← Volver al inicio

La IA ayuda a detectar brechas en las pruebas de cáncer de pulmón: una evaluación en atención comunitaria registra una tasa de realización del 90%

El primer paso para acceder a un tratamiento de precisión puede ser que se hayan completado las pruebas. Una comparación antes y después de introducir un proceso de alertas asistido por IA muestra una mayor tasa de realización de pruebas de biomarcadores en cáncer de pulmón, aunque se necesita una validación más rigurosa para determinar si la mejora puede atribuirse a la IA.

By SURL BioNews

Para personalizar el tratamiento del cáncer de pulmón, el equipo médico necesita primero información suficiente sobre el tumor. Sin embargo, cualquier interrupción entre la solicitud de las pruebas y la disponibilidad de los resultados puede dejar las decisiones terapéuticas sin información relevante. Una evaluación en un sistema de atención sanitaria comunitaria observó que, tras introducir un proceso asistido por IA para identificar pruebas pendientes y avisar a los médicos, la tasa de realización de pruebas de biomarcadores en pacientes con cáncer de pulmón no microcítico aumentó del 71.1% al 90%, una diferencia de 18.9 puntos porcentuales.

Estos resultados se presentaron en el Simposio sobre Calidad Asistencial de ASCO de 2026. El estudio comparó dos periodos, antes y después de la implementación: primero analizó retrospectivamente a 471 pacientes adultos de 2024 y después evaluó prospectivamente a 1,115 personas entre 2025 y 2026; se incluyeron pacientes en estadios IB a IV, así como pacientes con estadio desconocido.

El sistema sirve para ayudar a dar seguimiento al proceso asistencial. La herramienta, denominada Tempus Next, importa datos clínicos cada noche y combina la extracción de información asistida por IA con la revisión de datos clínicos para identificar a los pacientes con pruebas pendientes y enviar avisos a los médicos. Las pruebas que se siguieron en el estudio variaban según el estadio de la enfermedad e incluían EGFR, ALK y PD-L1 en pacientes en estadios tempranos, así como paneles multigénicos, entre otras pruebas, en pacientes con enfermedad avanzada o estadio desconocido.

El mayor aumento de la tasa de realización se registró en los pacientes con estadio desconocido, del 49.6% al 76.8%. Los resultados de este grupo también sugieren que los datos incompletos y las pruebas pendientes podrían ser problemas que los equipos médicos deban abordar conjuntamente; el aumento de la tasa global de realización sigue sin significar que todos los grupos de pacientes hayan recibido pruebas igualmente suficientes.

Tras el envío de los avisos, siguieron existiendo diferencias en las actuaciones posteriores. Durante el estudio, los médicos recibieron avisos relativos a 120 pacientes, de los cuales 24 completaron posteriormente las pruebas, 83 no tenían registros de pruebas y otros 13 habían dejado de cumplir los criterios para recibir atención. La ausencia de registros no puede equipararse directamente a la certeza de que las pruebas no se realizaron, pero estas cifras muestran que identificar las brechas es solo el comienzo y que hace falta que alguien continúe el seguimiento y la coordinación.

Este estudio ofrece una señal preliminar de mejora del proceso, pero no permite establecer una relación causal entre la IA y el aumento de la tasa de realización. Las diferencias en la composición de los pacientes, las prácticas de solicitud de pruebas u otras medidas asistenciales entre periodos podrían influir en los resultados; la información publicada hasta el momento tampoco aporta datos suficientes para determinar si mejoraron la supervivencia de los pacientes o los resultados del tratamiento. El siguiente paso clave es utilizar un diseño comparativo más riguroso para confirmar si este tipo de avisos puede promover de forma sostenida la realización de pruebas adecuadas y ayudar realmente a tomar decisiones clínicas.

References

  1. ASCO AI in Oncology