Una herramienta de IA en cáncer de mama desarrollada por investigadores de la Universidad de Southampton permitió identificar patrones espaciales de anomalías en los centrosomas que hasta ahora resultaban difíciles de estudiar a gran escala en tejidos tumorales. La plataforma, denominada CenSegNet, analizó 911 muestras tumorales correspondientes a 127 pacientes y permitió diferenciar dos tipos de alteraciones celulares que no necesariamente evolucionan de manera conjunta. Los resultados fueron publicados en Nature Communications.
El hallazgo no implica todavía una nueva prueba diagnóstica ni un procedimiento disponible para la práctica clínica. Su relevancia radica en que ofrece una herramienta para estudiar con resolución unicelular cómo se distribuyen determinadas alteraciones dentro de un mismo tumor y cómo se relacionan con características como el grado tumoral, la afectación ganglionar, el estado de receptores hormonales, alteraciones genómicas y la supervivencia general.
IA en cáncer de mama permite analizar los centrosomas a escala tumoral
CenSegNet, acrónimo de Centrosome Segmentation Network, es un sistema de aprendizaje profundo desarrollado para segmentar y caracterizar centrosomas y arquitectura epitelial en grandes volúmenes de imágenes. Su diseño permite realizar análisis espaciales y a nivel de células individuales en diferentes contextos de tejido e imágenes, superando algunas de las limitaciones del análisis convencional.
Los centrosomas participan en la organización celular y en procesos relacionados con una división celular adecuada. Sus alteraciones han sido reconocidas durante décadas en diferentes cánceres epiteliales, pero estudiar su heterogeneidad dentro de muestras tumorales completas ha sido técnicamente complejo. Según la información suministrada por el equipo, el análisis incluyó más de 330.000 centrosomas dentro de las 911 muestras evaluadas.
Para Salah Elias, investigador de la Facultad de Ciencias Biológicas y del Institute for Life Sciences de la Universidad de Southampton y uno de los autores correspondientes del estudio, la capacidad de analizar estas estructuras a resolución unicelular permite observar distribuciones que anteriormente resultaban difíciles de distinguir mediante métodos convencionales. La publicación confirma que CenSegNet fue desarrollado como una plataforma de análisis de alto rendimiento para estudiar anomalías numéricas y estructurales del centrosoma.
Dos alteraciones del centrosoma muestran comportamientos diferentes
Uno de los resultados centrales fue la diferenciación de dos categorías de anomalías que anteriormente podían agruparse dentro de un mismo fenómeno. La primera corresponde a alteraciones numéricas, en las que las células presentan un exceso de centrosomas. La segunda incluye anomalías estructurales, caracterizadas por centrosomas de mayor tamaño.
El estudio encontró que ambas alteraciones pueden presentarse de forma desacoplada y exhibir distribuciones espaciales diferentes dentro del tejido tumoral. Esto implica que una región del cáncer puede mostrar predominantemente un tipo de defecto mientras otra presenta un patrón distinto, lo que añade una nueva dimensión al estudio de la heterogeneidad intratumoral.
Los autores también observaron asociaciones diferentes entre estos fenotipos y variables clínicas y biológicas. De acuerdo con el artículo, los subtipos de anomalías del centrosoma mostraron relaciones diferenciadas con edad, grado tumoral, receptores hormonales, alteraciones genómicas y compromiso ganglionar. Las anomalías estructurales estuvieron además asociadas con la supervivencia general.
Centrosomas agrandados se asociaron con rasgos de mayor agresividad
En el análisis presentado por los investigadores, los tumores con niveles elevados de centrosomas agrandados mostraron asociación con características consideradas de mayor agresividad, entre ellas un mayor grado tumoral, afectación de ganglios linfáticos y determinadas alteraciones genéticas.
El trabajo también encontró que las pacientes cuyos tumores presentaban menores niveles de centrosomas agrandados en el núcleo tumoral tendían a registrar una mejor supervivencia general. Se trata, sin embargo, de una asociación observacional dentro de la cohorte estudiada, por lo que estos resultados no permiten establecer que la alteración del centrosoma determine por sí sola el pronóstico individual de una paciente.
La publicación añade que los perfiles discordantes de anomalías en los márgenes tumorales se relacionaron con agresividad local y remodelación del estroma. Este componente espacial resulta especialmente relevante porque muestra que analizar únicamente una región puede no representar toda la diversidad biológica presente dentro del tumor.
La herramienta abre una línea para estudiar biomarcadores espaciales
Los resultados plantean la posibilidad de explorar las alteraciones del centrosoma como potenciales biomarcadores relacionados con comportamiento tumoral y riesgo. No obstante, los investigadores señalan que CenSegNet todavía no se encuentra preparado para formar parte de la atención clínica rutinaria.
Su utilidad inmediata se concentra en investigación. La plataforma permite estudiar grandes cantidades de tejido y relacionar patrones celulares con información clínica, una capacidad que podría contribuir posteriormente a determinar qué características tienen valor pronóstico o podrían ser relevantes para la selección de tratamientos.
La información suministrada también señala una posible aplicación en oncología de precisión, debido a que existen fármacos en desarrollo dirigidos a proteínas relacionadas con la función de los centrosomas. El estudio, sin embargo, no demuestra que CenSegNet permita actualmente seleccionar terapias ni que sus resultados mejoren la respuesta al tratamiento.
¿Puede CenSegNet ayudar a predecir la evolución del cáncer de mama?
Los resultados sugieren una vía para mejorar la caracterización de la heterogeneidad tumoral, pero todavía no permiten utilizar la plataforma como herramienta predictiva validada. El estudio fue realizado sobre 911 muestras procedentes de 127 pacientes y establece asociaciones entre determinados defectos celulares y características clínicas, sin convertir esas asociaciones en un modelo clínico de pronóstico.
El siguiente paso planteado por los investigadores consiste en combinar la información obtenida mediante CenSegNet con datos genómicos, transcriptómicos y proteómicos. Esa integración permitiría evaluar si los patrones de los centrosomas aportan información adicional útil para estratificar riesgo o apoyar decisiones terapéuticas.
¿Qué falta para que esta inteligencia artificial llegue a la práctica clínica?
La principal brecha se encuentra entre demostrar capacidad analítica y demostrar utilidad clínica. Para que este tipo de tecnología pueda incorporarse a la atención será necesario determinar si sus biomarcadores son reproducibles, si aportan información adicional frente a los métodos utilizados actualmente y si pueden validarse en poblaciones independientes y de mayor tamaño.
CenSegNet ya ofrece una plataforma escalable para estudiar alteraciones celulares en tejidos heterogéneos y, según los investigadores, puede extenderse a otros tipos de muestras. La investigación publicada en 2026 establece así una nueva herramienta para explorar cómo la organización espacial de estructuras celulares se relaciona con la biología del cáncer, pero sus posibles aplicaciones en diagnóstico, pronóstico o selección terapéutica permanecen todavía en fase de investigación.
