En pocas palabras
Un sistema informático analizó tomografías y encontró pequeños cambios relacionados con el cáncer de páncreas en imágenes que parecían normales. En promedio, esas señales aparecieron 475 días antes del diagnóstico. El resultado es prometedor, pero todavía hacen falta más pruebas para saber si el sistema puede ayudar de forma segura en los hospitales.
Por qué cuesta detectar el cáncer a tiempo
El estudio se centró en el adenocarcinoma ductal pancreático, un tipo de cáncer que se origina en los conductos del páncreas. Uno de sus grandes desafíos es que, al principio, las señales pueden pasar inadvertidas tanto para el paciente como para el médico: los síntomas suelen ser escasos o poco específicos, y los primeros cambios en el tejido pueden ser muy sutiles en las imágenes médicas. Cuando aparecen indicios más evidentes, la enfermedad quizá ya haya avanzado.
La rapidez con que puede progresar este cáncer hace que el momento de detectarlo sea especialmente importante. Un examen que identifica la enfermedad cuando ya es visible no necesariamente ofrece el mismo margen de acción que encontrar cambios antes del diagnóstico clínico. Por eso, los investigadores buscan formas de aprovechar imágenes que ya existen y extraer de ellas información que podría escapar a la evaluación visual habitual.
Esto no significa que la tomografía convencional no sirva. El desafío es que algunas señales posibles son difíciles de reconocer a simple vista. Una imagen puede contener diferencias muy pequeñas en el tejido pancreático, aunque no muestre una masa evidente ni un cambio grande y fácil de distinguir. De ahí surgió la idea de analizar los detalles y patrones de la imagen, en lugar de limitarse a buscar señales visibles.
Una nueva forma de analizar el tejido pancreático
Los investigadores llamaron REDMOD a su sistema de inteligencia artificial. El nombre corresponde a un modelo de detección temprana basado en características de imagen. El método utiliza lo que se conoce como análisis radiómico: extrae propiedades detalladas de las imágenes médicas, como patrones de textura y contraste que pueden no resultar evidentes en una revisión habitual. Después, el sistema emplea esa información para estimar si una imagen contiene señales relacionadas con la enfermedad.
Una de las funciones del sistema es localizar automáticamente el páncreas y delimitarlo para separarlo de los órganos y tejidos cercanos. Esto es importante porque el contorno trazado manualmente puede variar de un especialista a otro y añadir diferencias al análisis. La automatización permite aplicar un método uniforme a las imágenes y concentrarse en las características sutiles del propio páncreas.
Sin embargo, el sistema no identifica el cáncer del mismo modo que un médico reconoce una masa evidente, ni el estudio demuestra que cada señal que encuentra corresponda necesariamente a un tumor. Los investigadores evaluaron si el análisis podía reconocer patrones que habían aparecido antes del diagnóstico en un grupo de pacientes. Por eso, los resultados deben entenderse como señales de alerta prometedoras, no como un sustituto demostrado del diagnóstico médico.
Imágenes que parecían normales antes de que se detectara la enfermedad
El estudio incluyó tomografías abdominales de 219 pacientes atendidos en varios hospitales. Cuando se realizaron esos exámenes, los radiólogos con experiencia no encontraron indicios de cáncer de páncreas. Sin embargo, a todas las personas de este grupo se les diagnosticó la enfermedad más adelante. Esto permitió a los investigadores volver a las imágenes anteriores al diagnóstico y comprobar si el sistema podía detectar señales que habían pasado inadvertidas en ese momento.
Las tomografías no se habían tomado en un único periodo previo al diagnóstico. A 87 pacientes, es decir, al 40% del grupo, se les hizo el examen entre 3 y 12 meses antes de recibir el diagnóstico. El siguiente grupo estaba formado por 76 pacientes, o el 35%, cuyas imágenes se obtuvieron entre 12 y 24 meses antes. Los 56 pacientes restantes, el 25%, tenían imágenes de más de 24 meses antes; en algunos casos, la tomografía se había realizado cerca de tres años antes.
En casi dos tercios de los pacientes, concretamente en el 64%, el cáncer se originó en la cabeza del páncreas. Este dato describe dónde estaban los tumores en la muestra, pero no demuestra que los resultados del sistema se apliquen necesariamente a todas las zonas del órgano ni a todos los pacientes. Además, las distintas distancias entre la tomografía y el diagnóstico permitieron evaluar si la herramienta podía encontrar señales en momentos muy diferentes.
Para comparar los resultados, los investigadores analizaron también imágenes de 1243 personas que no recibieron un diagnóstico de cáncer de páncreas durante los tres años posteriores a la tomografía. El grupo de comparación se ajustó al de los pacientes según la edad, el sexo y las fechas de los exámenes, con el objetivo de que la comparación fuera más coherente. La edad promedio de las personas con cáncer incluidas en el estudio era de 69 años, con un rango de 34 a 88 años. En el grupo de comparación, la edad promedio era de 64 años y el rango también iba de 34 a 88 años.
Señales detectadas, en promedio, 475 días antes del diagnóstico
Al analizar las imágenes anteriores al diagnóstico, REDMOD identificó características asociadas más adelante con el cáncer de páncreas. El intervalo promedio entre la detección de esas señales y el diagnóstico clínico fue de 475 días. Es decir, el sistema reconoció patrones en imágenes que se habían considerado sin indicios claros de cáncer antes de que los pacientes recibieran el diagnóstico.
Este intervalo podría ser importante porque daría más tiempo para investigar los casos que despierten preocupación, si futuros estudios confirman que las señales pueden utilizarse en la práctica clínica. Los investigadores consideran que detectar la enfermedad cuando todavía está localizada o en sus primeras etapas podría mejorar las posibilidades de tratamiento y supervivencia. Como referencia, citaron modelos que predicen que aumentar del 10% al 50% la proporción de tumores localizados podría más que duplicar las tasas de supervivencia. Se trata de una predicción basada en modelos, no del resultado de un ensayo de tratamiento realizado como parte del estudio de REDMOD.
Es importante distinguir entre encontrar un patrón en una imagen antigua y demostrar que intervenir antes gracias a ese patrón mejorará realmente la salud del paciente. El estudio compara el análisis de las imágenes con lo que les ocurrió después a los pacientes, pero por sí solo no prueba que usar el sistema para detectar el cáncer antes cambie el curso de la enfermedad o prolongue la vida. Para responder a esa pregunta, habría que probar la herramienta en condiciones reales de atención y seguir los efectos de las decisiones de evaluación y tratamiento.
Mejores resultados que los radiólogos en el estudio
La sensibilidad del sistema fue del 73%, frente al 39% de los radiólogos que revisaron las imágenes. La sensibilidad indica la capacidad de una prueba para identificar a las personas que realmente tienen la enfermedad, en vez de pasar por alto casos. En el conjunto de imágenes analizado, el sistema detectó una proporción mayor de los pacientes que más tarde recibieron el diagnóstico.
La diferencia fue aún más marcada en las imágenes tomadas más de dos años antes del diagnóstico. En ese grupo, el sistema encontró señales de la enfermedad en el 68% de los casos, mientras que los radiólogos las detectaron en el 23%. El resultado sugiere que el análisis informático podría ser especialmente útil cuando las señales aparecen mucho antes del diagnóstico. Aun así, se trata de datos de un grupo concreto y no garantiza que el sistema obtenga los mismos resultados en todos los hospitales o en todos los grupos de pacientes.
La evaluación no se limitó a comprobar si el sistema distinguía imágenes de pacientes que luego desarrollaron la enfermedad. Los investigadores también lo probaron con un grupo independiente de 539 pacientes de varios hospitales. El sistema clasificó como libres de cáncer algo más del 81% de las imágenes de ese grupo. Además, se evaluó con un conjunto de datos disponible para los investigadores de los National Institutes of Health de Estados Unidos, conocido como NIH-PCT y compuesto por 80 personas. En ese conjunto, el 87,5% de las imágenes se clasificó como sin señales de cáncer de páncreas.
Estas medidas no son iguales a la sensibilidad, así que no conviene resumir todos los resultados en una sola cifra ni interpretarlos como si describieran el mismo aspecto del sistema. La sensibilidad indica cuántos casos de enfermedad se detectan entre las personas que la tienen. En cambio, los resultados de los grupos sin cáncer muestran la capacidad de la herramienta para clasificar imágenes que no indican la presencia de la enfermedad. Para valorar su uso práctico hay que considerar ambos tipos de resultados, porque pasar por alto un caso y emitir una alerta equivocada pueden llevar a decisiones médicas distintas.
¿Se mantuvieron las señales a lo largo del tiempo?
El equipo también examinó si los resultados eran estables cuando se disponía de varias imágenes de una misma persona. Al comparar tomografías realizadas con varios meses de diferencia, el sistema obtuvo resultados coincidentes en entre el 90% y el 92% de los casos. Esta observación respalda la posibilidad de que el análisis capte un patrón persistente y no solo una diferencia pasajera entre dos imágenes.
Sin embargo, que los resultados coincidan en tomografías repetidas no demuestra que todo patrón estable sea una señal confirmada de cáncer. El dato aporta indicios de que la herramienta es consistente, pero la pregunta principal sigue siendo si esos patrones permiten predecir la enfermedad con precisión en personas examinadas antes de conocer cómo evolucionará su salud. Para responderla se necesita un seguimiento prospectivo y organizado, no solo analizar imágenes de personas que posteriormente se supo que habían desarrollado cáncer.
Qué falta para llevar la herramienta a los hospitales
A pesar de los resultados prometedores, los investigadores no recomendaron incorporar el sistema de inmediato a la atención habitual. Una de las limitaciones que señalaron es que los participantes no representaban una diversidad suficiente de orígenes étnicos. Esta carencia importa al evaluar una herramienta médica, porque su rendimiento podría variar entre distintos grupos de población. No se puede suponer que los resultados observados en una muestra determinada se apliquen automáticamente a todas las personas.
Los próximos estudios también deberían evaluar el sistema antes de conocer el diagnóstico final y hacer un seguimiento planificado de los grupos de pacientes. Tiene especial interés estudiar a las personas con mayor riesgo, incluidas aquellas con una pérdida de peso sin explicación o con un diagnóstico reciente de diabetes. Mencionar a estos grupos no significa que todas las personas con alguna de esas características tengan cáncer: los investigadores los consideran grupos que vale la pena estudiar para determinar la utilidad de la detección temprana.
También será necesario aclarar cómo se usaría el resultado del sistema en las decisiones médicas: si llevaría a solicitar más pruebas, cómo se confirmarían los casos que señale y qué nivel de confianza haría falta antes de dar el siguiente paso. El estudio no responde todavía a esas preguntas. Además, el desempeño del programa en conjuntos específicos de imágenes no permite saber por sí solo cómo afectaría su incorporación al trabajo cotidiano ni cuánto podrían variar los resultados según los equipos de tomografía y las condiciones en que se recopilan los datos.
Por ahora, REDMOD sigue siendo una herramienta en evaluación, no una prueba lista para reemplazar a los radiólogos. En el futuro, podría ayudar a los médicos a revisar imágenes cuyos detalles sutiles son difíciles de reconocer. Pero para establecer su utilidad real habrá que probarla directamente con grupos diversos, incluidas personas que no presenten señales confirmadas de cáncer al comenzar el seguimiento.
Conclusión
Los resultados de REDMOD indican que analizar detalles sutiles de las tomografías podría revelar patrones relacionados con el cáncer de páncreas, en promedio, 475 días antes del diagnóstico clínico. En las imágenes de 219 pacientes que recibieron el diagnóstico más adelante, la sensibilidad del sistema fue del 73%, frente al 39% de los radiólogos. Entre los casos con imágenes tomadas más de dos años antes del diagnóstico, el sistema detectó señales en el 68%, frente al 23%. También clasificó como libres de cáncer más del 81% de las imágenes de un grupo de 539 personas y el 87,5% de las imágenes del conjunto NIH-PCT, compuesto por 80 personas. Al comparar tomografías repetidas de los mismos pacientes, la coincidencia de resultados fue de entre el 90% y el 92%.
Estas cifras no significan que la tecnología esté lista para su uso rutinario. Se necesitan estudios prospectivos con grupos más diversos y una atención especial a las personas con mayor riesgo, entre ellas quienes tienen una pérdida de peso sin explicación o un diagnóstico reciente de diabetes. Si futuras pruebas confirman que las señales son fiables y ayudan realmente a detectar la enfermedad antes, este método podría contribuir a cambiar el momento en que se presta atención a un cáncer difícil de identificar en sus primeras etapas. Por ahora, es un avance prometedor que todavía requiere más validación antes de incorporarse a la práctica médica.