IA logra detectar el riesgo de tumores cerebrales sin costosas pruebas genéticas
Un innovador modelo de inteligencia artificial para tumores cerebrales desarrollado por Mayo Clinic promete revolucionar la oncología al clasificar meningiomas y predecir el riesgo de recurrencia, eliminando la necesidad de realizar costosas y complejas pruebas genéticas avanzadas.
Investigadores de Mayo Clinic y colaboradores internacionales han demostrado que una herramienta de inteligencia artificial (IA) puede analizar preparaciones histopatológicas de rutina para ayudar a los profesionales clínicos a clasificar los meningiomas, el tumor cerebral primario más frecuente en adultos, y comprender mejor el riesgo de recurrencia tumoral de un paciente de manera rápida y accesible.
El estudio, publicado en la prestigiosa revista científica The Lancet Digital Health, demuestra que los modelos de aprendizaje profundo (deep learning) facilitan la extracción de información molecular y pronóstica a partir de preparaciones estándar teñidas con hematoxilina y eosina (H&E). Estas son el mismo tipo de imágenes tisulares que ya se utilizan habitualmente en la práctica clínica diaria.
Hasta ahora, esta información crucial suele obtenerse mediante el perfil de metilación del ADN, una prueba genética avanzada que proporciona valiosa información diagnóstica y pronóstica, pero que resulta muy costosa, requiere mucho tiempo y no está disponible en la gran mayoría de los hospitales del mundo.
“Este es uno de los muchos estudios en los que podemos aprovechar el potencial de la patología digital al incorporar a los algoritmos de IA el conocimiento genómico y molecular acumulado durante las últimas dos décadas”, afirma la Dra. Gelareh Zadeh, jefa del Departamento de Neurocirugía de Mayo Clinic en Rochester y directora médica ejecutiva de la Plataforma Mayo Clinic.
¿Cómo detecta la Inteligencia Artificial los meningiomas agresivos?
Los meningiomas pueden presentar comportamientos biológicos muy diversos. Mientras que algunos crecen lentamente y pueden no reaparecer nunca tras el tratamiento, otros subtipos son marcadamente más agresivos y conllevan una alta probabilidad de recurrencia.
Comprender ese riesgo con precisión es fundamental para los pacientes y los equipos asistenciales a la hora de decidir los pasos a seguir tras la cirugía, como la necesidad de aplicar radioterapia de forma temprana.
Las pruebas moleculares tradicionales ayudan a identificar qué tumores tienen más probabilidades de regresar, pero su acceso está fuertemente limitado debido a que requieren tecnología especializada y conocimientos técnicos específicos. La IA se presenta como la solución para democratizar este diagnóstico.
Datos clave del desarrollo del algoritmo:
- Muestra del estudio: Se utilizaron muestras de tejido, imágenes de anatomía patológica y datos clínicos de 672 pacientes.
- Biología tumoral: Los modelos de IA fueron entrenados para identificar patrones visuales sutiles directamente relacionados con la biología del tumor.
- Análisis de heterogeneidad: Las herramientas basadas en IA lograron identificar diferencias dentro de un mismo tumor (heterogeneidad tumoral), lo que ayuda a explicar por qué ciertas zonas presentan un comportamiento más agresivo.
Los resultados sugieren que, con una validación adicional, las herramientas basadas en IA ayudarán a los profesionales clínicos a obtener información detallada para orientar la atención personalizada del paciente, sin depender de que cada caso sea sometido a un análisis genético de alta complejidad.
El impacto de la patología digital en las decisiones terapéuticas
En el tratamiento de pacientes con meningiomas, predecir el riesgo de recurrencia influye directamente en tres pilares médicos:
- El diseño del seguimiento clínico a largo plazo.
- La frecuencia con la que se deben programar las pruebas de imagen (como resonancias magnéticas).
- La conveniencia y el momento óptimo para considerar la radioterapia.
El estudio constató que las predicciones basadas en inteligencia artificial seguían siendo altamente precisas y útiles incluso después de contrastarse con factores clínicos tradicionales, como el grado tumoral determinado por el patólogo, la extensión de la resección quirúrgica y la edad del paciente.
Próximos pasos hacia una medicina de precisión accesible
Los investigadores señalan que todavía serán necesarios estudios prospectivos adicionales antes de que estos modelos de IA puedan implementarse de forma rutinaria en las consultas y laboratorios clínicos.
Aun así, afirman que este hito sienta las bases firmes para una atención médica más accesible, económica y personalizada para personas con meningiomas, abriendo las puertas a enfoques similares basados en IA para otros tipos de cáncer oncológico.
Como ocurre con cualquier herramienta de apoyo para la toma de decisiones médicas, el equipo subraya que estos modelos requerirán una evaluación rigurosa, validación en diferentes poblaciones y supervisión médica continuada.
“El objetivo final es hacer que estos algoritmos sean fácilmente accesibles y sencillos de utilizar a escala global, mejorando la atención al paciente en múltiples entornos sanitarios, especialmente donde los recursos son limitados”, concluye la Dra. Zadeh.
