Un modelo de Mayo Clinic detectó señales tempranas en tomografías consideradas normales hasta tres años antes del diagnóstico.
Señal invisible para el ojo humano
La detección temprana del cáncer de páncreas acaba de recibir una pista tecnológica de alto impacto. Un modelo de inteligencia artificial desarrollado por Mayo Clinic logró identificar señales tempranas de la enfermedad en tomografías abdominales de rutina hasta tres años antes del diagnóstico clínico.
El hallazgo, publicado en la revista médica Gut, no significa que la inteligencia artificial ya pueda sustituir al especialista ni que el cáncer de páncreas cuente con una prueba de detección masiva lista para usarse en cualquier hospital. Su relevancia está en otro punto: el sistema encontró patrones sutiles en estudios que, en su momento, los médicos habían interpretado como normales.
El modelo, llamado Radiomics-based Early Detection Model o REDMOD, analiza cambios en la textura y estructura del tejido pancreático. En lugar de buscar un tumor visible, rastrea señales cuantitativas que podrían aparecer cuando la enfermedad empieza a desarrollarse, antes de formar una masa detectable.
El reto de un cáncer que suele llegar tarde
El cáncer de páncreas mantiene una de las tasas de supervivencia más bajas entre los tumores más agresivos. Una de las razones es que rara vez provoca señales claras en sus primeras etapas. Cuando aparecen síntomas, la enfermedad con frecuencia ya avanzó hacia otros órganos o estructuras cercanas.
De acuerdo con datos del programa SEER del Instituto Nacional del Cáncer de Estados Unidos, la supervivencia relativa a cinco años para cáncer de páncreas se ubica en 13.7%. La diferencia por etapa resulta clave: cuando el tumor se detecta localizado, la supervivencia relativa a cinco años llega a 43.6%; cuando ya hizo metástasis, baja a 3.4%.
En México, las cifras también muestran el peso de la enfermedad. Estimaciones de GLOBOCAN 2022 reportaron 5,822 nuevos casos de cáncer de páncreas y 5,267 muertes en el país. La cercanía entre incidencia y mortalidad refleja el desafío clínico: muchos diagnósticos llegan cuando las opciones curativas son limitadas.
Qué hizo diferente REDMOD
El equipo de Mayo Clinic probó el modelo con cerca de 2,000 tomografías computarizadas. Entre ellas había estudios de personas que después recibieron diagnóstico de cáncer de páncreas, pero cuyas imágenes originales se habían leído como normales.
REDMOD identificó 73% de esos casos prediagnósticos con una mediana de alrededor de 16 meses antes del diagnóstico formal. El desempeño casi duplicó la tasa de detección de especialistas que revisaron las mismas imágenes sin apoyo de inteligencia artificial.
La diferencia creció en los estudios realizados más de dos años antes del diagnóstico. En ese grupo, el modelo identificó casi tres veces más casos tempranos que habrían pasado inadvertidos con la revisión convencional.
El dato no debe leerse como una promesa automática de cura, pero sí como una posible vía para cambiar el momento en que se encuentra la enfermedad. En cáncer de páncreas, ganar meses puede abrir una ventana terapéutica que hoy muchas personas no alcanzan.
La mirada del especialista
Ajit Goenka, radiólogo y especialista en medicina nuclear de Mayo Clinic, resume el problema con una frase contundente: la mayor barrera para salvar vidas ha sido la incapacidad de ver la enfermedad cuando todavía puede curarse.
Desde esa perspectiva, REDMOD no busca reemplazar la interpretación médica, sino ampliar su alcance. El sistema puede correr sobre tomografías realizadas por otros motivos, como dolor abdominal, estudios de seguimiento o evaluaciones generales. Esto resulta importante porque no propone someter a toda la población a nuevas pruebas, sino aprovechar imágenes que ya existen en la práctica clínica.
El enfoque podría tener especial valor en personas con mayor riesgo, por ejemplo pacientes con diabetes de reciente aparición, antecedentes familiares o condiciones pancreáticas que requieran vigilancia. En esos casos, una alerta temprana permitiría revisar con más cuidado, ordenar estudios adicionales o definir un seguimiento más estrecho.
💻 Visita YoUsuarioFinal 📱
🇲🇽 Conoce más en SuperMexicanos 🎬
No es magia: es análisis de patrones
REDMOD pertenece al campo de la radiómica, una rama que extrae datos cuantitativos de imágenes médicas. Mientras un especialista observa forma, tamaño, densidad o contraste, el algoritmo mide cientos de características que describen la textura del tejido, su organización interna y variaciones que el ojo humano difícilmente distingue.
Esa capacidad explica por qué el modelo puede encontrar señales en un páncreas que parece normal. No está “viendo” un tumor oculto como si aumentara la resolución de la imagen; está detectando una firma estadística asociada al desarrollo temprano de la enfermedad.
Los investigadores también reportaron estabilidad en el tiempo. En pacientes con varias tomografías, el modelo mantuvo resultados consistentes con meses de diferencia. Esa característica importa porque una herramienta clínica no sólo debe acertar en una imagen aislada, también debe sostener su desempeño durante el seguimiento de una persona real.
Lo que falta antes de llegar al hospital
El avance todavía necesita una prueba decisiva: demostrar su utilidad en estudios prospectivos, es decir, con pacientes evaluados hacia adelante y no sólo con imágenes históricas. Para eso, el equipo impulsa el estudio Artificial Intelligence for Pancreatic Cancer Early Detection, conocido como AI-PACED.
Ese proyecto analizará cómo integrar la detección guiada por inteligencia artificial en la atención de pacientes con riesgo elevado. También evaluará puntos críticos como falsos positivos, decisiones clínicas posteriores, resultados para los pacientes y carga adicional para los sistemas de salud.
La cautela es necesaria. Una alerta equivocada puede generar ansiedad, estudios invasivos o costos innecesarios. Una alerta ignorada puede perder una oportunidad. Por eso, la inteligencia artificial médica necesita validación clínica, protocolos claros y supervisión de especialistas.
Una oportunidad para sistemas con diagnóstico tardío
Para países como México, la discusión tiene doble filo. Por un lado, herramientas como REDMOD podrían ayudar a aprovechar mejor estudios de imagen ya realizados en hospitales públicos y privados. Por otro, su adopción exige infraestructura digital, interoperabilidad, personal capacitado y acceso suficiente a tomografías de calidad.
La tecnología no resolverá por sí sola las brechas de acceso. Si sólo llega a centros de alta especialidad o a servicios privados, su impacto social será limitado. Pero si se integra con criterios médicos sólidos y políticas de salud pública, podría contribuir a una estrategia más inteligente de vigilancia en grupos de riesgo.
El cáncer de páncreas no necesita titulares triunfalistas. Necesita diagnósticos más tempranos, tratamientos oportunos y sistemas capaces de actuar cuando todavía hay margen. REDMOD apunta justo a ese punto: encontrar señales antes de que el tumor sea evidente y antes de que el tiempo juegue en contra.