Modelo patológico basado en IA guía las decisiones de quimioterapia en cáncer de mama.

La selección de quimioterapia adyuvante para el cáncer de mama en etapa temprana sigue siendo una decisión difícil, ya que solo un subgrupo de pacientes se beneficia, mientras que muchas experimentan toxicidad sin obtener ventaja. Las pruebas genómicas pueden ayudar, pero son costosas, tardan semanas y no están disponibles en muchos entornos.

Los clínicos necesitan herramientas más rápidas y ampliamente accesibles que mantengan la precisión en la toma de decisiones. Ahora, investigadores presentan un enfoque de inteligencia artificial que predice tanto el riesgo de recurrencia como la probabilidad de beneficio de la quimioterapia utilizando láminas de patología de rutina.

El Technion (Instituto Tecnológico de Israel), en colaboración con investigadores de Estados Unidos y Europa, desarrolló un modelo de aprendizaje profundo que estima el riesgo de recurrencia y predice la eficacia de la quimioterapia directamente a partir de la histopatología. Este enfoque se publicó recientemente en The Lancet Oncology y se presentó en la conferencia de la Sociedad Europea de Oncología Médica (ESMO). Se describe como el primer modelo de inteligencia artificial de su tipo validado en un ensayo clínico aleatorizado a gran escala.

El sistema analiza imágenes digitales de alta resolución de tejido tumoral generadas durante los flujos de trabajo patológicos estándar. Mediante aprendizaje profundo, evalúa múltiples regiones del tumor y su microambiente para identificar patrones visuales asociados con el comportamiento del cáncer, incluyendo características vinculadas a la sensibilidad o resistencia al tratamiento. El resultado es una puntuación numérica generada en minutos que apoya la toma de decisiones compartida. A diferencia de las pruebas genómicas, la evaluación no requiere tejido adicional, procesamiento de laboratorio ni tiempo de espera.

La validación aprovechó el acceso excepcional a muestras de tejido y datos clínicos del ensayo TAILORx, uno de los mayores estudios aleatorizados en cáncer de mama, en el que más de 10.000 pacientes fueron asignados a recibir quimioterapia o no. Este diseño permitió evaluar si el modelo predice el beneficio del tratamiento, y no solo el riesgo de recurrencia. El estudio se presenta como un estudio multicéntrico de desarrollo y validación del modelo, con pruebas adicionales en miles de pacientes de hospitales de Israel, Estados Unidos y Australia, incluidos los centros médicos Carmel, Emek y Sheba.

El trabajo fue liderado en Technion con la colaboración de médicos y patólogos del Instituto Oncológico Dana-Farber, el Centro Médico Mount Sinai, el Centro Médico de la Universidad de Chicago y el Centro Médico IPATIMUP en Portugal. El estudio se publicó en The Lancet Oncology (2026). Cada año, aproximadamente 2,3 millones de personas en todo el mundo son diagnosticadas con cáncer de mama, lo que subraya la necesidad de herramientas de decisión que puedan implementarse ampliamente.

Según los investigadores, los próximos pasos incluyen avanzar en la implementación clínica en Israel y preparar ensayos clínicos en Brasil e India. El equipo también trabaja para perfeccionar el modelo y extenderlo a otros tratamientos y tipos de cáncer en los que se toman decisiones terapéuticas agresivas en situaciones de incertidumbre.

"Este es el primer modelo de IA que predice el beneficio del tratamiento en el cáncer de mama directamente a partir de muestras patológicas", afirmó el profesor Dvir Aran, de la Facultad de Biología del Technion y codirector del estudio. "En los países en desarrollo, donde las pruebas genómicas son prácticamente inaccesibles, esta herramienta podría ampliar drásticamente el acceso a la atención oncológica personalizada. En los países de altos ingresos, podría reducir los costos, acortar el tiempo de diagnóstico y mejorar la precisión en la toma de decisiones".

Enlaces relacionados
Technion - Instituto Tecnológico de Israel

Visitar la expo >

Miembro Oro

Clinical Chemistry Assay

Sorbitol Dehydrogenase (SDH)

Software de laboratorio
Acusera 24•7

Automated Urinalysis Solution

UN-9000

Prefilled Tubes

Prefilled 5.0ml Tubes