Crean un modelo de IA para detectar la metástasis del cáncer de mama en zonas cercanas al pecho

Mientras que estudios previos habían considerado fundamentalmente los datos clínico-patológicos del tumor (como su tamaño y características), el nuevo sistema de IA se ha desarrollado en el marco del primer estudio que combina estos datos con los de la respuesta inmunitaria de las pacientes con cáncer de mama.

La investigación constata que la respuesta inmunitaria es un factor crucial para determinar si existe o no metástasis del cáncer de mama luminal, una de las tipologías más frecuentes. Sin embargo, los métodos diagnósticos y tecnologías actuales no lo evalúan de forma rutinaria en la práctica clínica. Así pues, el nuevo modelo de aprendizaje automático puede servir para reforzar los métodos diagnósticos actuales.

El desarrollo tecnológico de la IA ha corrido a cargo de los investigadores de la UPF Alba Fischer Carlos, Gemma Piella y Jérôme Noailly, de la Unidad BCN MedTech del Departamento de Ingeniería . La parte clínica del estudio la ha liderado Carlos López Pablo, vinculado al Hospital Universitario de Tortosa Virgen de la Cinta, el Instituto de Investigación Biomédica Catalunya Sud ( IRB CatSud ) y la Universidad Rovira i Virgili. También han participado otros investigadores de estas mismas instituciones y del Hospital Universitario Joan XXIII de Tarragona. El estudio se ha divulgado en el marco del Día Mundial contra el Cáncer de Mama (19 de octubre).  

Mecanimos inmunitarios implicados en la extensión del cáncer

Esta investigación supone un paso adelante en el conocimiento de los mecanismos inmunitarios implicados en la extensión del cáncer de mama en los ganglios linfáticos. Según los datos más recientes de la Organización Mundial de la Salud (OMS), correspondientes a 2024, ese año más de 2,4 millones de mujeres fueron diagnosticadas de cáncer de mama en todo el mundo y murieron 694.000. La tasa de mortalidad por esta enfermedad aumenta significativamente cuando las células tumorales se desplazan hacia los ganglios linfáticos de la axila.  

«En este contexto, hemos desarrollado un modelo de aprendizaje automático que integra los datos de la respuesta inmunitaria con los de tipo clínico y patológico, con el objetivo de explorar su potencial para determinar la presencia de metástasis en los ganglios linfáticos axilares», explica la investigadora de la UPF Alba Fischer Carles . Siete de las nueve variables inmunitarias del modelo final proceden del estudio de tejidos extraídos de los ganglios axilares (sin metástasis) de este grupo de pacientes. 

Tres modelos

Antes de diseñar el modelo definitivo, se han probado otros tres modelos. Dos de ellos han entrenado con los datos clínicos e inmunológicos del mismo grupo de 83 mujeres diagnosticadas con el mismo tipo de cáncer de mama luminal entre 1995 y 2008, y un tercero con una serie más amplia de 344 pacientes (incluidas estas 83), únicamente con datos clínicos.

Con el modelo final, que incluye los datos inmunitarios, se reducen los falsos positivos de metástasis de cáncer de mama luminal respecto al sistema de IA entrenado únicamente con datos clínicos. El modelo final de IA no tiene un valor predictivo, es decir, no permite anticipar si una paciente desarrollará o no metástasis, pero sí determinar qué variables clínicas y sobre todo inmunes -presentes en el tumor primario y en los propios ganglios axilares- se asocian al hecho de tener metástasis en la axila. 

Identificado un nuevo posible biomarcador inmunitario

La investigación también ha identificado un nuevo posible biomarcador de la metástasis axilar del cáncer de mama (CD21+ intratumoral). Los biomarcadores son características biológicas que permiten medir de forma objetiva alteraciones patológicas. En este caso, un grupo de células situadas dentro del tumor primario (dendríticas foliculares) podrían ser determinantes para detectar la extensión del tumor. 

Carlos López Pablo explica que, hasta ahora, el ganglio linfático se ha analizado sobre todo para determinar si contiene o no células tumorales. “Este trabajo nos dice que los ganglios sin metástasis también aportan información: la forma en que se organiza la respuesta inmunitaria, junto con la del tumor primario, se relaciona con el comportamiento de la enfermedad”, asegura. «Es un paso para entender mejor por qué unos tumores se extienden a los ganglios y otros no y qué papel puede tener la respuesta inmune. Sin embargo, antes de llegar a la práctica clínica habrá que confirmarlo en series más amplias y en pacientes de otros centros», concluye.

Así pues, la eficacia del CD21+ como biomarcador deberá continuar evaluando en futuros estudios y esta investigación abre la puerta a explorarlo como posible diana terapéutica.

Artículo de referencia:

Alba Fischer-Carles, Alessio Fiorin, Carlos López Pablo, Laia Reverté, Esther Sauras-Colón, Noelia Gallardo-Borràs, Marylène Lejeune, Mikel Relloso Ortiz de Uriarte, Tábata Sánchez-Alcántara, Maria Ballester-Navarro, Ramon Bosch Goyda, Daniel Mata Cano, Jérôme Noailly & Gemma Piella. Leveraging inmune y clínico-pathological profiles with machine learning to predict axillary lymph node metastasis in breast cancer sufrientes. Breast Cancer Nada 28, 121 (2026). https://doi.org/10.1186/s13058-026-02294-9