Hospitales públicos de Madrid desarrollan una IA capaz de detectar tumores ocultos tras una trombosis

Tres hospitales públicos de la Comunidad de Madrid están desarrollando un modelo de inteligencia artificial (IA) que busca detectar de forma temprana tumores ocultos en pacientes que han sufrido una trombosis.

La investigación, liderada por el Hospital Infanta Leonor, ha generado un modelo predictivo basado en aprendizaje automático (machine learning), cuya precisión diagnóstica supera a las herramientas actuales utilizadas en la práctica clínica.

El estudio, denominado “CLOVER” y publicado en la revista ‘Medicina’, analiza el vínculo entre la enfermedad tromboembólica venosa (ETEV) —que incluye trombosis venosa profunda y embolia pulmonar— y la aparición de cáncer no diagnosticado.

Investigaciones previas ya habían señalado esta asociación, pero los métodos predictivos utilizados hasta ahora presentaban limitaciones. Según los datos del estudio, la ETEV puede ser en algunos casos la primera manifestación de un tumor oculto, por lo que su detección temprana podría tener un impacto significativo en el tratamiento y supervivencia de los pacientes.

El modelo ha sido desarrollado a partir de una base de datos retrospectiva de 815 pacientes atendidos entre 2005 y 2021 en los hospitales Infanta Leonor y de Fuenlabrada.

Durante el seguimiento, se detectaron 56 casos de cáncer oculto, lo que equivale al 6,9% de la muestra. Los tipos de cáncer más frecuentes fueron los de próstata, pulmón y tracto gastrointestinal en hombres, y gastrointestinal, de mama y hematológico en mujeres.

En un 39% de los casos, los tumores se diagnosticaron en fases avanzadas.

El modelo de IA desarrollado evalúa 121 variables clínicas y demográficas. De ellas, 15 fueron seleccionadas por su relevancia en la predicción del riesgo, entre las que se encuentran la edad, el sexo, la presión arterial, niveles de dímero-D y hemoglobina, entre otros parámetros de laboratorio.

Estos datos permiten al sistema establecer correlaciones y predecir la probabilidad de cáncer en pacientes con antecedentes de trombosis.

Según los responsables del estudio, el modelo alcanza una especificidad del 94%, lo que indica una alta capacidad para evitar falsos positivos en pacientes sin enfermedad oncológica.

Desde el Hospital Universitario Infanta Leonor han señalado que “la herramienta puede permitir detectar de forma precoz a pacientes con cánceres incipientes, mejorando la supervivencia de los pacientes con cáncer, y evitando así estudios innecesarios en otros pacientes sin tumores”.

La siguiente fase del proyecto contempla una validación externa del modelo en otros centros hospitalarios. Este paso es esencial para su implementación generalizada en la red de hospitales del Servicio Madrileño de Salud (Sermas).

Además, los investigadores no descartan que en el futuro los algoritmos desarrollados puedan compartirse con otros sistemas sanitarios regionales o nacionales.

Este proyecto se suma a otras iniciativas del Hospital Infanta Leonor en el ámbito de la innovación tecnológica en salud. Entre estas se encuentran el uso de IA para la predicción de riesgo cardiovascular, la aplicación de algoritmos para la detección de fallo renal agudo, y el desarrollo de herramientas digitales para el diagnóstico patológico y la gestión clínica automatizada.

IA en la detección del cáncer

A nivel internacional, el uso de inteligencia artificial para la detección temprana de cáncer ha sido objeto de numerosos estudios.

En 2023, un análisis publicado en Nature Medicine sobre una herramienta de IA desarrollada por Google Health mostró que el uso de esta tecnología puede aumentar la sensibilidad diagnóstica en mamografías sin incrementar la tasa de falsos positivos.

Asimismo, investigaciones similares lideradas por instituciones como el Dana-Farber Cancer Institute han explorado el empleo de aprendizaje automático para identificar patrones ocultos en datos clínicos que pueden estar asociados con el desarrollo de cáncer.

La aplicación de modelos basados en IA en la práctica clínica todavía enfrenta desafíos, entre ellos la validación externa, la integración con sistemas sanitarios digitales y la interpretación de sus resultados por parte del personal médico. No obstante, experiencias como la del estudio CLOVER en Madrid muestran un avance en el uso de estas tecnologías en el ámbito hospitalario.