Para avanzar en este campo, un equipo internacional liderado por la Universidad Rovira i Virgili ha desarrollado un modelo de inteligencia artificial (IA) capaz de integrar datos de imágenes médicas e información clínica para calcular el riesgo de reaparición del cáncer de mama forma más esmerada e interpretativa, con un elevado nivel de precisión.
El nuevo sistema de IA contra el cáncer combina dos fuentes de información: por un lado, utiliza imágenes de resonancia magnética dinámica con contraste y, por otro, datos clínicos de cada paciente. A diferencia de los sistemas actuales, que sólo analizan las características específicas del tumor, este nuevo enfoque también tiene en cuenta otras variables como el tejido mamario que rodea al cáncer. Esta visión global permite al modelo captar patrones muy sutiles, como la simetría entre ambas mamas o la textura interna del tumor, que se asocian con mayor probabilidad de recaída.
El funcionamiento del modelo es completamente automático: en primer lugar segmenta las imágenes de resonancia, selecciona sus características más relevantes (forma, intensidad y variaciones del tejido) y, finalmente, integra esta información con datos médicos como el tipo de tumor, los receptores hormonales o el grado de malignidad. Todos estos elementos se procesan con un modelo de red neuronal llamado TabNet, que destaca por su capacidad de analizar datos complejos e interpretarlos.
Precisión y sensibilidad
En las pruebas realizadas con más de 500 pacientes el sistema alcanzó un alto nivel de precisión global -de los más elevados entre todos los modelos probados hasta ahora- y demostró una mayor sensibilidad para identificar los casos con riesgo real de recaída.
“Esta sensibilidad es clave, ya que permite reducir falsos negativos y evitar que se pasen por alto pacientes que podrían necesitar un seguimiento o tratamiento adicional”, explica Domènec Puig, del Departamento de Ingeniería Informática y Matemáticas de la URV e investigador principal del proyecto.
El análisis de los resultados también ha permitido identificar los factores más importantes a la hora de realizar una predicción: la textura irregular del tumor, la falta de simetría entre las dos mamas y el estado de los receptores hormonales. Estos indicadores podrían convertirse en nuevas herramientas visuales y médicas a la hora de tomar decisiones clínicas.
Aplicable en hospitales
Otra de las potencialidades del modelo es que es escalable, interpretable y potencialmente aplicable a hospitales sin necesidad de pruebas genéticas invasivas o muy costosas. “Esperamos en un futuro validar esta herramienta con datos de más centros para garantizar su aplicación clínica a gran escala”, comenta Domènec Puig.
El estudio forma parte del proyecto europeo Bosomshield, enmarcado en el programa Marie Skłodowska-Curie Doctoral Networks, y demuestra el potencial de la colaboración entre tecnología de vanguardia y medicina para avanzar hacia una oncología más personalizada y predictiva.
Referencia bibliográfica:
Khalid, A. et al. (2026). Towards Breast Cancer Recurrence Prediction Using Transformer-Based Learning from Global–Local Radiomics and Clinical Data. In: Zhang, T., et al. Artificial Intelligence and Imaging for Diagnostic and Treatment Challenges in Breast Care. Deep-Breath 2025. Lecture Notes in Computer Science, vol 16142. Springer, Cham. https://doi-org.sabidi.urv.cat/10.1007/978-3-032-05559-0_12
Fuente: Universitat Rovira i Virgili