Enfoque de patología con IA se alinea estrechamente con clasificación genómica del riesgo en cáncer de mama
Actualizado el 04 Nov 2026
En el cáncer de mama en estadio temprano, la oncología de precisión se basa en información biológica para orientar las decisiones terapéuticas personalizadas. Dado que el acceso a pruebas genómicas basadas en tejido puede ser limitado, existe un interés creciente en extraer información clínicamente relevante de las imágenes de anatomía patológica de rutina.
Agendia (Irvine, CA, USA) ha presentado datos de validación clínica de un enfoque de patología digital en investigación impulsado por inteligencia artificial y basado en la firma de recurrencia de 70 genes MammaPrint. Presentado en el Congreso de la Sociedad Europea de Oncología Médica (ESMO) 2026 en Madrid, el enfoque se desarrolló para inferir directamente las categorías de riesgo de MammaPrint a partir de imágenes de portaobjetos completos teñidas con hematoxilina y eosina (H&E).
El modelo en investigación se entrenó con 70.000 imágenes de portaobjetos completos teñidas con H&E, anonimizadas, utilizando supervisión derivada de MammaPrint. Su canalización de aprendizaje profundo incorporó detección de tejido, clasificación y extracción de características mediante modelos fundacionales tanto de autoaprendizaje como supervisados. El modelo generó una puntuación de recurrencia continua que luego se utilizó para clasificar a las pacientes en grupos digitales de alto riesgo y de bajo riesgo.
La validación clínica utilizó datos anonimizados de 372 pacientes con cáncer de mama en estadio temprano incluidas en el estudio prospectivo RASTER en el mundo real, con una mediana de seguimiento de 10,3 años. El ensayo digital en investigación mostró una alta concordancia con los resultados de MammaPrint, con un coeficiente de correlación de 0,954. Sobre la base de la clasificación digital, el 49% de las pacientes se categorizó como de alto riesgo y el 51% como de bajo riesgo.
Estas clasificaciones también se asociaron con los resultados clínicos a largo plazo. Las pacientes del grupo digital de bajo riesgo tuvieron una tasa de supervivencia específica por cáncer de mama a 10 años del 98,1%, en comparación con el 86,7% entre las del grupo digital de alto riesgo. Entre las 274 pacientes con enfermedad con receptor de estrógeno positivo y HER2 negativo, la supervivencia específica por cáncer de mama a 10 años fue del 98,1% en el grupo digital de bajo riesgo frente al 84,7% en el grupo digital de alto riesgo.
En el análisis multivariable, la clasificación digital del riesgo fue el único predictor independiente de la supervivencia específica por cáncer de mama, y se observaron asociaciones similares para los intervalos libres de recurrencia a distancia.
“Los enfoques de patología digital impulsados por IA tienen el potencial de ampliar el acceso a la información genómica para las pacientes con cáncer de mama en todo el mundo, especialmente en escenarios en los que el acceso a la genómica basada en tejido es limitado. Esta investigación reúne décadas de ciencia genómica con capacidades emergentes de patología digital y refleja nuestro compromiso con el desarrollo de enfoques innovadores para comprender la biología tumoral”, dijo William Audeh, M.D., M.S., director médico de Agendia.
Enlaces relacionados
Agendia
