✨︎ Resumen (TL;DR):
- Investigadores de la Mayo Clinic desarrollaron una inteligencia artificial para rastrear signos de tumores en tomografías de rutina.
- La herramienta REDMOD registró una sensibilidad del 73%, destrozando el 39% de precisión que alcanzan los especialistas médicos.
- Interceptar la enfermedad en etapa temprana elevaría la tasa de supervivencia del 13% actual a más del 44%.
Investigadores de la Mayo Clinic publicaron este martes en la revista Gut un modelo analítico capaz de identificar signos preclínicos de cáncer de páncreas en tomografías computarizadas de rutina. El sistema, desarrollado mediante inteligencia artificial, logra esta identificación un promedio de 475 días antes del diagnóstico clínico habitual.
REDMOD (Radiomics-based Early Detection MODel) es un software médico que detecta cambios sutiles en la textura de los tejidos pancreáticos que resultan completamente invisibles para el ojo humano y los métodos de imagen estándar.
Durante los análisis, la plataforma probó ser mucho más capaz que los radiólogos experimentados al rastrear alteraciones malignas tempranas. El modelo registró una sensibilidad del 73% frente al 39% del personal médico al identificar la enfermedad preclínica.
Esta brecha se amplió considerablemente en los casos detectados más de dos años antes del diagnóstico final: REDMOD alcanzó una efectividad del 68%, en contraste con el escaso 23% humano.
Precisión clínica y el impacto en la supervivencia
El cáncer de páncreas se mantiene como el cáncer principal más mortífero en Estados Unidos. El informe estadístico de 2026 de la American Cancer Society estima 67,530 diagnósticos y 52,740 muertes para este año, manteniendo la tasa de supervivencia a cinco años estancada en un 13%.
Si el tumor se detecta en una etapa localizada antes de propagarse, esa tasa salta de inmediato al 44%.
“Esta ventana temporal tiene una importancia profunda, ya que lograr una detección tan temprana aumentaría sustancialmente la probabilidad de cura y mejoraría la supervivencia”, escribieron los investigadores en el estudio.
El equipo comprobó la precisión del modelo bajo distintos escenarios independientes:
- Clasificó correctamente como libres de cáncer más del 81% de las tomografías en un grupo de 539 pacientes de diversos hospitales.
- Logró un 87.5% de exactitud en el conjunto de datos público NIH-PCT, conformado por 80 individuos.
- Mantuvo una consistencia del 90 al 92% cuando un mismo paciente fue escaneado meses antes.
El sistema incluye un marco de segmentación automatizada, el cual elimina la necesidad de que los médicos delineen manualmente los bordes del páncreas en cada escáner, un proceso lento y poco uniforme.
Los investigadores advirtieron que la herramienta requiere validación prospectiva en pacientes de alto riesgo, como aquellos con pérdida de peso inexplicable o diabetes reciente, antes de llevarse a los hospitales.
Los autores concluyeron que REDMOD representa “un avance significativo hacia el cambio de paradigma” para el cáncer de páncreas, pasando “de un diagnóstico sintomático en etapa tardía a una intercepción preclínica proactiva”.
