La IA multimodal mejora predicción de recurrencia del cáncer de mama
Actualizado el 22 Sep 2026
Predecir qué pacientes con cáncer de mama en estadio inicial desarrollarán una recurrencia a distancia sigue siendo difícil, lo que complica las decisiones sobre la terapia y la vigilancia a largo plazo. Los ensayos genómicos de uso amplio son más informativos durante los primeros cinco años tras el diagnóstico, pero muchas recurrencias ocurren más tarde, en particular en la enfermedad positiva para receptores hormonales y negativa para el receptor 2 del factor de crecimiento epidérmico humano (HR+/HER2-).
Para mejorar la evaluación del riesgo en los periodos temprano y tardío, los investigadores han desarrollado un modelo de inteligencia artificial diseñado para ofrecer estimaciones más precisas del riesgo de recurrencia a distancia.
La innovación, llamada IICM+, fue creada por el Grupo de Investigación del Cáncer ECOG-ACRIN (Filadelfia, PA, EE. UU.) en colaboración con Caris Life Sciences (Irving, TX, EE. UU.). Está diseñada para pacientes con HR+/HER2-, un subtipo que representa aproximadamente la mitad de los casos en Estados Unidos. El trabajo se detalla en un estudio publicado en npj Breast Cancer.
IICM+ integra entradas multimodales para generar una única puntuación pronóstica. El modelo combina histopatología tumoral digitalizada con variables clínicas como la edad, el tamaño del tumor y el grado. También incorpora características moleculares de un panel ampliado de 42 genes. El enfoque utiliza técnicas modernas de inteligencia artificial para fusionar estas modalidades de datos en una predicción unificada del riesgo de recurrencia.
El desarrollo y la validación se basaron en muestras tumorales y en más de una década de datos de resultados de 4.429 participantes en el ensayo de cáncer de mama TAILORx. Los investigadores desarrollaron el modelo utilizando datos de 2.808 participantes y lo validaron de forma independiente en una cohorte separada de 1.621 participantes, con un seguimiento mediano superior a 11 años en ambos grupos. El rendimiento se evaluó para la recurrencia a distancia global, así como para la recurrencia temprana, que ocurre dentro de los cinco años, y la recurrencia tardía, que ocurre después de cinco años.
En la cohorte de validación independiente, IICM+ superó a la puntuación de recurrencia de 21 genes según el índice C, donde los valores más altos indican una mejor capacidad de discriminación. Para la recurrencia distante global, el índice C fue de 0,735 para IICM+ frente a 0,578 para la puntuación de recurrencia; para la recurrencia distante temprana, de 0,791 frente a 0,722; y para la recurrencia distante tardía, de 0,710 frente a 0,514, con diferencias estadísticamente significativas.
El modelo también identificó subgrupos de mayor riesgo entre los pacientes clasificados como de bajo riesgo genómico (Score de Recurrencia 0–25) y subgrupos de menor riesgo entre los clasificados como de alto riesgo genómico (26–100), lo que sugiere que podría refinar aún más la interpretación del Oncotype DX Breast Recurrence Score.
Los investigadores informaron que los hallazgos no establecen IICM+ para seleccionar o cambiar el tratamiento en este momento. Se están desarrollando más estudios para validar el modelo en poblaciones adicionales y determinar si el uso de la herramienta puede guiar las decisiones terapéuticas y mejorar los resultados.
"Impulsada por inteligencia artificial que integra datos clínicos, moleculares e histopatológicos, esta nueva prueba proporciona información pronóstica más fiable sobre la recurrencia del cáncer de mama", dijo Joseph A. Sparano, M.D., de la Facultad de Medicina Icahn del Mount Sinai.
Enlaces relacionados
ECOG-ACRIN Cancer Research Group
Caris Life Sciences
