Un estudio reciente publicado en The European Medical Journal (EMJ) destaca cómo los sistemas de predicción de riesgo de cáncer pueden estar perpetuando desigualdades en el acceso a la detección temprana. Según los hallazgos, estos algoritmos, aunque útiles para identificar a personas con mayor probabilidad de desarrollar la enfermedad, no siempre consideran factores socioeconómicos o geográficos que influyen en la capacidad de una persona para someterse a pruebas de screening.
Los investigadores señalan que, en muchos casos, las herramientas de predicción se basan en datos históricos de poblaciones con acceso limitado a servicios de salud preventiva. Esto puede llevar a que se subestime el riesgo en grupos vulnerables, como personas de bajos ingresos o residentes en zonas rurales, donde las barreras para acceder a diagnósticos tempranos —como falta de transporte, costos o disponibilidad de centros especializados— son más frecuentes.
“El desafío no es solo predecir el riesgo, sino garantizar que las recomendaciones de screening lleguen a quienes más las necesitan”, explican los autores. El artículo enfatiza la necesidad de integrar variables sociales en los modelos predictivos para evitar que estas herramientas reproduzcan, sin querer, desigualdades existentes en la atención médica.
Además, se subraya la importancia de que los sistemas de salud prioricen estrategias que faciliten el acceso equitativo a pruebas de detección, como campañas móviles, telemedicina o programas de derivación prioritaria para grupos con mayor riesgo, independientemente de su perfil predictivo.
El estudio refuerza una discusión en curso sobre cómo la inteligencia artificial y los datos pueden usarse de manera ética en salud pública, asegurando que avances tecnológicos no dejen atrás a las poblaciones más desatendidas.
Para profundizar, puedes consultar el artículo original en The Lancet (referencia citada en EMJ), donde se analizan casos concretos de sesgos en modelos predictivos de cáncer.
