Tecnología médica · us
Buscar indicios de cáncer de páncreas en las historias clínicas habituales: un estudio de IA de Mayo Clinic explora alertas de riesgo cinco años antes del diagnóstico
Los análisis de sangre y los registros de años de atención médica podrían contener señales tempranas del riesgo de cáncer de páncreas. Mayo Clinic ha actualizado su análisis retrospectivo para explorar los datos de hasta cinco años antes del diagnóstico; pero los estudios prospectivos aún deben determinar si estos hallazgos permiten orientar las pruebas y mejorar los resultados de los pacientes.
La detección temprana del cáncer de páncreas plantea una dificultad: cuando muchos pacientes reciben el diagnóstico, la enfermedad ya ha avanzado; sin embargo, realizar un cribado generalizado de toda la población resulta difícil. Un equipo de investigación de Mayo Clinic intenta identificar, a partir de los datos recogidos en las consultas habituales, a las personas que podrían requerir una evaluación adicional. Según el último artículo de Medical News Today, este modelo de inteligencia artificial ya ha logrado identificar diferencias de riesgo en datos de cinco años antes del diagnóstico mediante un análisis retrospectivo, lo que ofrece una vía aún pendiente de validación para intervenir antes.
El estudio, dirigido por Chris Varghese, se presentó en el Congreso Clínico de 2026 del Colegio Americano de Cirujanos (ACS) y todavía no ha sido revisado por pares. El conjunto de datos publicado por ACS incluye a 6,066 pacientes con cáncer de páncreas y 33,396 personas del grupo de control, cada una con entre 7.5 y 19 años de registros clínicos. El modelo combina historias clínicas electrónicas y pruebas de laboratorio rutinarias para analizar la evolución del estado de salud a lo largo del tiempo.
Cornelius Thiels, coautor del estudio, explicó a Medical News Today que algunos parámetros del hemograma completo constituyen señales importantes para el modelo, y que los registros de diabetes, pancreatitis y otras enfermedades pancreáticas también contribuyen. Por sí sola, esta información no basta para anticipar un cáncer; el estudio busca identificar cómo se entrecruzan y cambian múltiples señales a lo largo de años de historia clínica. Si fuera posible identificar de manera fiable a los grupos de mayor riesgo, las pruebas posteriores podrían orientarse mejor.
Sin embargo, los resultados a cinco años deben interpretarse por separado de la versión inicial. En el análisis de los tres años previos al diagnóstico publicado por ACS el 24 de septiembre, el área bajo la curva de características operativas del receptor (AUROC) fue de 0.853; Medical News Today citó el 3 de octubre una actualización de Varghese según la cual, en una muestra algo menor, el AUROC a cinco años del diagnóstico alcanzó 0.853, mientras que el valor actualizado a tres años fue de 0.76. El AUROC mide la capacidad de distinguir entre personas con diferentes niveles de riesgo y no puede interpretarse como una «exactitud predictiva del 85.3%». Tampoco pueden compararse directamente los datos de ambas versiones como si formaran parte de una misma curva temporal; aún se necesita información completa sobre los métodos y las muestras para aclarar las diferencias.
Los datos anteriores de ACS también indicaron un área bajo la curva de precisión-recall (AUPRC) de 0.712 y una pendiente de calibración de 1.08; entre las personas cuyo riesgo estimado por el modelo superaba el 50%, el 88% recibió el diagnóstico en el plazo de un año. Medical Xpress también reprodujo estos mismos datos de ACS, por lo que no se trata de otra validación independiente. En particular, la proporción de casos en la muestra del estudio no equivale a la incidencia en la población general. Estas cifras no pueden aplicarse directamente a las consultas habituales, y todavía no se ha demostrado que el modelo mejore la detección temprana o los resultados de supervivencia.
El equipo ya está avanzando en la validación prospectiva en Mayo Clinic con fines de investigación y prevé evaluarlo en otros sistemas sanitarios. Este paso examinará si, al aplicarse a nuevos pacientes y a distintas prácticas de realización de pruebas y de registro de historias clínicas, el modelo sigue distinguiendo el riesgo de manera fiable y si las probabilidades que predice se corresponden con la aparición real de la enfermedad. Los resultados presentados hasta ahora en el congreso no bastan para respaldar su uso clínico rutinario.
Otra cuestión clave es qué hacer tras recibir una alerta de alto riesgo. Los investigadores están explorando cómo vincularla con pruebas de tomografía computarizada, resonancia magnética, ecografía endoscópica o biomarcadores sanguíneos, pero todavía no se ha establecido el umbral de riesgo que daría lugar a esas pruebas. La verdadera prueba será determinar si este proceso, que parte de una alerta en la historia clínica y conduce a pruebas adicionales, permite detectar antes el cáncer y, al mismo tiempo, controlar de forma razonable los falsos positivos, la carga de las pruebas y la ansiedad de los pacientes.