Salud y Belleza/Actualidad
Modelos de inteligencia artificial estiman el riesgo de cáncer a partir de análisis de sangre rutinarios
Presentados en el Congreso ESMO 2026, los modelos usaron datos de 463.620 participantes del UK Biobank seguidos durante 18 años; no diagnostican, estiman riesgo, y aún falta probar que mejoren la detección en la práctica clínica.
Un estudio internacional presentado en el Congreso ESMO 2026, celebrado en Madrid, sugiere que los análisis de sangre rutinarios podrían contener más información sobre el riesgo futuro de cáncer de la que hoy se aprovecha. Investigadores de la Universidad Técnica de Dresde y otros centros desarrollaron alrededor de 500 modelos de aprendizaje automático capaces de combinar análisis de sangre, antecedentes médicos y hábitos de vida para estimar el riesgo de 20 tipos de cáncer frecuentes.
El trabajo se basó en datos de 463.620 participantes del UK Biobank, seguidos durante aproximadamente 18 años, periodo en el que 57.055 desarrollaron algún tumor. Los modelos analizaron antecedentes clínicos, estilo de vida y parámetros sanguíneos, y buscaron qué patrones se asociaban con un diagnóstico posterior. Para el conjunto de cánceres cuyo riesgo podía estimarse a partir de datos clínicos rutinarios, alcanzaron un AUROC de 0,83 a 15 años, una medida en la que 0,5 equivale al azar y 1,0 a la predicción perfecta.
Qué aporta la sangre y qué no
Uno de los resultados más destacados es que gran parte de la capacidad predictiva procedía de datos relativamente sencillos, como los análisis de sangre rutinarios y el historial clínico, mientras que añadir información genética y metabolómica solo mejoró ligeramente el rendimiento. Además, los análisis sanguíneos seguían aportando información predictiva para cánceres diagnosticados más de cinco años después, lo que no significa que el tumor estuviera presente todo ese tiempo, sino que existen patrones estadísticos asociados con un mayor riesgo futuro.
El rendimiento varió según el tipo de cáncer: fue especialmente prometedor para los de pulmón, esófago e hígado, y más limitado para los de mama, ovario y cuello uterino. Los modelos se validaron también fuera de la población inicial, con datos de Escocia y Gales, 42.036 participantes de Estados Unidos y más de tres millones de registros de Japón, y el equipo desarrolló la herramienta PRE-Screen para que agentes de inteligencia artificial ejecuten los modelos de forma estandarizada.
Los autores advierten de dos límites importantes. Primero, identificar a personas de alto riesgo no equivale a diagnosticar: muchas de ellas no llegarían a desarrollar la enfermedad, por lo que un uso clínico requeriría pruebas de confirmación y criterios claros. Segundo, todavía falta demostrar que aplicar estos modelos en la práctica consiga detectar antes el cáncer o mejorar la salud de los pacientes, un paso que exigirá ensayos y evaluaciones en poblaciones distintas a las del UK Biobank.
