Modelo de IA utiliza TC previas al tratamiento para predecir riesgo de neumonitis relacionada con inmunoterapia

Debido a que puede ser difícil de predecir antes de que aparezcan los síntomas, los clínicos pueden tener una capacidad limitada para adaptar la monitorización al riesgo de un paciente individual. Las evaluaciones actuales basadas en factores clínicos y la revisión de imágenes no captan por completo este riesgo. Ahora, los investigadores han desarrollado un modelo de inteligencia artificial que identifica a los pacientes con mayor riesgo antes de que comience el tratamiento.

Investigadores del Centro Oncológico MD Anderson de la Universidad de Texas (Houston, TX, EE. UU.) desarrollaron el Estimador de riesgo de neumonitis por inhibidores de puntos de control (CIPHER) para analizar tomografías computarizadas (TC) de tórax de rutina previas al tratamiento. El modelo primero aprendió a reconocer patrones en el tejido pulmonar en lugar de aprender directamente a partir de casos confirmados de neumonitis. Después, los investigadores evaluaron si esos patrones estaban asociados con la neumonitis tras la inmunoterapia.

CIPHER se entrenó con más de 590.000 cortes de TC de 2.500 pacientes con cáncer de pulmón. Los investigadores lo probaron utilizando exploraciones previas al tratamiento de 347 pacientes con cáncer de pulmón de células no pequeñas tratados en UT MD Anderson y lo validaron en un conjunto de datos externo independiente. El modelo alcanzó un área bajo la curva de aproximadamente 0,83 en ambas cohortes, superando a los modelos convencionales basados en factores clínicos y a los enfoques de radiómica. 

El rendimiento se mantuvo sólido en distintas poblaciones de pacientes, escáneres y protocolos de imagen. Las predicciones siguieron siendo significativas tras tener en cuenta la edad, el antecedente de tabaquismo, la histología tumoral y la exposición previa a radioterapia torácica. Los pacientes clasificados como de alto riesgo también tendieron a desarrollar neumonitis antes tras iniciar la inmunoterapia. 

Los hallazgos, publicados en el Journal for ImmunoTherapy of Cancer el 18 de septiembre de 2026, requieren estudios prospectivos más amplios y diversos antes de poder determinar su integración clínica. Los investigadores también planean examinar el rendimiento en otros tipos de cáncer y si biomarcadores adicionales mejoran la predicción. 

“Lo que hace que este enfoque sea particularmente interesante es que no fue diseñado para buscar la neumonitis en sí. En cambio, el modelo aprendió patrones dentro del tejido pulmonar e identificó anomalías sutiles asociadas con el riesgo futuro. Eso sugiere que las imágenes de rutina pueden contener mucha más información sobre la toxicidad del tratamiento de la que habíamos reconocido previamente”, dijo Jia Wu, Ph.D., profesor asociado de Física de la Imagen y de Oncología Médica Torácica y de Cabeza y Cuello en UT MD Anderson. 

Enlaces relacionados
UT MD Anderson