En un avance significativo en el campo de la salud, tres hospitales públicos de la Comunidad de Madrid han comenzado a desarrollar un modelo de inteligencia artificial (IA) que tiene como objetivo detectar tumores ocultos en pacientes que han sufrido trombosis. Este innovador proyecto, liderado por el Hospital Infanta Leonor, se basa en un modelo predictivo que utiliza técnicas de aprendizaje automático, superando la precisión de las herramientas diagnósticas actuales.
La investigación, conocida como “CLOVER”, se centra en la relación entre la enfermedad tromboembólica venosa (ETEV), que incluye condiciones como la trombosis venosa profunda y la embolia pulmonar, y la aparición de cáncer no diagnosticado. Estudios previos ya habían indicado esta conexión, pero los métodos utilizados hasta ahora presentaban limitaciones significativas. La detección temprana de tumores ocultos podría tener un impacto crucial en el tratamiento y la supervivencia de los pacientes, dado que en algunos casos, la ETEV puede ser la primera manifestación de un tumor.
El modelo de IA se ha desarrollado a partir de una base de datos retrospectiva que incluye a 815 pacientes atendidos entre 2005 y 2021 en los hospitales Infanta Leonor y de Fuenlabrada. Durante el seguimiento de estos pacientes, se identificaron 56 casos de cáncer oculto, lo que representa un 6,9% de la muestra. Los tipos de cáncer más comunes encontrados fueron los de próstata, pulmón y tracto gastrointestinal en hombres, y gastrointestinal, de mama y hematológico en mujeres. Alarmantemente, el 39% de estos tumores se diagnosticaron en fases avanzadas, lo que subraya la necesidad de herramientas más efectivas para la detección temprana.
El modelo de IA evalúa un total de 121 variables clínicas y demográficas, de las cuales 15 han sido seleccionadas por su relevancia en la predicción del riesgo de cáncer. Entre estas variables se incluyen la edad, el sexo, la presión arterial, así como niveles de dímero-D y hemoglobina, entre otros parámetros de laboratorio. Esta amplia gama de datos permite al sistema establecer correlaciones y predecir la probabilidad de cáncer en pacientes con antecedentes de trombosis.
Los resultados preliminares son prometedores, con una especificidad del 94%, lo que indica que el modelo tiene una alta capacidad para evitar falsos positivos en pacientes que no presentan enfermedad oncológica. Esto es crucial, ya que la reducción de falsos positivos puede evitar estudios innecesarios y la ansiedad asociada a diagnósticos erróneos.
Desde el Hospital Universitario Infanta Leonor, los investigadores han destacado que esta herramienta podría facilitar la detección precoz de cánceres incipientes, mejorando así la supervivencia de los pacientes y optimizando los recursos del sistema de salud. La siguiente fase del proyecto implica validar el modelo en otros centros del sistema público de salud, un paso esencial para su implementación en la red de hospitales del Servicio Madrileño de Salud (Sermas).
Además, los investigadores están considerando la posibilidad de compartir los algoritmos desarrollados con otros sistemas sanitarios regionales o nacionales, lo que podría ampliar el impacto de esta innovación en la detección de cáncer a nivel más amplio.
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.
A nivel internacional, el uso de inteligencia artificial para la detección temprana de cáncer ha sido objeto de numerosos estudios. Por ejemplo, un análisis de 2023 publicado en Nature Medicine sobre una herramienta de IA desarrollada por Google Health demostró que esta tecnología puede aumentar la sensibilidad diagnóstica en mamografías sin incrementar la tasa de falsos positivos. Investigaciones similares, lideradas por instituciones como el Dana-Farber Cancer Institute, han explorado el uso de aprendizaje automático para identificar patrones ocultos en datos clínicos que pueden estar asociados con el desarrollo de cáncer.
Sin embargo, la implementación de modelos basados en IA en la práctica clínica enfrenta desafíos, como la validación externa, la integración con sistemas sanitarios digitales y la interpretación de los resultados por parte del personal médico. A pesar de estos obstáculos, experiencias como la del estudio CLOVER en Madrid representan un avance significativo en el uso de estas tecnologías en el ámbito hospitalario, abriendo nuevas posibilidades para la detección y tratamiento del cáncer.