Mapeo de médula ósea con IA ofrece nueva herramienta para monitorear el cáncer hematológico
Actualizado el 29 Jul 2026
Las neoplasias mielodisplásicas, un grupo de cánceres de la sangre que afectan principalmente a los adultos mayores, son difíciles de estadificar y de monitorizar, y a menudo requieren biopsias repetidas de médula ósea que pueden arrojar interpretaciones inciertas. La enfermedad puede progresar a leucemia mieloide aguda, lo que pone de relieve la necesidad de medidas de riesgo objetivas y reproducibles. La histopatología convencional y las pruebas genéticas también pueden dejar una zona gris diagnóstica.
Nuevos hallazgos demuestran un enfoque de inteligencia artificial que convierte imágenes rutinarias de médula ósea en una puntuación cuantitativa de la enfermedad.
Investigadores de Weill Cornell Medicine desarrollaron la puntuación MDS-MAPS, un método de inteligencia artificial (IA) que cuantifica la gravedad de la enfermedad en biopsias de médula ósea de pacientes con neoplasias mielodisplásicas (SMD). El enfoque compara las posiciones espaciales y las características morfométricas de cada célula hematopoyética de una muestra del paciente con las de una médula ósea sana para generar una única puntuación. El método analiza imágenes digitales obtenidas mediante flujos de trabajo rutinarios de tinción e imagen, disponibles habitualmente en los laboratorios hospitalarios de patología.
MDS-MAPS clasifica las muestras utilizando 82 características asociadas con el tejido normal y los subtipos genéticos de SMD. Los investigadores utilizaron muestras de pacientes totalmente desidentificadas e indican que la puntuación puede generarse en el momento del diagnóstico y seguirse de forma longitudinal. Las puntuaciones más bajas se parecen al tejido sano, mientras que las más altas reflejan una mayor alteración arquitectónica relacionada con la enfermedad.
En modelos computacionales, la herramienta clasificó el estado de la enfermedad con más precisión que los métodos de evaluación actuales. Más allá de la puntuación, el estudio halló que la médula ósea sana sigue una arquitectura conservada y que las células madre se van desplazando cada vez más de su ubicación a medida que avanza el SMD.
Se observó una menor expresión del receptor CXCR4 en las células madre de los pacientes, particularmente cuando estaban presentes mutaciones en TP53, lo que ofrece perspectivas que podrían refinar aún más el seguimiento anatomopatológico.
El trabajo se publicó el 30 de junio en Leukemia. El equipo planea validar el enfoque en cohortes más amplias y evaluarlo en otras formas de SMD y en condiciones precursoras cada vez más reconocidas.
“Usar IA para ayudarnos a examinar la arquitectura espacial de la médula ósea mediante pruebas de laboratorio ampliamente disponibles nos permite mejorar nuestra capacidad para evaluar el pronóstico de los pacientes y quizá clasificarlos para terapias de precisión”, dijo el Dr. David Redmond, profesor adjunto de investigación en biología computacional en medicina en Weill Cornell Medicine.
“Podemos generar un valor de MDS-MAPS para un paciente en el momento del diagnóstico y seguir cómo cambia con el tiempo”, dijo el Dr. Sanjay Patel, jefe clínico de hematopatología y profesor asociado de patología y medicina de laboratorio en Weill Cornell Medicine. “Condensa algo muy complejo en un valor numérico. Es más fácil para un paciente entender si su puntuación va en la dirección correcta o incorrecta, o si es más probable que su enfermedad se mantenga estable”.
Enlaces relacionados
Weill Cornell Medicine
.jpg)
