Una IA mejora la detección de metástasis axilar en el cáncer de mama

Un equipo de investigadores de universidades y hospitales catalanes ha desarrollado un modelo de inteligencia artificial capaz de identificar la presencia de metástasis en los ganglios linfáticos de la axila en pacientes con cáncer de mama luminal. El avance incorpora algo poco habitual en estas herramientas: no se limita al tamaño o las características del tumor, sino que introduce también información sobre la respuesta inmunitaria de la paciente.

Ese matiz importa. Mucho. Saber si las células cancerosas han alcanzado los ganglios axilares es una pieza fundamental para conocer hasta dónde se ha extendido un cáncer de mama y orientar las decisiones clínicas. El nuevo modelo no adivina qué ocurrirá meses o años después ni elimina las pruebas diagnósticas actuales; analiza qué variables están asociadas con una metástasis ya presente y consigue hacerlo mejor cuando incorpora datos inmunitarios.

La investigación ha sido coordinada en su vertiente tecnológica por la Universitat Pompeu Fabra, mientras que en la parte clínica participan el Hospital Universitari de Tortosa Verge de la Cinta, la Universitat Rovira i Virgili, el Institut de Recerca Biomèdica Catalunya Sud y profesionales del Hospital Universitari Joan XXIII de Tarragona. Los resultados científicos fueron publicados en mayo de 2026 en Breast Cancer Research.

Una IA que mira más allá del tamaño del tumor

Durante décadas, buena parte de la información utilizada para estimar la extensión de un tumor ha procedido de variables clinicopatológicas relativamente conocidas: tamaño tumoral, características del cáncer o afectación de los ganglios. El trabajo catalán introduce otra capa, invisible a simple vista pero biológicamente muy activa: qué está haciendo el sistema inmunitario alrededor del tumor y en los propios ganglios.

Los investigadores trabajaron con pacientes diagnosticadas de cáncer de mama luminal, uno de los grandes grupos de esta enfermedad y caracterizado habitualmente por su relación con los receptores hormonales. Para desarrollar los diferentes modelos utilizaron dos conjuntos retrospectivos de datos.

El primero incluía a 83 mujeres diagnosticadas entre 1995 y 2008: 42 sin metástasis axilar y 41 con afectación de los ganglios. El segundo ampliaba la muestra hasta 344 pacientes, 204 sin afectación axilar y 140 con ella. Sobre estos datos se probaron distintos modelos de aprendizaje automático mediante un algoritmo conocido como Random Forest, que permite combinar numerosas variables y estimar cuáles resultan más útiles para clasificar cada caso.

Y apareció una diferencia bastante clara: el modelo alimentado con información clínica e inmunitaria funcionó mejor que los construidos únicamente con datos clinicopatológicos, incluso frente al entrenado con una muestra considerablemente mayor.

La respuesta inmunitaria marca la diferencia

El modelo final alcanzó una AUC mediana de 0,84, una precisión global de 0,76 y una sensibilidad o recall de 0,75. La AUC, dicho sin convertir la consulta médica en una clase de estadística, mide la capacidad del sistema para distinguir correctamente entre pacientes con y sin afectación axilar: cuanto más se aproxima a 1, mejor discrimina.

Hay otro dato especialmente revelador. De las diez variables seleccionadas por el modelo definitivo, nueve estaban relacionadas con poblaciones inmunitarias. Es decir, la señal relevante no estaba únicamente en el tumor entendido como una masa que crece, sino también en la particular conversación —a veces defensa, a veces tolerancia— que se establece entre el cáncer y el sistema inmunitario.

Siete de esas nueve variables inmunitarias procedían, además, del análisis de tejidos de ganglios axilares sin metástasis. Parece una paradoja: ganglios aparentemente libres de células tumorales aportando pistas sobre la extensión de la enfermedad. Pero ahí está precisamente una de las aportaciones interesantes del trabajo. Un ganglio no es simplemente un interruptor con dos posiciones, positivo o negativo; su entorno inmunitario también puede guardar información sobre cómo se está comportando el cáncer.

CD21+, el biomarcador que emerge del estudio

Entre todas las variables analizadas destacó una especialmente: la presencia dentro del tumor de células dendríticas foliculares CD21+. En el modelo fue el factor con mayor peso para clasificar los casos, por encima incluso del diámetro tumoral, una referencia clásica en la evaluación del cáncer de mama.

El hallazgo convierte al CD21+ intratumoral en un posible nuevo biomarcador de afectación axilar. Un biomarcador es, en términos sencillos, una característica biológica medible que puede proporcionar información sobre una enfermedad, su evolución o la respuesta a determinados tratamientos.

Aquí conviene poner el freno antes de que la palabra biomarcador se convierta en sinónimo de prueba disponible en el hospital. No lo es. Los propios investigadores consideran necesario comprobar estos resultados en grupos mayores y centros diferentes antes de establecer su utilidad clínica. También plantean estudiar si estas células podrían tener interés, más adelante, como posible diana terapéutica.

Por qué los ganglios de la axila son tan importantes

Los ganglios linfáticos funcionan como estaciones de filtrado dentro del sistema linfático. En el cáncer de mama, las células malignas pueden abandonar el tumor primario y llegar a los ganglios próximos, particularmente los situados en la axila.

Determinar esa afectación forma parte del proceso de estadificación del cáncer, es decir, de averiguar hasta dónde se ha extendido. La presencia y el número de ganglios afectados influyen en la clasificación de la enfermedad y pueden modificar decisiones sobre cirugía, radioterapia o tratamientos sistémicos.

Una herramienta habitual es la biopsia del ganglio centinela, que identifica y extrae el primer ganglio —o los primeros— al que previsiblemente llegarían las células cancerosas desde el tumor. Después, el tejido se examina para comprobar si existen células malignas. Esta técnica permitió dejar atrás, en muchas pacientes, la extirpación sistemática de numerosos ganglios axilares, una cirugía más agresiva y asociada a complicaciones como el linfedema.

El interés de sistemas como el desarrollado en Cataluña está precisamente ahí: añadir información a los métodos de diagnóstico existentes y mejorar la estratificación de las pacientes. La IA no llega con bata blanca para jubilar al patólogo ni al oncólogo; de momento llega con una calculadora mucho más sofisticada.

Menos falsos positivos, pero todavía no sustituye las pruebas

La incorporación de variables inmunitarias permitió reducir los falsos positivos respecto al modelo de inteligencia artificial construido exclusivamente con datos clínicos. En otras palabras, disminuyó el número de pacientes clasificadas erróneamente como portadoras de afectación axilar.

Ese avance puede tener importancia si futuras investigaciones consiguen reproducirlo en poblaciones independientes. Cuanto más precisa sea la identificación del riesgo o de la presencia de metástasis ganglionar, mayor margen tendrán los médicos para evitar pruebas innecesarias y ajustar el tratamiento a las características reales de cada tumor.

Pero el estudio no permite afirmar todavía que una paciente pueda evitar una biopsia gracias a este algoritmo. Ni mucho menos. No es una herramienta implantada en la práctica clínica rutinaria, y la investigación publicada no demuestra que pueda reemplazar por sí sola las técnicas empleadas actualmente para estudiar los ganglios.

Hay otra frontera importante: el modelo no predice si una paciente desarrollará metástasis en el futuro. Analiza qué características clínicas e inmunológicas se encuentran asociadas con la presencia de afectación axilar en los datos estudiados. Parece una diferencia semántica, pero médicamente es enorme. Una cosa es identificar patrones relacionados con una situación existente y otra anticipar la evolución individual de una enfermedad.

Las limitaciones que ponen el hallazgo en perspectiva

La investigación tiene una fortaleza clara —combinar información clínica e inmunitaria—, pero también límites que impiden trasladar inmediatamente sus resultados a cualquier consulta de oncología.

La cohorte con información inmunológica detallada estaba formada por 83 pacientes, una muestra relativamente reducida para desarrollar sistemas destinados a tomar decisiones clínicas. Los casos proceden, además, de diagnósticos realizados entre 1995 y 2008. La medicina del cáncer de mama ha cambiado de manera profunda desde entonces: tratamientos, técnicas quirúrgicas, clasificación molecular y criterios diagnósticos han seguido avanzando.

Por eso, la siguiente prueba de fuego es la validación externa. El comportamiento del modelo debe comprobarse en muestras mayores, más recientes y procedentes de otros hospitales, evitando que haya aprendido particularidades del grupo concreto utilizado para desarrollarlo. Ese paso será necesario antes de plantear una aplicación clínica real.

También habrá que determinar hasta qué punto obtener toda esa información inmunitaria resulta viable dentro de los circuitos asistenciales habituales. Un algoritmo puede ser excelente sobre el papel y, aun así, tener poca utilidad si requiere datos difíciles, caros o lentos de conseguir. La medicina real tiene esas pequeñas manías: los resultados deben funcionar fuera del laboratorio.

Una nueva pista sobre cómo se extiende el cáncer de mama

El estudio tiene valor no solo por el modelo informático. Quizá su aportación más sugerente sea mostrar que la respuesta inmunitaria contiene información relevante sobre la extensión del tumor y que los ganglios sin células cancerosas visibles pueden contar parte de esa historia.

Eso abre una vía para comprender mejor por qué algunos cánceres llegan a los ganglios y otros no, aun cuando puedan compartir características clínicas aparentemente similares. El CD21+ aparece de momento como uno de los candidatos que habrá que seguir de cerca, no como una respuesta definitiva.

La dimensión del problema explica el interés. En 2024 fueron diagnosticadas de cáncer de mama alrededor de 2,4 millones de mujeres en el mundo y se estimaron unas 694.000 muertes. La enfermedad continúa siendo el cáncer más diagnosticado entre las mujeres a escala global, y conocer con precisión su extensión resulta esencial para seleccionar el tratamiento adecuado.

La inteligencia artificial aporta aquí algo menos cinematográfico y bastante más interesante que una máquina que “diagnostica cáncer”: encuentra relaciones entre centenares de datos que pueden escapar al análisis convencional. En este caso, ha situado al sistema inmunitario y al CD21+ bajo una luz nueva. Falta confirmar cuánto de esa señal sobrevivirá cuando el modelo salga de la investigación retrospectiva y se enfrente a pacientes actuales, centros distintos y práctica clínica cotidiana. Ese será el examen verdaderamente decisivo.