Algoritmo de IA predice metástasis del cáncer y riesgo de recurrencia
Actualizado el 28 Jan 2026
Algunos tumores se propagan a órganos distantes, mientras que otros permanecen localizados, lo que la convierte en una de las preguntas más importantes sin respuesta en la atención oncológica. La metástasis es la principal causa de muerte en la mayoría de los cánceres; sin embargo, los médicos actualmente carecen de métodos fiables para identificar tumores de alto riesgo antes de que se propaguen. Las mutaciones genéticas que impulsan la formación de tumores son bien conocidas, pero ninguna mutación explica por sí sola por qué ciertas células migran y otras no. Los investigadores han identificado patrones moleculares vinculados al comportamiento metastásico y han desarrollado un método para convertir estas señales en predicciones fiables del riesgo.
En una investigación dirigida por la Facultad de Medicina de la Universidad de Ginebra (UNIGE, Ginebra, Suiza), científicos estudiaron células tumorales de pacientes con cáncer de colon para comprender qué impulsa el potencial metastásico. En lugar de analizar células individuales de forma aislada, el equipo aisló, clonó y cultivó células tumorales para observar su comportamiento, preservando su identidad molecular. Al medir la expresión de cientos de genes en poblaciones celulares relacionadas, identificaron gradientes de expresión génica asociados con la capacidad de un grupo celular para migrar y formar metástasis.
Basándose en estas firmas, los investigadores desarrollaron un modelo de inteligencia artificial (IA) denominado "Mangrove Gene Signatures" (MangroveGS), que integra simultáneamente entre decenas y cientos de patrones de expresión génica. Este enfoque multifirma reduce la sensibilidad a la variación individual y captura el comportamiento colectivo de los grupos de células cancerosas. La herramienta de IA transforma los datos de secuenciación de ARN de muestras tumorales en una puntuación de riesgo metastásico que puede interpretarse rápidamente en el ámbito clínico.
El modelo se entrenó y validó con datos de muestras de cáncer de colon y se evaluó su capacidad para predecir la metástasis y la recurrencia del cáncer. Los resultados, publicados en Cell Reports, muestran que MangroveGS alcanzó una precisión cercana al 80 %, superando a las herramientas de predicción existentes. Cabe destacar que las firmas genéticas derivadas del cáncer de colon también fueron eficaces para predecir el riesgo de metástasis en otros tipos de cáncer, como el de mama, pulmón y estómago.
Este enfoque permite analizar muestras tumorales a nivel hospitalario mediante secuenciación estándar de ARN, con datos anónimos procesados mediante una plataforma digital segura. Esto podría ayudar a los médicos a evitar el sobretratamiento en pacientes de bajo riesgo, a la vez que permite una monitorización más estrecha y una terapia intensificada para aquellos con alto riesgo. Los investigadores planean perfeccionar MangroveGS y ampliar su uso clínico, incluyendo la optimización de la selección de pacientes para ensayos clínicos y la identificación de nuevas dianas terapéuticas relacionadas con la metástasis.
"La gran novedad de nuestra herramienta, llamada "Mangrove Gene Signatures (MangroveGS)", es que aprovecha decenas, incluso cientos, de firmas genéticas. Esto la hace particularmente resistente a las variaciones individuales", afirmó Aravind Srinivasan, estudiante de doctorado y coautor principal del estudio.
Enlaces relacionados:
UNIGE
