IA y riesgo de cáncer: qué encontró el estudio presentado en ESMO
La investigación combina datos de rutina para estimar riesgos. No equivale a un diagnóstico ni sustituye los programas de detección.
Una investigación presentada en el Congreso ESMO 2026 explora cómo el aprendizaje automático puede identificar a personas con mayor riesgo de desarrollar cáncer. El trabajo utiliza información que suele recopilarse durante la atención sanitaria.
El equipo reunió datos de 463 mil 620 participantes del Biobanco del Reino Unido, con un seguimiento aproximado de 18 años. Esa base permitió estudiar la aparición posterior de distintos tumores.
En breve: 463 mil 620 participantes · 20 tipos de cáncer · Resultados que todavía necesitan evaluación clínica.
Los datos que analizó el equipo
Se desarrollaron cerca de 500 modelos para analizar 20 tipos de cáncer. Los datos considerados incluyen antecedentes médicos, factores de estilo de vida y resultados de análisis rutinarios.
Los investigadores observaron diferencias importantes según el tumor. Los resultados fueron especialmente prometedores para pulmón, esófago e hígado, sin que eso implique el mismo desempeño para todos los cánceres.
El investigador Paul-Henry Koop, de la Universidad Técnica de Dresde, planteó que algunos modelos podrían ayudar a orientar un precribado. La idea es identificar quién podría necesitar una evaluación adicional.
Predecir riesgo no es diagnosticar
Estimar riesgo no significa detectar un tumor presente. Una persona clasificada con riesgo alto puede no desarrollar cáncer, y una predicción no ofrece certeza individual.
Antes de trasladar estos resultados a la atención cotidiana se necesita evaluar su utilidad en otras poblaciones y contextos. Una base británica no representa automáticamente a todos los pacientes de México.
El trabajo tampoco anuncia una aplicación de diagnóstico disponible para el público. Los síntomas, revisiones y pruebas de detección deben seguir evaluándose con profesionales, sin sustituirlos por una respuesta de inteligencia artificial.
Fotografía: University of Mississippi Medical Center / archivo de 2022, imagen de contexto.
