La IA multimodal mejora la predicción de respuesta al tratamiento en cáncer de pulmón

Los médicos aún tienen dificultades para predecir quién responderá al tratamiento, y las decisiones terapéuticas suelen basarse en PD-L1 a pesar de sus limitaciones bien reconocidas. Herramientas más precisas y basadas en datos podrían ayudar a personalizar el tratamiento y reducir la toxicidad y los costos innecesarios. Nuevos hallazgos demuestran que la inteligencia artificial (IA) multimodal puede mejorar la predicción de la respuesta al tratamiento y la supervivencia en este contexto.

La herramienta de IA multimodal I3LUNG es un esfuerzo internacional para apoyar la toma de decisiones sobre la inmunoterapia en el CPCNP metastásico. Diseñada para superar a los biomarcadores clínicos estándar, la tecnología utiliza información del paciente recopilada de forma rutinaria para clasificar a los probables respondedores y estimar los resultados de supervivencia. El estudio que describe este enfoque se publicó en Nature Medicine el 13 de septiembre de 2026.

En Medicina de la Universidad de Chicago, investigadores y colaboradores internacionales integraron datos clínicos, de imagen, anatomopatológicos y genómicos de pacientes con CPCNP avanzado en una base de datos compartida y entrenaron dos familias de modelos predictivos. El área bajo la curva (AUC), una métrica estándar de aprendizaje automático de rendimiento discriminativo, se utilizó para evaluar la precisión. Un modelo que utilizaba datos clínicos y de sangre alcanzó un AUC de 0,77, mientras que un modelo que añadió imagen y anatomía patológica digital logró un AUC de 0,88.

El análisis retrospectivo abarcó a 2.396 pacientes tratados con inmunoterapia en seis centros de Italia, Alemania, Grecia, Israel, España y Estados Unidos. Los modelos de IA superaron de forma constante a los biomarcadores estándar utilizados en la práctica actual. En un estudio con lectores, 20 médicos (10 expertos en cáncer de pulmón y 10 no expertos) revisaron 100 casos reales primero sin apoyo de IA y luego con él; el rendimiento mejoró de un AUC de 0,72 a 0,87, y el acuerdo entre médicos aumentó de leve a moderado.

El proyecto ha pasado ahora a una fase prospectiva, con más de 2.000 pacientes inscritos en los mismos centros internacionales. Este siguiente paso se centra en la optimización del tratamiento y en evaluar no solo el rendimiento del modelo, sino también su utilidad clínica, alineando la herramienta con las necesidades reales de la toma de decisiones.

“I3LUNG establece un nuevo referente para la IA en oncología torácica. Las herramientas de apoyo a la decisión construidas incluso a partir de datos clínicos de disponibilidad rutinaria pueden superar a los biomarcadores en los que confiamos hoy. Para los pacientes, esto significa menos oportunidades perdidas de obtener beneficio del tratamiento. Para los médicos de la comunidad, significa acceso a orientación de nivel experto en el punto de atención. Para el campo, proporciona un marco riguroso, equitativo y explicable —validado en diversos sistemas sanitarios y poblaciones— que puede servir como plataforma global para la próxima generación de inmunoterapia de precisión”, dijo Marina Garassino, MD, profesora de Medicina en Medicina de la Universidad de Chicago y autora principal del estudio.

Enlaces relacionados
Medicina de la Universidad de Chicago