IA australiana predice riesgo de recaída en cáncer de colon estadio dos

En los laboratorios de la Universidad La Trobe, en Australia, un grupo de investigadores ha puesto a punto una herramienta de inteligencia artificial diseñada para responder una pregunta que los oncólogos llevan años formulándose: ¿cuál de mis pacientes con cáncer de colon en estadio dos volverá a enfermar después de la cirugía?

La herramienta se llama SÉMIL —Semantically-Enhanced Multiple Instance Learning— y funciona de una manera que combina lo antiguo con lo nuevo. Toma imágenes histológicas, esas fotografías microscópicas del tejido canceroso, y las analiza junto con información descriptiva de las muestras para calcular el riesgo de que el tumor reaparezca. El algoritmo se enfoca específicamente en lo que los patólogos llaman el frente de invasión: la frontera donde el cáncer avanza hacia el tejido sano. Es una característica que los especialistas saben que importa, pero cuya interpretación puede variar de un médico a otro.

Para demostrar que funciona, los investigadores hicieron el trabajo arduo que requiere toda validación científica seria. Analizaron más de mil seiscientas muestras histológicas y probaron sus resultados en mil doscientos veinte pacientes con cáncer de colon en estadio dos que provenían de tres cohortes independientes en diferentes instituciones australianas. Los números mostraron algo importante: la precisión de la herramienta era mayor cuando la evaluación de la inteligencia artificial coincidía con la del patólogo humano. En otras palabras, cuando máquina y experto estaban de acuerdo, el diagnóstico era más confiable.

Lo que hace que esto importe en la clínica es el dilema que enfrentan los médicos cada día. Las guías clínicas actuales recomiendan dar quimioterapia después de la cirugía a los pacientes con cáncer de colon en estadio dos que se consideran de alto riesgo. Pero identificar quién es realmente de alto riesgo sigue siendo impreciso. Algunos pacientes reciben quimioterapia innecesaria, con todos sus efectos secundarios. Otros no la reciben cuando la necesitaban. Una herramienta que pudiera predecir con mayor exactitud quién necesita ese tratamiento adicional podría cambiar esas decisiones.

Francis Magisson, el autor principal del estudio publicado en la revista Gastroenterology, explica que la información que genera SÉMIL podría ayudar a patólogos y médicos a identificar a los pacientes que requieren un seguimiento más exhaustivo o un tratamiento complementario. La ventaja práctica es clara: la herramienta se integra en los sistemas de patología digital que ya existen en los laboratorios. No requiere nuevas pruebas costosas ni muestras adicionales de tejido. Simplemente analiza lo que ya está ahí.

Zhen He, profesor asociado responsable del programa de Biología Digital del Instituto de Ciencias Moleculares de la Universidad La Trobe, subraya que SÉMIL podría proporcionar evaluaciones más consistentes y objetivas de la patología del cáncer. Pero los investigadores son cuidadosos en un punto crucial: la inteligencia artificial no está diseñada para reemplazar el juicio médico. Es una capa adicional de información, una segunda opinión informada por algoritmos, pero la decisión final sigue siendo del especialista.

David Williams, patólogo anatómico de Austin Health y del Instituto de Investigación del Cáncer Olivia Newton-John, resume el desafío que SÉMIL ayuda a resolver: en el cáncer de colon en estadio dos, el mayor reto es identificar a los pacientes de mayor riesgo que realmente necesitan quimioterapia, y sopesar los beneficios potenciales contra los efectos secundarios que esa droga produce. Un algoritmo que pueda ayudar a los médicos a tomar esa decisión de forma más fundamentada es un paso hacia adelante.

Mirando hacia el futuro, los investigadores ven posibilidades más amplias. SÉMIL podría combinarse con otros biomarcadores para mejorar aún más la estratificación del riesgo y adaptar los tratamientos a las características individuales de cada paciente. Es el camino hacia una medicina más personalizada, donde las decisiones no se basan en protocolos generales sino en el perfil específico de cada tumor y cada persona.