Investigadores del Centro Nacional de Biomarcadores del Cáncer de Cancer Research UK están desarrollando una innovadora herramienta que utiliza inteligencia artificial (IA) para identificar signos tempranos de cáncer de pulmón en muestras de sangre. Este avance podría complementar la actual detección mediante tomografías computarizadas (CT) y ampliar el acceso a poblaciones que hoy no son elegibles para el tamizaje tradicional.
El enfoque, liderado por la profesora Caroline Dive, se basa en el análisis de biomarcadores presentes en la sangre y la aplicación de modelos de IA para reconocer patrones asociados a tumores pulmonares tempranos. Los resultados preliminares podrían revolucionar la práctica clínica, permitiendo diagnósticos menos invasivos y potencialmente más precisos.
La necesidad de mejorar el tamizaje de cáncer de pulmón
Actualmente, los programas de tamizaje del Servicio Nacional de Salud británico (NHS) se enfocan en fumadores actuales o personas con antecedentes relevantes, debido a que el beneficio supera los riesgos asociados a la exposición a radiación y a la posibilidad de falsos positivos derivados de las CT tradicionales. Sin embargo, cada año mueren aproximadamente 6.000 personas en el Reino Unido por cáncer de pulmón, pese a no haber fumado nunca, un segmento poblacional que queda por fuera de los actuales protocolos de detección.
El diagnóstico temprano es crucial. Según la profesora Caroline Dive, casi todos los casos de cáncer de pulmón identificados en estadio 1 mediante tamizaje con CT pueden beneficiarse de cirugía curativa, pero uno de cada cinco pacientes desarrolla recaídas porque el tumor ya ha enviado células metastásicas. Por tanto, existe una necesidad insatisfecha de herramientas más sensibles y precisas para detectar la enfermedad en etapas asintomáticas y optimizar el manejo posterior al tratamiento inicial.
Cómo funciona el análisis de sangre asistido con IA
El equipo liderado por Dive ha reunido 200 pares de muestras de sangre de individuos sometidos al programa de tamizaje: para cada caso positivo encontrado en CT, se selecciona una muestra de un individuo sin cáncer pero con características similares de edad, sexo e historia tabáquica. El objetivo es comparar ambas poblaciones y facilitar la identificación de diferencias moleculares relacionadas con la presencia de cáncer pulmonar temprano.
La IA es clave para procesar los cientos de miles de datos moleculares generados por cada muestra. Se analizarán parámetros tales como niveles de proteínas (proteómica), alteraciones en el ADN circulante –en cuanto a mutaciones, metilación y tamaño de los fragmentos–, presencia de células tumorales circulantes y perfiles de ARN con el apoyo de colaboradores en Estados Unidos. Esta aproximación multimodal busca maximizar la sensibilidad y especificidad del futuro test enfocado en cáncer de pulmón.
Etapas y desafíos del estudio
En la primera etapa, los modelos de IA se entrenarán utilizando los datos de 100 pares de muestras. Posteriormente, se evaluará la capacidad predictiva del mejor modelo sobre los otros 100 pares, utilizando un diseño de validación independiente donde el algoritmo no tiene información previa sobre el diagnóstico real de las muestras. El principal desafío es determinar el conjunto mínimo de mediciones imprescindibles para mantener la precisión del test.
De confirmarse resultados satisfactorios, la siguiente fase sería una validación en una cohorte poblacional más amplia, y eventualmente la colaboración con socios comerciales y organizaciones como Cancer Research Horizons para desarrollar y escalar una prueba diagnóstica aplicable en entornos clínicos.
Impactos esperados en la práctica clínica
La posible implementación de un test sanguíneo basado en IA para el cáncer de pulmón podría transformar el tamizaje al hacerlo menos invasivo, reducir el número de falsos positivos y monitorear con mayor precisión la recurrencia postquirúrgica. Para las instituciones sanitarias, esto posibilitaría ampliar el acceso a poblaciones no fumadoras y personalizar la frecuencia e intensidad del seguimiento clínico, lo que optimizaría la asignación de recursos y reduciría la ansiedad de los pacientes derivados a vigilancia intensiva innecesaria.
Según Dive, desarrollar este tipo de biomarcadores conlleva retos técnicos y financieros considerables, además de requerir una red robusta de colaboración como la existente entre Cancer Research UK, hospitales del NHS y centros internacionales.
¿Por qué es difícil detectar el cáncer de pulmón en sangre?
El análisis de sangre en oncología se enfrenta a un gran reto: la enorme complejidad de este tejido líquido, que contiene miles de proteínas, lípidos, ácidos nucleicos y células que varían en respuesta a múltiples factores como edad, infecciones o actividad física. Por esto, discernir el “ruido de fondo” biológico de un auténtico marcador tumoral es un problema estadístico y biotecnológico, para el cual la IA aporta una nueva dimensión de solución al detectar patrones imposibles para el ojo humano o los métodos convencionales.
¿Cuándo podría estar disponible esta tecnología?
De acuerdo con la profesora Caroline Dive, el salto hacia la implementación clínica depende de la robustez estadística de los resultados preliminares y la capacidad para movilizar recursos y socios industriales. La investigación aún se encuentra en una fase experimental, sin una fecha estimada para la adopción general, pero los equipos están trabajando en acelerar el desarrollo y validar la utilidad clínica y económica del método.
En palabras de Eddie, uno de los pacientes beneficiados por la detección temprana, “debemos apoyar esta investigación para que más personas puedan sobrevivir al cáncer, como me sucedió a mí”.


