⚛️ quantum physics

A quantum generative model for in silico clinical trials using scarce training datasets

Este artículo propone y valida un flujo de trabajo de modelo generativo cuántico que sintetiza eficazmente pacientes *in silico* de alta fidelidad a partir de conjuntos de datos clínicos escasos, demostrando una generalización y expresividad superiores en comparación con los modelos base clásicos utilizando datos del mundo real de Síndrome Mielodisplásico en una computadora cuántica de IBM.

Autores originales: Olatz Sanz Larrarte, Reza Dastbasteh, Roberto Sanchez-Navarro, Maria Diez-Campelo, Felipe Prosper, Ana Alfonso-Pierola, Mikel Hernaez, Sara Capponi, Pedro Crespo Bofill, Josu Etxezarreta Martinez

Publicado 2026-08-31

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Olatz Sanz Larrarte, Reza Dastbasteh, Roberto Sanchez-Navarro, Maria Diez-Campelo, Felipe Prosper, Ana Alfonso-Pierola, Mikel Hernaez, Sara Capponi, Pedro Crespo Bofill, Josu Etxezarreta Martinez

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Probar nuevos medicamentos es un proceso lento, costoso y, a menudo, desgarrador. Antes de que un tratamiento pueda llegar a las personas que lo necesitan, los investigadores deben demostrar que es seguro y eficaz mediante ensayos clínicos que involucren a voluntarios humanos reales. Para enfermedades comunes, reunir suficientes participantes es manejable, pero para enfermedades raras o altamente complejas, encontrar un grupo grande de pacientes con la misma condición exacta es casi imposible. Esta escasez dificulta la realización de los grandes estudios necesarios para hallar curas. Para solucionar esto, los científicos han comenzado a desarrollar métodos "in silico", que utilizan computadoras para crear pacientes virtuales. Estos gemelos digitales no son personas reales, pero están construidos para imitar los patrones estadísticos de poblaciones reales, lo que permite a los investigadores realizar simulaciones que serían demasiado costosas o poco éticas de realizar en seres humanos vivos. El objetivo es generar datos sintéticos que sean tan realistas que puedan ayudar a predecir cómo un grupo real de pacientes podría responder a una nueva terapia.

Sin embargo, crear estos pacientes virtuales es sorprendentemente difícil cuando los datos reales son escasos. Los programas informáticos tradicionales utilizados para generar estos datos suelen requerir bibliotecas masivas de registros de pacientes para aprender los patrones de la enfermedad. Cuando los investigadores solo disponen de unos pocos cientos de registros, como ocurre con las condiciones raras, estos programas estándar suelen fallar, produciendo datos falsos que no se parecen en nada a la realidad o simplemente copiando los pocos ejemplos que recibieron sin comprender las reglas subyacentes. Un equipo de investigadores en España y Estados Unidos ha propuesto ahora un enfoque diferente, uno que toma prestado del campo emergente de la computación cuántica. Sugieren que la forma única en que las máquinas cuánticas manejan la probabilidad podría permitirles aprender patrones complejos a partir de conjuntos de datos muy pequeños, creando pacientes virtuales de alta calidad donde los métodos anteriores tienen dificultades.

Los investigadores centraron su trabajo en los síndromes mielodisplásicos, un grupo de trastornos sanguíneos raros donde los pacientes presentan una gran variedad de mutaciones genéticas y resultados clínicos. Recopilaron datos de un ensayo clínico específico que involucraba a pacientes con un subtipo particular de la enfermedad. Los datos que poseían eran desiguales; tenían información básica como edad, sexo y recuentos sanguíneos para muchos pacientes, pero la información detallada sobre los resultados del tratamiento y la supervivencia estaba disponible para muchos menos. Esta situación "asimétrica", donde algunos detalles abundan y otros faltan, es un obstáculo común en la investigación de enfermedades raras. Para abordar esto, el equipo construyó un nuevo proceso que primero combinó estos dos conjuntos de información diferentes en una imagen única y unificada de la población de pacientes. Luego, tradujeron esta imagen a un formato que una computadora cuántica pudiera entender, utilizando una estructura matemática que comprime relaciones complejas en una forma manejable sin perder los detalles esenciales.

Esta representación comprimida se mapeó posteriormente en un circuito cuántico, un arreglo específico de operaciones en un procesador cuántico. Los investigadores ejecutaron este proceso en una computadora cuántica real ubicada en los Estados Unidos, específicamente un dispositivo con 156 bits cuánticos. La máquina generó miles de registros sintéticos de pacientes. Para ver si estos pacientes digitales eran buenos, el equipo los comparó con los datos reales y con datos sintéticos creados por tres modelos de computación clásica bien conocidos. Probaron los modelos con diferentes cantidades de datos de entrenamiento, que variaban desde solo 100 pacientes hasta 400, para ver qué tan bien se mantenía cada método cuando la información era limitada. Midieron si los datos sintéticos coincidían con la distribución estadística de los pacientes reales y si un programa informático podía distinguir entre los registros reales y los falsos.

Los resultados mostraron una clara ventaja para el enfoque cuántico. Cuando los datos de entrenamiento eran escasos, el modelo cuántico produjo pacientes sintéticos que estaban mucho más cerca de la población real que los modelos clásicos. Los pacientes virtuales generados por la computadora cuántica fueron más difíciles de distinguir de las personas reales para un clasificador, lo que indica que el modelo había aprendido la verdadera complejidad de la enfermedad en lugar de simplemente memorizar los pocos ejemplos recibidos. Además, el modelo cuántico fue mejor al reproducir toda la gama de variaciones encontradas en los datos reales, lo que sugiere que es menos probable que se quede estancado repitiendo los mismos pocos patrones. Si bien los modelos clásicos funcionaron adecuadamente con conjuntos de datos más grandes, flaquearon a medida que disminuía el número de pacientes disponibles, mientras que el método cuántico se mantuvo robusto. El estudio sugiere que este enfoque híbrido, que combina métodos estadísticos clásicos con procesamiento cuántico, ofrece una forma prometedora de generar pacientes virtuales de alta fidelidad para enfermedades raras, ayudando potencialmente a optimizar futuros ensayos clínicos cuando los datos del mundo real son difíciles de obtener.

Resumen Técnico: Un Modelo Generativo Cuántico para Ensayos Clínicos In Silico utilizando Conjuntos de Datos de Entrenamiento Escasos

Planteamiento del Problema
Los métodos in silico son reconocidos cada vez más como una estrategia para complementar los ensayos clínicos, particularmente para enfermedades raras o altamente heterogéneas como los Síndromes Mielodisplásicos (SMD), donde los estudios de cohortes tradicionales son costosos y los datos son escasos. Un cuello de botella crítico en este dominio es la generación de datos sintéticos de pacientes de alta fidelidad que reflejen con precisión la variabilidad clínica subyacente. Si bien los modelos generativos clásicos (por ejemplo, VAEs, GANs) funcionan bien con bases de datos extensas, a menudo tienen dificultades con los tamaños de muestra limitados (frecuentemente de unos pocos cientos de pacientes) típicos de la investigación de enfermedades raras. Además, los modelos clásicos dependen de supuestos paramétricos rígidos que pueden introducir sesgos y no lograr capturar la verdadera complejidad de las distribuciones clínicas y moleculares. Adicionalmente, los conjuntos de datos clínicos suelen ser "asimétricos", conteniendo abundantes variables básicas pero datos escasos de relevancia pronóstica (por ejemplo, resultados del tratamiento).

Metodología
Los autores proponen un flujo de trabajo híbrido cuántico-clásico diseñado para abordar la escasez de datos y la alta dimensionalidad en la genómica de la SMD. La metodología procede a través de los siguientes pasos:

Integración de Datos: El estudio utiliza dos bases de datos complementarias del ensayo clínico SintraREV: $D_1$ (variables clínicas/hematológicas básicas: sexo, edad, hemoglobina, plaquetas, neutrófilos) y $D_2$ (asignación de tratamiento y resultado de supervivencia).
Estimación de la Distribución: Para manejar la naturaleza asimétrica e incompleta de los datos, la distribución conjunta objetivo $p(x, y)$ se estima utilizando el principio de máxima entropía. Este enfoque proporciona la distribución menos sesgada compatible con la información empírica, evitando los fuertes supuestos requeridos por los modelos clásicos.
Representación de Redes de Tensores: La distribución estimada se codifica en un estado compatible con sistemas cuánticos utilizando un qubit ancila. Este estado se comprime luego en un Estado de Producto de Matrices (MPS). El MPS sirve como una representación latente compacta, cuya capacidad expresiva es controlada por la dimensión de enlace (bond dimension), evitando los fuertes supuestos paramétricos de los espacios latentes clásicos.
Mapeo de Circuito Cuántico: El MPS se mapea en un circuito cuántico profundo siguiendo un esquema de codificación específico y se ejecuta en el procesador cuántico superconductor de 156 cúbits IBM Heron r2 ("ibm basquecountry").
Mitigación de Errores: Para contrarrestar el ruido y la cantidad limitada de cúbits, el flujo de trabajo incorpora un paso simple de detección de errores y post-selección basado en la verificación de síndromes.
Evaluación: La calidad de las cohortes sintéticas generadas se evalúa mediante métricas de generalización (Error Absoluto Medio, Divergencia de Jensen–Shannon) y expresividad (precisión del clasificador Random Forest, Área Bajo la Curva y Ratio de Cobertura).

Contribuciones Clave

Flujo de Trabajo Híbrido para Enfermedades Raras: El trabajo introduce un flujo de trabajo específico que combina inferencia estadística clásica (máxima entropía), compresión de redes de tensores (MPS) y generación de circuitos cuánticos para sintetizar datos clínicos.
Manejo de Datos Asimétricos: El método integra eficazmente bases de datos con niveles variables de completitud (variables básicas frente a datos de resultados) sin requerir imputación que pueda introducir sesgos.
Validación Empírica en Hardware Real: El modelo se ejecuta en hardware cuántico real de IBM, yendo más allá de las simulaciones teóricas.
Análisis Comparativo: El estudio proporciona una comparación directa del rendimiento entre el modelo cuántico propuesto y tres líneas de base clásicas: Tabular VAE (TVAE), Conditional Tabular GAN (CTGAN) y CopulaGAN.

Resultados
El modelo fue evaluado en un conjunto de datos de SMD utilizando subconjuntos de entrenamiento que variaban de 100 a 400 pacientes.

Generalización: El marco cuántico alcanzó consistentemente un Error Absoluto Medio (MAE) y una Divergencia de Jensen–Shannon (JSD) más bajos en comparación con las líneas de base clásicas en todos los tamaños de muestra. El modelo cuántico mostró un rendimiento mejorado a medida que aumentaba el tamaño del subconjunto de entrenamiento, demostrando una generalización robusta en regímenes de datos escasos.
Expresividad: En las pruebas de clasificación de Random Forest diseñadas para distinguir entre datos reales y sintéticos, el modelo cuántico produjo muestras sintéticas estadísticamente indistinguibles de los datos reales (precisión de clasificación cercana al 50%). También logró los ratios de cobertura más altos o cercanos al máximo, lo que indica una fuerte capacidad para reproducir patrones diversos y reducir el riesgo de colapso de modo (mode collapse).
Matrices de Confusión: Las matrices de confusión para el modelo cuántico se mantuvieron cercanas a los niveles del azar, mientras que los modelos clásicos exhibieron sesgos no triviales, apoyando aún más la superior indistinguibilidad de los datos generados por el modelo cuántico.

Significancia y Reivindicaciones
El artículo afirma que el flujo de trabajo híbrido propuesto ofrece un marco competitivo y flexible para generar pacientes in silico de alta fidelidad para enfermedades raras. Los autores sostienen que su modelo generativo cuántico supera a los modelos generativos clásicos tanto en métricas de generalización como de expresividad, particularmente cuando los datos de entrenamiento son escasos.

El trabajo sugiere que las computadoras cuánticas pueden representar eficazmente distribuciones de probabilidad complejas para generar pacientes sintéticos de alta fidelidad, lo que potencialmente podría ayudar en la estratificación de pacientes y la optimización de ensayos para enfermedades como la SMD. Los autores señalan que una discretización más fina de las variables clínicas podría mejorar la expresividad, pero esto conllevaría un aumento en los requisitos de recursos cuánticos y la sensibilidad al ruido. El estudio concluye que el actual enfoque híbrico proporciona un camino viable para la generación de datos sintéticos en el contexto de las limitaciones actuales del hardware cuántico.

Más como este