Herramienta de IA predice recurrencia de meningiomas a partir de portaobjetos rutinarios
Actualizado el 16 Jun 2026
Los meningiomas son los tumores cerebrales primarios más comunes en adultos, pero su evolución varía desde indolente hasta altamente recurrente. Estimar el riesgo de recurrencia de un paciente individual suele requerir pruebas moleculares avanzadas que aumentan el costo y el tiempo de procesamiento, y que pueden no estar disponibles en muchos hospitales. Estas limitaciones complican la planificación postoperatoria y las decisiones de seguimiento.
Para abordar este desafío, los investigadores han desarrollado un enfoque de IA que interpreta muestras de patología rutinarias para clasificar los tumores y estimar el riesgo de recurrencia.
Investigadores y colaboradores de la Clínica Mayo (Rochester, Minnesota, EE. UU.) crearon modelos de aprendizaje profundo que analizan preparaciones histológicas estándar teñidas con hematoxilina y eosina (H&E). Estos modelos infieren información molecular y pronóstica que normalmente se obtiene mediante el análisis de metilación del ADN, un proceso costoso y que requiere muchos recursos. Los hallazgos se publicaron el 5 de junio de 2026 en The Lancet Digital Health.
El equipo entrenó los modelos utilizando muestras de tejido, imágenes de patología digital y datos clínicos de 672 pacientes. Se emplearon múltiples conjuntos de datos anonimizados, incluidos recursos de datos de la plataforma de la Clínica Mayo. En este estudio de cohorte retrospectivo, los algoritmos clasificaron los subtipos de meningioma y predijeron el riesgo de recurrencia directamente a partir de preparaciones histológicas teñidas con hematoxilina-eosina, que ya forman parte de la atención rutinaria.
Los resultados del modelo siguieron siendo informativos incluso después de considerar las variables clínicas convencionales. Las predicciones continuaron aportando utilidad más allá del grado tumoral, la extensión de la resección quirúrgica y la edad del paciente. Los sistemas también identificaron patrones de heterogeneidad tumoral dentro de las muestras que podrían ayudar a explicar el comportamiento agresivo o la variabilidad en la respuesta al tratamiento.
Estos resultados sugieren que la IA podría ampliar el acceso a información avanzada sobre tumores sin necesidad de pruebas genéticas adicionales. Entre las posibles aplicaciones se incluyen la toma de decisiones sobre radioterapia adyuvante y la planificación de estudios de imagen de seguimiento. Los investigadores recalcaron la necesidad de una validación prospectiva antes de su implementación clínica rutinaria.
“Este es uno de los muchos estudios en los que podemos aprovechar el potencial de la patología digital al incorporar los conocimientos genómicos y moleculares de las últimas dos décadas en algoritmos de IA”, afirmó Gelareh Zadeh, MD, Ph.D., jefa del Departamento de Cirugía Neurológica de la Clínica Mayo en Rochester y Directora Médica Distinguida David C. y Flora C. Pratt de la Plataforma de la Clínica Mayo.
“El objetivo es que estos algoritmos sean accesibles de forma fácil y sencilla para su uso a nivel mundial, mejorando la atención al paciente en diversos entornos sanitarios”, dijo la Dra. Zadeh.
Enlaces relacionados
Mayo Clinic
Mayo Clinic Platform
