LeukoAlert, desarrollado por investigadores de siete centros médicos en China, identificó casos ocultos de la enfermedad en pacientes atendidos por motivos ajenos a trastornos hematológicos.
Un equipo de investigadores chinos desarrolló un sistema de inteligencia artificial (IA) capaz de detectar leucemia a partir de datos generados por un examen de sangre común, el hemograma completo, según un estudio publicado en npj Digital Medicine. La herramienta, llamada LeukoAlert, fue entrenada y validada con 446,558 registros correspondientes a 203,284 personas atendidas en siete centros clínicos independientes en China, y alcanzó un área bajo la curva de hasta 0.996 para distinguir entre casos de leucemia y personas sin la enfermedad.
El sistema fue diseñado por especialistas del Hospital Changhai de Shanghái, el Instituto de Investigación Med-X de la Universidad Jiao Tong de Shanghái y otras cinco instituciones médicas del país. A diferencia de los análisis convencionales de sangre, que suelen centrarse en un número limitado de parámetros, LeukoAlert procesa 72 variables generadas por los analizadores hematológicos automatizados, entre ellas datos de población celular y alertas morfológicas que habitualmente no se examinan a profundidad en la práctica clínica rutinaria.
Durante la fase de validación externa, realizada en cuatro centros distintos a los utilizados para entrenar el modelo, el sistema mantuvo un desempeño consistente, con un área bajo la curva de entre 0.954 y 0.970. Además, el algoritmo mostró una capacidad moderada para diferenciar entre leucemias agudas y crónicas, aunque los propios autores señalan que este componente del modelo requiere validación adicional antes de considerarse listo para uso clínico, ya que uno de los siete centros mostró un desempeño considerablemente menor al del resto.
La prueba más relevante del estudio se realizó en condiciones reales de trabajo hospitalario. Durante tres meses, el sistema procesó de forma automática 58,481 hemogramas consecutivos de pacientes del Hospital Changhai que acudían a distintos departamentos, no necesariamente relacionados con hematología. En ese periodo, LeukoAlert mantuvo una exactitud de 0.941 y un área bajo la curva de 0.969, logrando identificar casos de leucemia no diagnosticados previamente y también detectar señales de recaída en pacientes con antecedentes de la enfermedad.
Entre los casos documentados por los investigadores destaca el de una mujer de 65 años hospitalizada por una cirugía cardiaca, cuyo hemograma de rutina mostró un aumento importante de glóbulos blancos. El sistema asignó una probabilidad de riesgo de 0.506, lo que llevó a estudios adicionales que confirmaron leucemia mieloide crónica. Otro caso correspondió a una mujer de 58 años que acudió a urgencias por sangrado de encías, con un conteo de glóbulos blancos dentro de parámetros normales pero con otras alteraciones detectadas por el modelo, que asignó una probabilidad de riesgo de 0.851; los estudios posteriores confirmaron leucemia linfoblástica aguda. Un tercer caso involucró a una mujer de 44 años con antecedente de leucemia linfoblástica aguda, atendida en el área de ginecología por un motivo no relacionado, en quien el sistema detectó una probabilidad de riesgo de 0.612 pese a que el hemograma no mostraba células anormales visibles al microscopio, lo que posteriormente se confirmó como una recaída temprana.
Los investigadores identificaron nueve variables hematológicas interpretables que, en conjunto, ofrecen un desempeño diagnóstico prácticamente equivalente al de las 72 variables completas del modelo. Entre las limitaciones reconocidas por el equipo se encuentra la dependencia de analizadores de la marca Sysmex, lo que podría limitar la aplicación del sistema en laboratorios con otro tipo de equipos, así como la imposibilidad de distinguir de manera sistemática entre casos nuevos de la enfermedad y recaídas o seguimientos de pacientes ya diagnosticados, lo que impide establecer con precisión el rendimiento del modelo como herramienta de tamizaje en población asintomática.
