La FDA autoriza la primera IA que predice recaídas de cáncer de mama desde una resonancia: lo difícil será demostrar su valor

Por FOX 13 Tampa Bay · 16 de octubre de 2026.

La Administración de Alimentos y Medicamentos de EE. UU. (FDA) ha autorizado TumorSight Risk, un software de inteligencia artificial de la empresa SimBioSys, con sede en Chicago. Según la compañía, es la primera herramienta de IA basada en resonancia magnética (MRI) capaz de predecir la recurrencia del cáncer de mama.

Según los documentos de la FDA citados por el medio, el software calcula el riesgo de recaída a 5 y 10 años. Parte de datos clínicos (edad, raza, estadio, afectación ganglionar y grado del tumor) y de la resonancia de pacientes con cáncer de mama invasivo ya diagnosticado. Devuelve una puntuación de 0 a 100 que clasifica el riesgo como alto, intermedio o bajo.

SimBioSys sostiene que no hacen falta procedimientos adicionales, envío de tejido ni hardware especializado: aprovecha datos que ya existen. Su presidenta y CEO, Stacey Stevens, afirma que por primera vez los clínicos pueden usar la información biológica y espacial de la resonancia, junto con patología y factores clínicos, para obtener una visión personalizada del riesgo.

El contexto da la dimensión del problema. Según la American Cancer Society, en 2026 se diagnosticarán cerca de 322.000 nuevos casos de cáncer de mama invasivo en mujeres en EE. UU. y unas 42.000 morirán por la enfermedad.

Nuestra lectura: lo más interesante no es la IA en sí, sino que extrae valor de un dato ya pagado. Una resonancia contiene mucha más información de la que el ojo humano resume en un informe, y convertirla en una estimación de riesgo sin pruebas extra puede abaratar la personalización del tratamiento. Eso encaja con la tesis de fondo: la IA médica avanza cuando aprovecha datos existentes, sin añadir carga al paciente.

Ahora bien, conviene el matiz. Que la FDA autorice un software no equivale a demostrar que mejore los resultados de las pacientes. El artículo no detalla con qué población se validó el modelo ni su precisión, y esa es la pregunta decisiva: variables como la raza figuran entre las entradas, así que importa saber si funciona igual de bien en todos los grupos. Hasta que se publiquen esos datos, las cifras de rendimiento y el calendario de adopción siguen siendo una incógnita; lo único comprobado es la autorización y lo que afirma la propia empresa.

También hay una pregunta práctica: qué hará el oncólogo con una puntuación «intermedia». Una herramienta de pronóstico solo es útil si cambia decisiones, como intensificar o evitar tratamientos, y eso requerirá evidencia clínica prospectiva.

A largo plazo, este tipo de herramientas apunta a una oncología que trata a cada paciente según su riesgo real, no según promedios, y es un peldaño hacia reducir tanto el sobretratamiento como las recaídas no previstas. A corto plazo, el listón sigue siendo el de siempre en IA clínica: validación poblacional transparente antes de la euforia.