Una IA predice mejor qué cáncer de mama puede volver años después

Qué se ha descubierto¶

Un equipo internacional ha creado una herramienta de inteligencia artificial que predice con más precisión el riesgo de que el cáncer de mama vuelva después del tratamiento. El modelo, llamado IICM+, combina imágenes digitales del tumor con datos clínicos y moleculares. En las pruebas, fue más fiable que el test de 21 genes que se usa hoy para decidir si una paciente se beneficia de la quimioterapia.

La investigación se centró en el tipo más frecuente de cáncer de mama: el que tiene receptores hormonales positivos y HER2 negativo, una categoría que suele escribirse como HR+ y HER2-. Aproximadamente la mitad de los casos de este tumor entran en este grupo.

Cómo se hizo el estudio¶

El trabajo lo firmaron el Grupo de Investigación en Cáncer ECOG-ACRIN y la empresa Caris Life Sciences. El primer autor es Joseph A. Sparano, de la Escuela de Medicina Icahn en Mount Sinai, en Nueva York. El estudio se acaba de publicar en la revista npj Breast Cancer.

Para entrenar y probar el modelo, los investigadores recurrieron al ensayo clínico TAILORx, uno de los estudios más grandes sobre cáncer de mama hormonodependiente. En total usaron muestras y datos de 4.429 mujeres que habían participado en este ensayo.

De ellas, 2.808 aportaron los datos con los que se construyó el modelo. Después, el sistema se puso a prueba en un grupo independiente de 1.621 mujeres, sin mezclar sus datos con los del entrenamiento. Ambos grupos tenían un seguimiento mediano de más de once años, suficiente para detectar recaídas tempranas y tardías.

El modelo IICM+ parte de imágenes digitalizadas del tumor. Sobre ellas añade la edad de la paciente, el tamaño y el grado del tumor, y los datos de un panel ampliado de 42 genes. Con todo esto calcula una puntuación que estima el riesgo de que el cáncer reaparezca en otra parte del cuerpo.

Qué significa y qué no¶

El hallazgo clave es que IICM+ separa mejor a las mujeres según su riesgo real de recaída que el test de 21 genes, conocido como Recurrence Score u Oncotype DX. Esto se midió con un indicador llamado C-index, que va de 0 a 1 y cuanto más alto, mejor distingue entre personas que sufrirán o no el evento estudiado.

En el grupo de validación independiente, los números fueron estos:

• Para cualquier recaída a distancia: 0,735 con IICM+ frente a 0,578 con el test clásico.
• Para recaídas tempranas, dentro de los cinco primeros años: 0,791 frente a 0,722.
• Para recaídas tardías, después de cinco años: 0,710 frente a 0,514.

La diferencia más llamativa está en las recaídas tardías. Más de la mitad de las metástasis a distancia en este tipo de cáncer aparecen cinco, diez, quince o incluso más de veinte años después de la cirugía inicial. Ahí es donde el test actual falla más y donde la nueva herramienta aporta más.

Otra pista útil: en mujeres con un Recurrence Score bajo (de 0 a 25), IICM+ detectó un subgrupo con un riesgo real más alto del que sugería el test clásico. Y al revés, dentro de las pacientes de riesgo alto según el test de 21 genes, también encontró perfiles distintos.

Eso no significa que la nueva prueba sustituya mañana al Oncotype DX. Es un modelo en investigación, no una herramienta disponible en consulta. Hay que recordar que hablamos de una asociación estadística en datos de un ensayo clínico, no de una demostración de que la IA cause por sí sola mejores resultados clínicos.

Contexto¶

El cáncer de mama es uno de los tumores más estudiados del mundo, pero también uno de los más heterogéneos. Eso quiere decir que bajo el mismo diagnóstico caben muchos subtipos con comportamientos muy distintos.

En las últimas décadas, la llamada medicina de precisión ha cambiado el tratamiento. Hoy se usan perfiles genéticos para decidir quién necesita quimioterapia y quién puede evitarla. También se han incorporado fármacos que actúan sobre dianas concretas, anticuerpos conjugados o inmunoterapia. Una revisión reciente repasa estos avances y muestra cómo las decisiones se apoyan cada vez más en datos moleculares, y no solo del tejido: la biopsia líquida en sangre permite seguir la enfermedad y anticipar recaídas sin necesidad de pinchar el tumor.

A esto se suma el interés creciente por aplicar inteligencia artificial a imágenes médicas e historiales clínicos. En el caso del cáncer de mama, ya hay sistemas de ayuda al diagnóstico por imagen y estudios que prueban modelos de aprendizaje automático para predecir recaídas. La mayoría, sin embargo, son trabajos pequeños o con seguimientos cortos, así que cuesta saber cuánto valen en la práctica real.

Aquí es donde el nuevo estudio marca la diferencia. Aprovecha uno de los ensayos clínicos más sólidos y largos que existen, TAILORx, y plantea un modelo que cubre tanto las recaídas tempranas como las tardías, justo el punto débil de las herramientas actuales.

Qué falta por saber¶

Aunque los resultados son prometedores, hay varias preguntas abiertas antes de pensar en usar IICM+ en la consulta:

• El modelo se entrenó y validó con datos de un único ensayo clínico, TAILORx. Falta ver si funciona igual de bien en mujeres tratadas en otros hospitales y con otros sistemas de salud.
• La herramienta exige imágenes digitalizadas del tumor y un panel de 42 genes, algo que no todos los centros pueden hacer hoy de forma rutinaria.
• Saber que una mujer tiene más riesgo de recaída no basta: hace falta demostrar que esa información cambia las decisiones clínicas y, sobre todo, que mejora la supervivencia o la calidad de vida.
• Tampoco se ha comparado frente a los test genómicos más nuevos, como los que usan firmas de pocos genes para guiar el tratamiento hormonal.

Hasta que esos pasos se aclaren, el mensaje para las pacientes es el mismo de siempre: las decisiones sobre el seguimiento y el tratamiento se toman caso por caso con el equipo médico.