son fundamentales al compartir información de salud personal. De hecho, anonimizar los datos personales sigue siendo un desafío, y es probable que las preocupaciones por la privacidad impidan que algunas personas aprovechen tecnologías que podrían salvar vidas.
Un enfoque que puede calmar estos temores es un modelo llamado gobernanza de bloques federados. Este enfoque implica compartir el control de la cadena de bloques, que es un libro de contabilidad digital utilizado para rastrear transacciones, entre un pequeño grupo de instituciones, en lugar de una sola entidad o el público en general. Limitar el número de curadores de datos genéticos confiables reduce el riesgo de violaciones de la privacidad o la seguridad y, en consecuencia, aumenta la posibilidad de que los datos de los pacientes sigan siendo privados.
Mejora de la salud pública
A pesar de estos desafíos, combinar los avances en la computación cuántica y la IA tiene el potencial de impulsar significativamente la innovación y mejorar la salud pública.
Cuando los científicos y médicos puedan identificar la base genética de la enfermedad y los posibles factores de riesgo, no sólo podrán desarrollar mejores tratamientos, sino que también ayudarán a los pacientes y profesionales de la salud a saber qué síntomas buscar en quienes están predispuestos a ciertas afecciones.
En conjunto, este conocimiento puede mejorar la salud pública, reducir los costos de atención médica y mejorar la calidad de vida.
Descubre más desde USA TODAY NEWS INDEPENDENT PRESS US
Suscríbete y recibe las últimas entradas en tu correo electrónico.
Spanish 