Un sistema de IA para cáncer de pulmón aprende a decir 'no lo sé' antes de recomendar un tratamiento

Por Bioengineer.org · 27 de septiembre de 2026.

Un equipo de la Universidad de Washington y el Fred Hutchinson Cancer Center ha construido un prototipo de sistema de apoyo a la decisión clínica que, además de predecir si un paciente con cáncer de pulmón responderá a la quimioinmunoterapia, le dice al oncólogo cuándo esa predicción no es fiable. El estudio, publicado en la revista Journal of Translational Medicine, se apoya en datos del ensayo clínico PET-BRIGHT, con 35 pacientes con cáncer de pulmón no microcítico metastásico —el tipo más frecuente y letal de cáncer de pulmón— tratados con la combinación estándar de carboplatino, pemetrexed y pembrolizumab, un inhibidor de puntos de control inmunitario que 'libera el freno' del sistema inmune para atacar el tumor.

El punto de partida es incómodo para la práctica clínica actual: el biomarcador que hoy guía la elección de tratamiento, la expresión de PD-L1 en el tumor (medida por inmunohistoquímica), alcanzó, según los propios autores, un área bajo la curva ROC —AUROC, la métrica estándar que resume cuán bien un test distingue entre dos grupos, con 0,5 equivalente al azar y 1,0 a la predicción perfecta— de solo 0,58. Apenas mejor que lanzar una moneda al aire para decidir si un paciente debe someterse a meses de tratamiento tóxico.

Frente a eso, los investigadores combinaron tres señales biológicas distintas, tomadas antes de empezar el tratamiento y de nuevo tras tres semanas (un solo ciclo de terapia): imágenes PET/TC con un trazador de glucosa radiactivo (FDG), que miden cuánta energía consume el tumor; la diversidad del repertorio de receptores de células T (TCR), un proxy de cuán amplio es el arsenal inmunitario capaz de reconocer el tumor; y un panel de citocinas, las proteínas de señalización que reflejan el estado inflamatorio general del paciente. Con validación cruzada conservadora —necesaria dado el tamaño reducido de la muestra— y regresión logística en vez de modelos opacos, el equipo entrenó modelos individuales y combinados para cada momento del tratamiento.

Los resultados muestran algo más interesante que un modelo simplemente 'mejor': la jerarquía de biomarcadores cambia con el tiempo, según recoge el propio artículo. Antes de tratar, la diversidad de TCR fue la señal más potente (AUROC 0,80), por delante del PET (0,76) y muy por delante de las citocinas (0,54); combinar PET y TCR elevó la discriminación a 0,85. Tras tres semanas de terapia, el orden se invierte: las citocinas pasan a ser la señal más fuerte (0,78) mientras el TCR pierde fuerza (0,66), y la combinación de PET y citocinas alcanza el mejor resultado global del estudio, 0,86. Trece de las veintidós combinaciones de modelo y momento superaron una prueba de permutación, el control estadístico que descarta que el resultado sea casualidad.

La pieza más novedosa, sin embargo, no es la precisión sino la honestidad estadística incorporada. El sistema usa predicción conforme (conformal prediction), un marco que en vez de forzar una respuesta binaria fija un nivel de confianza objetivo —aquí el 80%— y, cuando no lo alcanza para un paciente concreto, devuelve un conjunto con ambas posibilidades en lugar de una sola etiqueta. La proporción de predicciones 'de una sola clase' —los casos en que el modelo sí se atreve a dar una respuesta única— se convierte así en una medida directa, paciente a paciente, de cuánto puede confiar el médico en esa predicción. Añadir el TCR a la imagen PET antes del tratamiento, por ejemplo, subió esas predicciones confiadas del 78% al 89%, según los datos del estudio.

Los propios autores son claros sobre los límites: 35 pacientes de un solo centro son una prueba de concepto, no un cambio de práctica clínica, y ellos mismos la describen como generadora de hipótesis, no como algo listo para decidir tratamientos. Haría falta validación en cohortes multicéntricas mucho más grandes, con distintos tipos de tumor y poblaciones, antes de que un sistema así se acerque a una consulta de oncología.

Nuestra lectura: lo que importa aquí no es el AUROC de 0,86 —una cifra modesta y frágil, obtenida con 35 personas— sino la arquitectura del problema que este equipo decide resolver. En medicina, un modelo que se equivoca con seguridad es más peligroso que uno que reconoce sus dudas; el historial de la IA aplicada a diagnóstico está lleno de sistemas con buena precisión media que fallan de forma silenciosa justo en el paciente atípico, el que más necesita ayuda. Que el diseño incorpore desde el origen un mecanismo formal para decir 'no lo sé' —y no como un añadido posterior— es el tipo de ingeniería que separa un titular llamativo de un producto clínico real.

Esto conecta con algo que venimos señalando en Zendoric: el camino hacia una medicina capaz de cronificar o erradicar enfermedades hoy letales no pasa solo por modelos más grandes o más precisos, sino por sistemas que sepan calibrar su propia certeza y por ensayos que, como PET-BRIGHT, midan la biología en el momento correcto. Que la señal predictiva relevante migre del repertorio inmunitario basal a la inflamación circulante en solo tres semanas es en sí mismo un hallazgo biológico, no un simple ajuste de modelo. El biomarcador estándar actual, PD-L1, lleva años usándose pese a un rendimiento cercano al azar; sustituirlo por algo mejor calibrado, aunque sea con datos de 35 pacientes, es el tipo de paso incremental —lento, verificable, revisado por pares— que de verdad mueve la aguja en oncología, frente al ruido de anuncios de 'IA que cura el cáncer' que no sobreviven a una revisión científica seria.

A corto plazo, el mensaje para el sector salud es de cautela: ni este ni ningún sistema similar está listo para decidir tratamientos, y sobrevender resultados de estudios piloto es un riesgo real para la confianza pública en la IA médica. A largo plazo, la lógica de fondo —fusionar biomarcadores heterogéneos, cuantificar la incertidumbre paciente a paciente y usarla para decidir quién necesita más vigilancia y quién puede evitar meses de un tratamiento tóxico e ineficaz— es exactamente el tipo de herramienta que, escalada y validada en cohortes más amplias, acerca la oncología a decisiones más precisas y menos gravosas para cada paciente.