Los avances en la ciencia de datos y la biología han conducido a la creación de «atlas» de células individuales, herramientas cada vez más utilizadas para mapear el cuerpo humano y entrenar modelos de inteligencia artificial (IA). Sin embargo, un reciente estudio dirigido por investigadores de la Escuela de Medicina Icahn en Mount Sinai ha descubierto importantes deficiencias en la representación demográfica de estas bases de datos. En particular, las muestras de personas de ascendencia europea están sobrerrepresentadas, mientras que las de origen asiático y latino son infrarrepresentadas. Esto plantea serias cuestiones sobre la equidad y la fiabilidad de estos recursos en la investigación y la medicina.
Contexto del Estudio
Características de las Tecnologías de Célula Única
Las tecnologías de células individuales permiten el análisis de la biología de las células de forma aislada, lo que permite revelar tipos celulares poco comunes y cambios relacionados con enfermedades que no pueden ser detectados mediante métodos tradicionales. Estas tecnologías han sido fundamentales en la creación de mapas de referencia, utilizados como recursos universales en la investigación biomédica.
Metodología
El equipo de investigación revisó más de 13,500 muestras provenientes de tres importantes bases de datos:
- Atlas de Células Humanas
- Red del Atlas de Tumores Humanos
- Consorcio PsychAD
Recopilaron información sobre ascendencia, raza, etnia y sexo de los individuos analizados y compararon estos conjuntos de datos con estadísticas globales y otros datos de salud.
Resultados
Los hallazgos indicaron que:
- Cerca del 70% de las muestras en el Atlas de Células Humanas no tenían información sobre su ascendencia.
- Los individuos de ascendencia europea estaban sobrerrepresentados seis veces más de lo esperado con respecto a las poblaciones globales.
- El 69% de las muestras en el Atlas de Tumores Humanos eran de origen europeo.
- En el Consorcio PsychAD, casi dos tercios de las muestras eran también de individuos europeos.
Importancia de la Representación
Consecuencias para la Investigación y la Medicina
Los investigadores advierten que la falta de diversidad en estos atlas puede llevar a la creación de modelos de IA que no reflejan adecuadamente las diferencias biológicas entre las diferentes poblaciones. Esto podría resultar en tratamientos y diagnósticos menos efectivos para las poblaciones no representadas, perpetuando así desigualdades en la atención médica.
Necesidad de Cambios
El Dr. Kuan-lin Huang, autor principal del estudio, resalta que es crucial incorporar la diversidad en los datos desde el inicio de los estudios de células individuales. Las deficiencias observadas pueden trasladarse a los modelos de IA, lo que podría causar problemas de equidad y fiabilidad en futuros avances biomédicos.
Consejos para Emprendedores y Negocios
1. Fomentar la Inclusividad
Los negocios en el campo de la biotecnología y la salud deben priorizar la inclusividad en sus estudios y productos. La consideración de diversas poblaciones en la investigación puede aumentar la efectividad de los tratamientos.
2. Utilizar Datos Representativos
Al desarrollar modelos de IA y aplicaciones de salud, es vital utilizar datos que reflejen la diversidad de la población mundial. Invertir en la recopilación de datos de diferentes grupos étnicos y demográficos puede mejorar la precisión de los modelos.
3. Colaboraciones Multiculturales
Fomentar colaboraciones entre diferentes instituciones de investigación y comunidades puede enriquecer los datos disponibles. Esto también puede ayudar a construir confianza entre las comunidades que a menudo están subrepresentadas en la investigación.
4. Implementar Prácticas de Transparencia
Ser transparente sobre las limitaciones de los datos utilizados en estudios puede fortalecer la confianza del público en la investigación y los modelos desarrollados a partir de ella.
Conclusiones
La investigación subraya la necesidad de una representación adecuada en los atlas de células y modelos de IA, para garantizar que los beneficios de los avances científicos se distribuyan de manera justa. La falta de datos representativos puede generar inequidades significativas en la investigación biomédica, destacando la importancia de planificar el reclutamiento y la recopilación de datos demográficos de manera más inclusiva. Este análisis se presenta como una llamada a la acción para mejorar la representatividad en la ciencia y la medicina, lo que a su vez conduce a una atención médica más equitativa y eficaz.