Una IA detecta en tomografías previas señales de cáncer de páncreas invisibles para el radiólogo

Qué se hizo

Un grupo de la Clínica Mayo (Estados Unidos) entrenó un sistema de IA (inteligencia artificial: programas que aprenden patrones a partir de muchos ejemplos ya etiquetados) llamado REDMOD (siglas en inglés de «modelo de detección temprana basado en radiómica») para buscar señales de ADP (adenocarcinoma ductal de páncreas, el tipo más frecuente y letal de cáncer de páncreas) en TC (tomografías computarizadas) de abdomen hechas meses o años antes del diagnóstico y que en su momento se informaron como normales.

Es un estudio retrospectivo con diseño de casos y controles (se comparan personas que sí desarrollaron la enfermedad con otras parecidas que no, mirando hacia atrás en el tiempo): 219 tomografías de pacientes que de 3 a 36 meses después tuvieron un ADP confirmado por biopsia, y 1243 de controles sin cáncer emparejados por edad, sexo, fecha y motivo del estudio. La proporción, unos seis controles por cada caso, intenta imitar lo poco frecuente que es este cáncer en la práctica. El 70 % de las imágenes venía de otros hospitales y de cuatro marcas de tomógrafo.

El sistema primero dibuja el páncreas de forma automática y luego aplica radiómica (extracción por computador de cientos de medidas numéricas de la imagen (textura, brillo, heterogeneidad) que el ojo humano no puede cuantificar). De 968 medidas se quedó con 40, y con ellas decide si la glándula tiene la «firma» de un cáncer que aún no forma masa. Se entrenó con 969 tomografías y se probó en otras 493 que no había visto (63 casos y 430 controles).

Qué encontraron

En el grupo de prueba, con un tiempo de adelanto (cuánto antes del diagnóstico clínico se hizo la imagen en la que el sistema ya veía la señal) mediano de 475 días:

• Sensibilidad de 73,0 % (46 de 63 casos) frente a 38,9 % de dos radiólogos que leyeron las mismas imágenes (p<0,001).
• Con más de dos años de adelanto, 68,0 % frente a 23,0 %.
• Especificidad de 81,1 %: 349 de 430 controles bien clasificados, es decir, 81 personas sanas marcadas como sospechosas.
• AUC (área bajo la curva ROC; resume en un número de 0,5 (azar) a 1 (perfecto) qué tan bien separa una prueba a enfermos de sanos a lo largo de todos los umbrales posibles) de 0,82 frente a 0,69 de los radiólogos.
• De cada tres tomografías que el sistema marcó como sospechosas, solo una era de verdad un cáncer en preparación (precisión (proporción de positivos de la prueba que realmente tienen la enfermedad; baja mucho cuando la enfermedad es rara) de 36,2 %).

Los dos radiólogos fueron muy distintos entre sí: uno detectó el 55,5 % con 87,2 % de especificidad y el otro el 22,2 % con 97,2 %. Es decir, los humanos acertaban casi siempre con los sanos, pero se les escapaban la mayoría de los cánceres invisibles.

El sistema dio el mismo resultado en el 90 a 92 % de los pacientes con dos tomografías en fechas distintas, y en dos grupos externos de personas sanas su especificidad fue de 81,3 % (539 tomografías) y 87,5 % (80). Casi toda su capacidad salió de medidas de textura obtenidas con filtros de ondícula (transformaciones matemáticas que descomponen la imagen en detalles finos y gruesos, para resaltar cambios sutiles de textura a distintas escalas), lo que encaja con la idea de que el tejido se desorganiza antes de formar un tumor.

Por qué importa en el cáncer de páncreas

Más del 85 % de los ADP se diagnostica cuando ya no se pueden operar, y no existe un cribado para los casos esporádicos, que son la gran mayoría. Por eso ganar más de un año puede significar llegar cuando el tumor todavía es resecable. Los autores piensan sobre todo en grupos de alto riesgo, como los mayores con diabetes de inicio reciente (diabetes que aparece de novo en un adulto mayor y que a veces es una manifestación temprana del cáncer de páncreas, porque el tumor altera la función de los islotes) y pérdida de peso.

Qué significa y qué no

Es una prueba de concepto sólida, pero todavía no es una herramienta para la consulta: nadie ha demostrado aún que usarla salve vidas.

• Retrospectivo: se sabía de antemano quién tuvo cáncer. Falta el ensayo prospectivo (los autores anuncian uno).
• La sensibilidad no se validó fuera: solo la especificidad se probó en grupos externos, porque no hay bases públicas de tomografías previas al diagnóstico.
• Falsos positivos: en población general, con un cáncer mucho más raro que uno de cada siete, la proporción de alarmas falsas sería mayor. Los autores proponen usarlo para seleccionar a quién estudiar más, no para operar.
• No se analizó por grupos étnicos ni se midió la supervivencia.
• El sistema señala el páncreas entero, no dónde está el tumor: haría falta otra prueba para localizarlo.

Fuentes del contexto

• Mukherjee S, Antony A, Patnam NG, et al. Next-generation AI for visually occult pancreatic cancer detection in a low-prevalence setting with longitudinal stability and multi-institutional generalisability. Gut. 2026. doi:10.1136/gutjnl-2025-337266. https://pubmed.ncbi.nlm.nih.gov/42049489/