La IA en el diagnóstico del cáncer y las pruebas moleculares cobra protagonismo en AMP 2026
Actualizado el 16 Nov 2026
La inteligencia artificial (IA) se está integrando cada vez más en el diagnóstico molecular, ofreciendo nuevos enfoques para interpretar información genética compleja, clasificar cánceres y optimizar las pruebas de laboratorio. Los investigadores están explorando cómo las tecnologías basadas en IA pueden mejorar la precisión diagnóstica, reducir pruebas innecesarias y apoyar flujos de trabajo clínicos más eficientes.
Varios estudios presentados en la Reunión Anual y Exposición 2026 de la Asociación de Patología Molecular (AMP) destacan el potencial de la IA para mejorar la patología molecular, al tiempo que abordan desafíos relacionados con la fiabilidad, la validación clínica y la supervisión de expertos.
La Reunión Anual y Exposición AMP 2026, celebrada del 10 al 14 de noviembre en el Centro de Convenciones de Seattle, en Seattle, Washington, reunió a profesionales de la patología molecular para analizar avances en pruebas diagnósticas y medicina de precisión.
Entre los trabajos presentados se incluyeron estudios sobre clasificación del cáncer asistida por IA, generación automatizada de informes genómicos, optimización de pruebas moleculares y predicción de alteraciones genéticas a partir de imágenes rutinarias de patología.
La IA avanza en la clasificación molecular de los cánceres de la sangre
Investigadores de ALMA Genomics, la Universidad de Pensilvania, el Instituto de Tecnología de Massachusetts (MIT) y otras instituciones colaboradoras desarrollaron ALMA 3, un modelo fundacional de IA entrenado con datos de metilación del ADN de más de 110.000 muestras de pacientes para clasificar cánceres hematolinfoides.
En pruebas independientes, el modelo detectó tumores sanguíneos y linfáticos con una sensibilidad del 99,5% y logró un valor predictivo positivo del 90,9% al identificar subtipos específicos de cáncer. Al abarcar 81 subtipos moleculares, incluidos varios que son difíciles de distinguir mediante métodos convencionales, el enfoque podría respaldar una clasificación más precisa del cáncer y ayudar a orientar las decisiones de tratamiento.
Los informes asistidos por IA agilizan la interpretación genómica
Investigadores de la Universidad de Michigan desarrollaron Turnkey Precision Oncology, una plataforma de código abierto asistida por IA diseñada para analizar datos de secuenciación de ADN y ARN y generar informes de patología molecular respaldados por evidencia. Su componente de IA, TPO-Agent, utiliza bases de datos consolidadas de genética del cáncer y literatura científica para verificar las interpretaciones y reducir las conclusiones sin respaldo.
En una evaluación que incluyó 50 alteraciones genéticas en 10 pacientes, aproximadamente el 95% de las afirmaciones del sistema estaban respaldadas por evidencia citada, en comparación con el 65% mediante un enfoque convencional de IA. La plataforma en general también logró aproximadamente un 95% de concordancia con los hallazgos del laboratorio clínico en 28 informes, lo que sugiere que la elaboración de informes asistida por IA podría mejorar la eficiencia al tiempo que mantiene la supervisión experta.
La IA ayuda a reducir las pruebas genéticas innecesarias en el cáncer de pulmón
En otro estudio, investigadores del Memorial Sloan Kettering Cancer Center y de la Escuela de Medicina Icahn en Mount Sinai evaluaron si el análisis de diapositivas de patología digital mediante IA podría ayudar a priorizar las pruebas genéticas rápidas en pacientes con adenocarcinoma de pulmón. Seis becarios de patología molecular revisaron 80 casos consecutivos utilizando evaluaciones asistidas por IA para determinar si era necesario realizar de inmediato pruebas de mutaciones de EGFR.
El enfoque identificó 26 casos (33%) en los que las pruebas rápidas de EGFR podrían haberse pospuesto sin pasar por alto ningún caso confirmado positivo para EGFR, lo que podría reducir pruebas redundantes y preservar tejido tumoral para un perfilado genómico integral. Sin embargo, el método fue menos fiable para determinar cuándo ciertas pruebas de fusiones génicas podrían posponerse, lo que pone de relieve la importancia de seguir perfeccionándolo y de contar con la supervisión del patólogo.
La IA mejora la clasificación de subtipos de cáncer de hígado en imágenes rutinarias de patología
Investigadores del Centro Médico Beth Israel Deaconess y de la Facultad de Medicina de Harvard investigaron si la IA podía distinguir el carcinoma hepatocelular del colangiocarcinoma intrahepático mediante el análisis de imágenes de patología recogidas de forma rutinaria. Utilizando un modelo fundacional capaz de evaluar diapositivas digitales sin entrenamiento adicional específico de la enfermedad, el equipo examinó 50 muestras de tejido del Atlas del Genoma del Cáncer.
El modelo identificó características visuales asociadas con la expresión génica específica del cáncer, en particular marcadores característicos de las células hepáticas, con evidencia de apoyo procedente de datos de secuenciación de ARN. Los hallazgos sugieren que el análisis de imágenes basado en IA podría revelar diferencias moleculares entre tumores hepáticos y aportar información adicional para respaldar una clasificación precisa del cáncer.
La IA detecta patrones asociados a mutaciones en láminas de cáncer gástrico
En un estudio aparte, investigadores de la Universidad de Stanford evaluaron si la IA podía predecir mutaciones genéticas asociadas al cáncer directamente a partir de láminas de patología digitalizadas de tumores gástricos. El equipo analizó imágenes de tejido de 367 pacientes utilizando un modelo fundacional de IA preentrenado para identificar patrones morfológicos asociados con alteraciones en cuatro genes relacionados con el cáncer.
El mejor rendimiento predictivo se observó para las mutaciones de PIK3CA y CDH1, con puntuaciones de área bajo la curva de 0,80 y 0,77, respectivamente. Aunque se necesita una validación adicional, los hallazgos sugieren que la patología asistida por IA podría ayudar en el futuro a identificar a los pacientes con mayor probabilidad de beneficiarse de pruebas moleculares adicionales, especialmente en entornos donde la secuenciación genómica no está fácilmente disponible.
En conjunto, los estudios presentados en la AMP 2026 destacan el papel cada vez mayor de la IA en el diagnóstico molecular, desde la mejora de la clasificación de las neoplasias hematológicas y la interpretación de datos genómicos del cáncer hasta la optimización de las estrategias de análisis y la extracción de información molecular de imágenes convencionales de patología.
Los hallazgos demuestran cómo las tecnologías de IA podrían complementar los métodos diagnósticos establecidos, mejorar la eficiencia del laboratorio y apoyar una atención oncológica más personalizada, al tiempo que subrayan la necesidad de continuar con la validación clínica y la supervisión humana.
Enlaces relacionados
Association for Molecular Pathology