Clínica Mayo desarrolla IA para detección temprana de cáncer de páncreas
La investigación busca cambiar el escenario de uno de los cánceres más letales, cuya detección tardía limita las posibilidades de tratamiento y reduce significativamente la supervivencia de los pacientes.
La inteligencia artificial (IA) podría transformar la detección del cáncer de páncreas gracias a una herramienta capaz de identificar la enfermedad hasta tres años antes de su diagnóstico clínico.
El modelo de última generación, desarrollado por Clínica Mayo, detecta signos sutiles en tomografías computarizadas abdominales antes de que los tumores sean visibles, en una etapa donde aún es posible un tratamiento curativo.
Se trata de uno de los tipos de cáncer con mayor mortalidad, ya que suele detectarse en etapas avanzadas. Más del 85 % de los pacientes son diagnosticados cuando el cáncer ya se ha extendido a otros órganos y la supervivencia a cinco años sigue bajo el 15 %, según el National Cancer Institute.
Este estudio analizó cerca de 2.000 tomografías, incluidas las de pacientes que posteriormente desarrollaron cáncer de páncreas.
El modelo logró identificar el 73 % de los casos hasta 16 meses antes del diagnóstico, con una capacidad de detección casi dos veces mayor que la de especialistas sin apoyo de IA. En etapas más tempranas, el resultado fue aún mejor: la tecnología identificó casi tres veces más casos dos años antes del diagnóstico.
"El mayor obstáculo para salvar vidas frente al cáncer de páncreas ha sido nuestra incapacidad para detectar la enfermedad cuando aún es curable. Esta inteligencia artificial ahora puede identificar los rasgos característicos del cáncer en un páncreas de apariencia normal, y puede hacerlo de manera confiable a lo largo del tiempo y en diversos entornos clínicos", afirma el doctor Ajit Goenka, autor principal de la investigación, radiólogo y especialista en medicina nuclear de Clínica Mayo.
Las investigaciones avanzan hacia ensayos clínicos destinados a evaluar la integración de la IA en pacientes de alto riesgo, combinando el análisis de imágenes rutinarias con seguimiento clínico para medir su efectividad y precisión en la detección temprana.
