Poner la IA a trabajar en la industria de la salud es una tarea complicada; lo es aún más en oncología, donde hay mucho en juego. Startup de biotecnología Laboratorios Valar apunta alto pero comienza poco a poco con una herramienta que predice con precisión ciertos resultados del tratamiento, lo que potencialmente ahorra un tiempo precioso a los pacientes. Ha recaudado 22 millones de dólares para expandirse a nuevos cánceres y terapias.
Cada cáncer es diferente, pero muchos han establecido mejores prácticas perfeccionadas a lo largo de años de pruebas. A veces, sin embargo, eso significa pasar meses con un determinado régimen de tratamiento para saber si funciona.
El cáncer de vejiga es uno de ellos, explicaron los cofundadores de Valar a TechCrunch. Un primer tratamiento común recomendado por los oncólogos, llamado terapia BCG, tiene una probabilidad de funcionar equivalente a lanzar una moneda al aire, ¡lo cual en realidad es bastante bueno! ¿Pero no sería bueno no tener que lanzar esa moneda para empezar? Ese es el problema que Valar está intentando resolver.
El director ejecutivo, Anirudh Joshi, dijo que el equipo se reunió en Stanford, donde estaban investigando el apoyo de la IA para la toma de decisiones clínicas. En otras palabras, ayudar tanto a los pacientes como a los médicos a decidir qué tratamiento seguir, ya sea entre dos o una docena.
“Lo que aprendimos es que hoy en día la mayoría de los pacientes con cáncer tienen un plan de tratamiento que no está claro”, dijo Joshi. “Tienen opciones, pero es difícil decir qué funcionará bien; sólo hay que probar cosas. Así que nuestra idea era tomar una decisión informada. En el tratamiento del cáncer de vejiga, sólo uno de cada dos pacientes responde a la atención estándar. Si supiéramos qué paciente es cada uno, no tendríamos que desperdiciar un año de terapia en algo que no funciona”.
La primera prueba que han desarrollado, llamada Vesta, se centra en esta situación concreta. Y no se trata de una solución de software teórica: el equipo trabajó con una docena de centros médicos de todo el mundo para estudiar a más de 1.000 pacientes y aprender qué es exactamente lo que les hace responder a determinadas terapias.
El proceso tiene dos componentes: primero, una IA visual (o modelo de visión por computadora) entrenada en miles de imágenes histológicas de pacientes con cáncer. Estos finos cortes de tejido afectado son cada vez más escaneados e inspeccionados por expertos, aunque el proceso puede ser algo aproximado.
“Esta imagen de súper alta resolución dice mucho sobre lo que sucede a nivel celular de un tumor”, explicó el director tecnológico Viswesh Krishna. “Ejecutamos nuestros modelos en esta imagen para extraer una gran cantidad de características, similar a un panel genómico; generamos miles de lecturas histológicas [i.e. important image features]y tomemos los más importantes que los patólogos pueden estar analizando, pero que en realidad no pueden cuantificar. Es posible que vean que son diferentes, pero no pueden medir las diferencias entre ellos”.
![](https://techcrunch.com/wp-content/uploads/2024/05/valar-slide.jpg?w=680)
Joshi tuvo cuidado de agregar que no están tratando de reemplazar al patólogo sino de aumentarlo. Se podría considerar como un microscopio inteligente que ayuda a un experto a realizar mediciones exactas en aspectos como el daño celular, la respuesta inmune y otras estructuras indicativas de cómo progresa o se inhibe la enfermedad.
“Al final, el médico siempre está al mando. Estos son solo más datos y les gusta. Y presentar pruebas como esta es una perspectiva externa fundamentadora, y a los pacientes realmente les gusta eso”, dijo Joshi.
El componente de imágenes, señaló el equipo, se capacitó con toneladas de datos y se puede generalizar en muchos dominios y cánceres; contar linfocitos en tejido de cáncer de mama es en gran medida la misma tarea que hacerlo en tejido de cáncer de piel. Pero lo que ese recuento, o cualquiera de los otros biomarcadores cuantificables que el modelo puede identificar, dice sobre la probabilidad del paciente de responder al tratamiento está mucho más limitado a condiciones específicas.
En consecuencia, el segundo componente del sistema de Valar es lo que realmente necesita ser activado en una situación clínica particular. Y con ese fin, la compañía ha demostrado que, en el caso específico del cáncer de vejiga y el régimen de tratamiento estándar, su prueba es un predictor de éxito mucho más preciso que cualquier otra métrica existente.
Los factores de riesgo como la edad, el historial de salud, si uno fuma, etc., predicen de manera variable ciertos resultados del tratamiento, pero son “muy crudos”, señaló Joshi. Valar afirma que sus modelos de IA “superan todas esas variables [in predictive power]y son independientes de ellos”, lo que significa que pueden usarse además del factor de riesgo estándar, no solo en lugar de ellos.
También señalaron que ha sido importante mantener los resultados interpretables: lo último que necesitan los médicos o los pacientes es una caja negra. Entonces, si dice que un paciente responderá bien, eso está respaldado por “porque su sistema inmunológico está haciendo A y sus núcleos están haciendo B, etc.”
![](https://techcrunch.com/wp-content/uploads/2024/05/valar-doc.webp?w=680)
La empresa, fundada en 2022, ha dedicado gran parte de su esfuerzo a construir el modelo de imagen y su primer modelo clínico, para la mencionada terapia BCG en pacientes con cáncer de vejiga. Como señaló Valar en un anuncio reciente, la prueba identifica a personas con el triple de riesgo normal de no responder al BCG, lo que significa (a discreción del equipo de atención) que probablemente sea mejor probar otra cosa. Si eso ahorra aunque sea un mes de esfuerzo desperdiciado, podría cambiar la vida de algunos.
Como puede decirle cualquiera que haya vivido la atención del cáncer, cada día de tratamiento no sólo es increíblemente valioso, sino que también es difícil ganar confianza. Puede que Valar no ofrezca certeza (casi imposible en oncología), pero podría ser una poderosa flecha en el carcaj de los cuidadores.
Coincidiendo con el inminente lanzamiento de su primer producto, Valar cerró una ronda Serie A de 22 millones de dólares liderada por DCVC y Andreessen Horowitz, con la participación de Pear VC.
“La recaudación de fondos se realizó en el momento perfecto”, dijo Joshi. “Pudimos completar esta validación y ahora esta financiación ayudará a impulsar la comercialización de Vesta y, al mismo tiempo, estamos empezando a expandirnos a otros tipos de cáncer”.
Los fundadores dijeron que esperan expandirse constantemente, utilizando un modelo de laboratorio comercial muy similar al que han seguido las pruebas genómicas en los últimos años, dijo el director de operaciones Damir Vrabac: “Es muy similar a estas otras pruebas que nos precedieron, no agrega ninguna fricción a el sistema de salud”. Con suerte, eso les permitirá cargar el costo a los proveedores de seguros y, en última instancia, reducir el costo de la atención al evitar tratamientos innecesarios e ineficaces.