Un modelo desarrollado por investigadores de Mayo Clinic supera a los radiólogos en la identificación de señales tempranas de la enfermedad en tomografías convencionales.
Investigadores de Mayo Clinic y la Universidad del Sur de California publicaron en abril de 2026 en la revista Gut un estudio en el que presentan REDMOD, un sistema de inteligencia artificial (IA) capaz de detectar señales del cáncer de páncreas en tomografías computarizadas convencionales cuando el tumor aún no es visible para el ojo humano. En las pruebas realizadas, el modelo identificó la enfermedad con una anticipación media de 475 días respecto al diagnóstico clínico, con una sensibilidad del 73%, casi el doble de la que lograron los radiólogos expertos evaluados en el mismo estudio.
El adenocarcinoma ductal pancreático es uno de los cánceres con peor pronóstico. Más del 85% de los casos se diagnostican cuando el tumor ya es inoperable, momento en el que los tratamientos disponibles tienen un carácter exclusivamente paliativo. La dificultad radica en que durante su fase preclínica el páncreas no muestra alteraciones morfológicas detectables en las imágenes médicas habituales, lo que hace que la detección temprana haya sido, hasta ahora, prácticamente imposible en la mayoría de los casos.
“El mayor obstáculo para salvar vidas frente al cáncer de páncreas ha sido nuestra incapacidad para detectar la enfermedad cuando aún es curable”, detalló el Dr. Ajit Goenka, autor principal del estudio y radiólogo y especialista en medicina nuclear de la Clínica Mayo. “Esta IA es ahora capaz de identificar los rasgos característicos del cáncer en un páncreas de aspecto normal, y puede hacerlo de forma fiable a lo largo del tiempo y en diversos entornos clínicos”.
REDMOD aborda este problema a través de la radiómica, una disciplina que extrae miles de características cuantitativas de las imágenes médicas que escapan a la percepción visual. El sistema analiza automáticamente el volumen completo del páncreas en la tomografía, selecciona un conjunto de 40 características relevantes entre las 968 que extrae inicialmente y aplica un clasificador que combina tres algoritmos distintos de aprendizaje automático. El 90% de las características que el modelo utiliza provienen de imágenes filtradas mediante transformaciones de ondícula, una técnica que permite capturar alteraciones sutiles en la textura del tejido pancreático asociadas al inicio del proceso tumoral, antes de que se forme una masa visible.
El modelo fue entrenado con datos de 969 pacientes procedentes de múltiples instituciones y evaluado de forma independiente en una muestra de 493 personas, de las cuales 63 tenían tomografías prediagnósticas y 430 eran controles sin enfermedad. En esa prueba, REDMOD alcanzó una sensibilidad del 73% frente al 38.9% de los radiólogos, con una especificidad del 81%. La ventaja del sistema fue más marcada en los casos detectados con mayor anticipación: para tumores identificados más de 24 meses antes del diagnóstico, la sensibilidad de REDMOD fue del 68%, frente al 23% de los especialistas humanos. El modelo también mostró una alta estabilidad en el tiempo, con una concordancia del 90 al 92% al repetir el análisis en tomografías distintas del mismo paciente.
Los autores señalan que el siguiente paso es validar el sistema en estudios prospectivos con poblaciones de alto riesgo, particularmente personas mayores de 60 años con diabetes de aparición reciente y pérdida de peso, un perfil que se asocia a un riesgo de desarrollar cáncer de páncreas veinte veces superior al de la población general. El equipo tiene previsto iniciar el ensayo AI-PACED para evaluar el desempeño de REDMOD en condiciones clínicas reales y definir los criterios bajo los cuales sus alertas deben derivar a los pacientes hacia pruebas de confirmación.
