Nueva prueba de IA predice rápidamente la recurrencia del cáncer de mama
Actualizado el 14 Jul 2026
El cáncer de mama recurrente sigue siendo un factor persistente de morbilidad y retratamiento, y la estratificación actual del riesgo suele depender de pruebas genómicas que son costosas y lentas. Esperar semanas para obtener resultados puede retrasar las decisiones sobre la terapia adyuvante y consumir tejido precioso.
Una prognosticación precisa y más rápida en subtipos que carecen de herramientas genómicas fiables es una necesidad no satisfecha. Para ayudar a abordar este desafío, los investigadores han desarrollado ahora una prueba de inteligencia artificial que estima el riesgo de recurrencia utilizando materiales de uso rutinario.
Investigadores de la Universidad de Nueva York desarrollaron la prueba multimodal de inteligencia artificial para analizar láminas de anatomía patológica digital que los patólogos ya revisan y combinarlas con información clínica de rutina, incluidos el estadio del tumor, la edad del paciente y el estado de los receptores hormonales. El enfoque está diseñado para generar estimaciones de riesgo sin requerir flujos de trabajo de pruebas genómicas.
El desarrollo y la evaluación se basaron en datos de 15 poblaciones de pacientes en siete países. Los investigadores evaluaron el rendimiento utilizando medidas estadísticas estándar, incluido el índice C y la razón de riesgos, para determinar qué tan bien distinguía el modelo entre pacientes con distintos niveles de riesgo. Informan que la prueba separó de forma fiable a los pacientes de mayor riesgo de los de menor riesgo.
La prueba también tuvo un buen desempeño al estimar la probabilidad de recurrencia en cánceres de mama triple negativos y HER2 positivos, dos subtipos que actualmente no cuentan con una prueba genómica fiable. El equipo señala que se necesita una evaluación adicional en ensayos clínicos aleatorizados completados para reforzar la confianza en el uso de la herramienta para guiar el tratamiento. Los hallazgos se publicaron en Nature Communications.
“La precisión del modelo no proviene solo de datos etiquetados manualmente. Proviene de un preentrenamiento auto-supervisado que le permite aprender primero representaciones ricas, las cuales luego se traducen en un sólido rendimiento posterior —una receta que debería generalizarse mucho más allá del cáncer de mama y, en un sentido más amplio, es el tipo de nueva ciencia de IA que exigen estos problemas difíciles”, dijo Yann LeCun, profesor titular de la cátedra Jacob T. Schwartz de Ciencias de la Computación y Ciencia de Datos en la Universidad de Nueva York y uno de los autores del artículo.
“En pruebas con miles de pacientes, nuestra prueba de IA igualó o superó a una prueba genómica ampliamente utilizada. Como se basa en láminas ya existentes, podría ofrecer respuestas en horas en lugar de semanas, a menor costo y preservando tejido para futuras pruebas”, dijo Krzysztof J. Geras, investigador visitante en el Centro de Ciencia de Datos de la NYU y profesor adjunto en la Facultad de Medicina Grossman de la NYU, quien dirigió el trabajo.
Enlaces relacionados
New York University
