IA médica · us
La IA asume el laborioso seguimiento de imágenes oncológicas: Moffitt empieza probándola en el ámbito de la investigación
Raidium integra la detección y segmentación de lesiones y las mediciones RECIST entre distintos estudios en un mismo flujo de trabajo de imagen, pero esta implementación se limita a ensayos clínicos e investigación oncológica; la evidencia sobre su rendimiento y la revisión de la FDA siguen siendo dos obstáculos antes de su incorporación a la práctica clínica habitual.
El desafío de interpretar imágenes oncológicas a menudo no consiste únicamente en encontrar un tumor, sino en identificar múltiples lesiones en exploraciones de cuerpo entero, compararlas una por una con imágenes obtenidas meses antes y determinar si se han reducido, han aumentado o han aparecido recientemente. La empresa francesa de IA médica Raidium ha integrado ahora estos pasos en un mismo flujo de trabajo, que ya se ha implementado en el Moffitt Cancer Center de Estados Unidos para prestar servicio inicialmente a la investigación oncológica y los ensayos clínicos.
El sistema, denominado Raidium Read, combina la detección de lesiones en todo el cuerpo, la segmentación de imágenes mediante IA y el seguimiento longitudinal. Al leer nuevas imágenes, el sistema puede trasladar a las imágenes actuales las lesiones marcadas en estudios anteriores y generar automáticamente mediciones RECIST; RECIST es un criterio de evaluación de la respuesta tumoral utilizado habitualmente en ensayos clínicos, que determina la eficacia del tratamiento principalmente a partir de los cambios en el tamaño de las lesiones.
Moffitt eligió este sistema para sustituir su herramienta de radiómica anterior. Para el equipo de investigación, su valor potencial reside en reducir el trabajo manual repetitivo de localizar, delinear y medir lesiones, además de facilitar la continuidad de los registros entre distintos momentos. Raidium afirma que este flujo de trabajo de investigación independiente no exige que el hospital complete primero la integración de los sistemas de backend, lo que ayuda a reducir las barreras de adopción en entornos de ensayo.
Sin embargo, «implementado en un centro oncológico» no equivale a estar disponible para el diagnóstico clínico habitual. Actualmente, su uso sigue limitado a los ensayos clínicos y la investigación oncológica, y los médicos no pueden considerar estas funciones como herramientas clínicas aprobadas por los organismos reguladores basándose únicamente en esta implementación. Raidium está solicitando la autorización 510(k) de la FDA de Estados Unidos para una parte de estas funciones y prevé anunciar avances antes de finales de 2026; el calendario definitivo seguirá dependiendo del resultado de la revisión.
La evidencia sobre el rendimiento también debe evaluarse por separado del relato del producto. La empresa afirma que las mediciones RECIST automatizadas pueden reducir tres veces las diferencias entre lectores, pero ni el comunicado ni los dos artículos sobre el mismo acontecimiento detallan el tamaño de la muestra del estudio, la composición por tipo de cáncer, el origen de las imágenes, el criterio de comparación o los resultados de la validación externa. Sin esta información, por ahora no es posible determinar si los beneficios pueden mantenerse entre distintos equipos de exploración, instituciones médicas y tipos complejos de lesiones.
Por tanto, esta implementación se asemeja más a una prueba de investigación próxima al entorno de trabajo real: la IA no se limita a emitir una evaluación puntual, sino que intenta conectar la búsqueda de lesiones, el trazado de sus contornos y el seguimiento de la respuesta al tratamiento. Determinar si realmente puede ahorrar tiempo a los médicos, mantener la consistencia de las mediciones y extenderse de forma segura a la atención habitual seguirá dependiendo conjuntamente de la validación independiente, los datos de uso real y la revisión de la FDA.