Herramienta de patología con IA predice respuesta a inmunoterapia en cánceres raros
Actualizado el 07 Jul 2026
La inmunoterapia ha transformado la atención de ciertas neoplasias malignas, pero sigue siendo un desafío predecir qué pacientes con cánceres raros tienen más probabilidades de beneficiarse. A menudo, los clínicos solo disponen de biomarcadores limitados para orientar las decisiones terapéuticas, mientras que los rasgos histológicos de rutina pueden requerir mucho tiempo para cuantificarse a gran escala. Por ello, unas mediciones más eficientes y objetivas derivadas de las muestras tumorales estándar podrían apoyar tanto la toma de decisiones clínicas como la investigación. Nuevos hallazgos demuestran ahora que un enfoque de inteligencia artificial (IA) aplicado a biopsias tumorales puede estratificar la respuesta a la inmunoterapia en pacientes con cánceres raros.
Investigadores del MD Anderson Cancer Center de la Universidad de Texas (Houston, TX, USA) evaluaron un enfoque de patología guiado por IA para valorar la respuesta a la inmunoterapia en pacientes con cánceres raros. El método se centra en el microambiente tumoral cuantificando la infiltración de células inmunes dentro del tumor antes del tratamiento y siguiendo cómo cambian estos patrones durante la terapia. También mide el contenido tumoral en los mismos portaobjetos. Según los investigadores, el análisis se basa en trabajos anteriores que identificaron características del microambiente tumoral asociadas con la respuesta, incluso cuando están ausentes los marcadores predictivos convencionales.
La tecnología utiliza láminas de patología recolectadas de forma rutinaria para automatizar el laborioso proceso de enumerar células inmunes y cancerosas. Al generar estas mediciones rápidamente y de forma longitudinal a través de múltiples biopsias del mismo paciente, el método ofrece una lectura estandarizada de las interacciones dinámicas tumor-inmunidad. Esto permite evaluar señales individuales, como un aumento de la infiltración inmune o una disminución del contenido tumoral, así como patrones combinados a lo largo del tiempo utilizando muestras de portaobjetos completos que ya están integradas en los flujos de trabajo clínicos.
En el estudio actual, tanto los aumentos en la infiltración inmune del tumor como las disminuciones en el contenido tumoral se asociaron con beneficio clínico. Sin embargo, el valor pronóstico fue mayor cuando se combinaron ambas señales, lo que refleja una respuesta inmune activa junto con una menor carga tumoral. Los pacientes con este patrón combinado favorable tuvieron un 64% menos de riesgo de progresión de la enfermedad o muerte y una supervivencia mediana notablemente más prolongada que aquellos sin estos marcadores, de 42 meses frente a 10 meses.
El artículo fue publicado en el Journal for ImmunoTherapy of Cancer. Los autores señalan que se necesita una validación más amplia en poblaciones más grandes antes de que el enfoque pueda utilizarse para informar decisiones terapéuticas en la práctica habitual.
“La patología basada en IA tiene el potencial de proporcionar a los clínicos información útil tanto sobre el tumor como sobre su microambiente circundante, ayudando a orientar decisiones de tratamiento personalizadas para pacientes que reciben inmunoterapia”, dijo el Dr. Aung Naing, profesor de Terapéutica Oncológica Experimental en el MD Anderson Cancer Center de la Universidad de Texas.
“Aunque este enfoque impulsado por IA necesita validación, este es un emocionante paso adelante porque demuestra que se pueden extraer conocimientos significativos de muestras de patología de rutina en un grupo diverso de cánceres raros”, dijo el Dr. Naing.
Enlaces relacionados
University of Texas MD Anderson Cancer Center
