Un estudio liderado por investigadores de Mayo Clinic, publicado recientemente en la revista The Lancet Digital Health, ha marcado un hito en la patología digital. El equipo demostró que una herramienta de inteligencia artificial (IA) puede analizar preparaciones histopatológicas de rutina para ayudar a los clínicos a clasificar los meningiomas —el tumor cerebral primario más frecuente en adultos— y, más importante aún, predecir el riesgo de que el tumor reaparezca tras el tratamiento.
Democratizando el acceso al diagnóstico avanzado
Actualmente, la evaluación de la agresividad tumoral suele depender del perfil de metilación del ADN, una prueba genética avanzada. Aunque esta técnica ofrece información pronóstica invaluable, resulta costosa, consume tiempo y, en muchos casos, no está disponible en centros hospitalarios de menor complejidad.
La nueva herramienta de IA soluciona esta brecha al extraer información molecular y pronóstica a partir de preparaciones estándar teñidas con hematoxilina y eosina (H&E), el mismo tipo de imágenes tisulares que ya se utilizan de forma habitual en la práctica clínica diaria.
Sobre el potencial de esta tecnología, la Dra. Gelareh Zadeh, jefa del Departamento de Neurocirugía de Mayo Clinic y directora médica ejecutiva de la Plataforma Mayo Clinic, señaló:
“Este es uno de los muchos estudios en los que podemos aprovechar el potencial de la patología digital al incorporar a los algoritmos de IA el conocimiento genómico y molecular acumulado durante las últimas dos décadas”.
Precisión frente a la agresividad tumoral
Los meningiomas presentan un comportamiento clínico diverso: mientras algunos tienen un crecimiento lento, otros muestran características agresivas con alta probabilidad de recurrencia. Identificar este riesgo es vital para que los equipos asistenciales definan si el paciente requiere tratamientos complementarios, como la radioterapia, inmediatamente después de la cirugía.
Para desarrollar este modelo, el equipo de investigación analizó muestras de tejido, imágenes de anatomía patológica y datos clínicos de 672 pacientes. Los algoritmos fueron diseñados para identificar patrones de heterogeneidad tumoral —diferencias biológicas dentro de un mismo tumor— que explican por qué ciertos casos responden de manera distinta a las intervenciones.
Los resultados indican que las predicciones basadas en IA mantienen su utilidad incluso al ajustar factores clínicos tradicionales como la edad, el grado del tumor y la extensión de la resección quirúrgica.
Hacia una medicina personalizada
Si bien los investigadores subrayan que son necesarios estudios prospectivos adicionales y una validación rigurosa antes de su implementación rutinaria, los hallazgos sientan las bases para una atención más accesible y personalizada.
El objetivo final es integrar estas herramientas de apoyo a la toma de decisiones clínicas en múltiples entornos sanitarios alrededor del mundo. Como concluyó la Dra. Zadeh:
“El objetivo es hacer que estos algoritmos sean fácilmente accesibles y sencillos de utilizar a escala global, mejorando la atención al paciente en múltiples entornos sanitarios”.
Discussion about this post