De India a Chile: la investigación con inteligencia artificial que busca anticipar la respuesta al cáncer de recto
Desde Kerala, India, Liya Muthukulathil Antony llegó a Chile en 2024 para continuar sus estudios de postgrado. Actualmente cursa el Programa de Doctorado en Física UC y desarrolla una investigación que combina física médica, inteligencia artificial y datos clínicos para anticipar la respuesta de pacientes con cáncer de recto a la quimiorradioterapia. Su trabajo obtuvo el segundo lugar en 3MT® UC 2026.
¿Y si una imagen médica pudiera contener información que el ojo humano no alcanza a detectar? Esa pregunta está en el centro de la investigación que Liya Muthukulathil Antony desarrolla en la Pontificia Universidad Católica de Chile.
Después de completar su magíster, realizó un diploma de posgrado en física radiológica en el Centro Regional de Cáncer de Kerala, India, donde se formó para desempeñarse como física médica clínica. La experiencia le permitió conocer de cerca el trabajo hospitalario, pero también descubrir que su interés estaba en la investigación.
“Es un campo muy interesante, pero durante esos años comprendí que yo estaba hecha para la investigación y no para la rutina clínica. En el entorno clínico, debes seguir reglas y pautas estrictas que fueron establecidas basándose en los resultados de ciertos trabajos realizados por científicos anteriores. Yo no quería ser alguien que solo sigue las reglas; quería ser quien establece esas nuevas reglas y protocolos a través de mi propia investigación”, explicó.
En 2024 llegó a Chile para continuar su formación doctoral y eligió la UC por el trabajo desarrollado en física médica.
Mi interés nació a partir de conversaciones con mi directora de tesis, la profesora Paola. Cuando me planteó el tema, realicé una revisión exhaustiva de la literatura y comprendí la enorme importancia y el impacto que este trabajo podría tener. No hubo un hito personal específico que marcara el inicio, sino que todo se desarrolló de manera orgánica como parte de mi tesis. Mientras más investigaba la necesidad clínica, más me entusiasmaba el proyecto” señaló.
Actualmente cursa el tercer año del Doctorado en Física, bajo la dirección de Paola Francisca Caprile y la codirección de Pablo Muñoz Schuffenegger y Cecilia Besa Correa. Desde allí desarrolla una investigación que conecta física, computación y medicina para abordar un desafío concreto en el tratamiento del cáncer de recto localmente avanzado.
Leer lo que las imágenes no muestran
Su tesis, titulada “Modelos multi-ómicos con inteligencia artificial (AI) para predecir la respuesta patológica completa (pCR) en pacientes con cáncer de recto localmente avanzado (LARC) que reciben quimiorradioterapia neoadyuvante (nCRT)”, busca desarrollar un modelo predictivo capaz de integrar distintas fuentes de información médica.
En términos simples, la investigación busca anticipar cómo responderán los pacientes con cáncer de recto a la quimiorradioterapia antes de someterse a una cirugía mayor. Para ello, utiliza inteligencia artificial para conectar imágenes médicas, mapas de administración de radiación, información patológica, datos genéticos y variables clínicas.
“Mi investigación se centra en predecir cómo responderán los pacientes con cáncer de recto a la quimioterapia y radioterapia iniciales antes de someterse a una cirugía mayor”, explicó.
El objetivo es identificar patrones que permitan estimar la respuesta al tratamiento y aportar información para decisiones clínicas más personalizadas. A futuro, esta herramienta podría contribuir a identificar pacientes que hayan alcanzado una respuesta completa y evitar intervenciones quirúrgicas innecesarias, además de detectar tempranamente señales asociadas al recrecimiento local del tumor.
Para llegar a ese punto, sin embargo, el primer desafío ha sido reunir y estandarizar los datos necesarios para entrenar los modelos.
“El mayor desafío ha sido la “cacería de datos”. Establecer un flujo de trabajo manual para el filtrado de pacientes que considere estrictamente los criterios de inclusión y exclusión del estudio significó coordinar entre diferentes especialidades médicas para reunir imágenes multimodales, mapas de dosis de radiación en 3D y registros clínicos”, relató.
Hasta ahora, el equipo ha establecido un flujo de trabajo multidisciplinario para el filtrado de pacientes y la recopilación de datos en la UC. También ha implementado un proceso de segmentación de resonancia magnética y desarrollando códigos iniciales para el entrenamiento de inteligencia artificial aplicado a radiomics de tomografía computarizada y dosimetría, utilizando un grupo piloto de pacientes.
Uno de los resultados preliminares permitió identificar que distintos métodos de conversión de las máscaras utilizadas en las imágenes pueden afectar significativamente las características radiológicas extraídas. El hallazgo refuerza la necesidad de contar con procesos estandarizados para desarrollar modelos confiables.
Este trabajo fue presentado en la Conferencia Anual de la Asociación de Físicos Médicos de la India (AMPICON 2025), y seleccionado para el Congreso Europeo de Física Médica (ECMP 2026), en España.
Una investigación entre disciplinas
La investigación se desarrolla en la intersección de la física, la informática y la medicina clínica. La colaboración entre distintas especialidades permite abordar el problema desde perspectivas complementarias y conectar los datos obtenidos mediante imágenes con información clínica y biológica.
La naturaleza multidisciplinaria del equipo es fundamental para el proyecto. La profesora Paola Caprile aporta la perspectiva de la física médica y la dirección científica de la investigación; la radióloga Cecilia Besa, su experiencia en imágenes de resonancia magnética; el oncólogo radioterapeuta Pablo Muñoz, su conocimiento clínico y experiencia en radioterapia; y Patricia García, desde el área de patología, contribuye al análisis del componente biológico del estudio.
“No se trata solo de la cantidad de personas en el equipo, sino de la profundidad de la perspectiva que aportan. Este trabajo solo puede realizarse en equipo, y somos muy fuertes en ese sentido”, destacó.
Esa experiencia también ha marcado su formación doctoral. El contacto con médicos, radiólogos, oncólogos y patólogos de la universidad le ha permitido comprender de manera más directa cómo la investigación computacional puede vincularse con problemas concretos de la práctica clínica.
“La experiencia más significativa dentro de la UC ha sido la oportunidad de trabajar en un entorno verdaderamente colaborativo y multidisciplinario. Interactuar con médicos, radiólogos, oncólogos y patólogos de la universidad ha transformado mi perspectiva como física médica”, comentó.
El siguiente paso: una estancia en Italia
La próxima etapa de su formación tendrá un componente internacional. Gracias a una beca ANID, el 15 de noviembre de 2026 viajará a Italia para realizar una estancia de investigación en la Universidad de La Sapienza de Roma, bajo la supervisión del profesor Andrea Ciardiello, especialista en aprendizaje automático.
El foco estará puesto en la explicabilidad de los modelos de inteligencia artificial, un área que busca comprender y transparentar la manera en que estos sistemas llegan a sus predicciones.
“Al aprender técnicas avanzados para abrir la ‘caja negra’ de la inteligencia artificial, busco hacer que nuestros modelos predictivos multiómicos sean más transparentes, asegurando que los médicos puedan comprender claramente el razonamiento detrás de cada predicción”, explicó.
En paralelo, el equipo continuará ampliando su base de datos y avanzando en colaboraciones con hospitales. Para incorporar información genómica al modelo, además, trabajan junto a Envirton SpA, contraparte del proyecto en esta área.
El propósito es avanzar hacia una herramienta de apoyo a la decisión clínica que pueda ser evaluada en comités oncológicos multidisciplinarios y contribuir a predecir la respuesta al tratamiento.
Cuando detrás de los datos hay una persona
Para Liya, el sentido de esta investigación trasciende los modelos matemáticos. Cada imagen, variable y predicción corresponde a una persona cuya calidad de vida puede verse afectada por las decisiones clínicas.
“Me gustaría que la comunidad supiera que la ciencia no está aislada en un laboratorio; es profundamente humana. Detrás de cada algoritmo, extracción de características y modelo matemático hay una persona real cuya calidad de vida, dignidad y futuro están en juego”, sostuvo.
Esa mirada también se relaciona con una vocación que comenzó mucho antes de su llegada a la física médica. De niña quería ser profesora y hoy reconoce que la investigación le permitió encontrar una forma de mantener ese vínculo con la enseñanza, mientras continúa aprendiendo.
“De pequeña quería ser profesora. Pero he descubierto que, al ser investigadora, eres profesora y aprendiz al mismo tiempo. Guiar a estudiantes me permite cumplir ese sueño de enseñar, mientras que la ciencia me mantiene aprendiendo todos los días. Esa es la verdadera belleza de esta carrera”, comentó.
Desde Kerala hasta Chile, su trayectoria ha estado marcada por una misma búsqueda: comprender problemas complejos y generar conocimiento que pueda tener una aplicación concreta. Hoy, esa búsqueda se traduce en una investigación que intenta hacer visible, mediante inteligencia artificial, aquello que las imágenes médicas por sí solas no permiten observar y acercar ese conocimiento a decisiones que impactan directamente la vida de los pacientes.