Un equipo de investigación liderado por la Universidad de Plymouth (Reino Unido) ha desarrollado un algoritmo de inteligencia artificial capaz de identificar patrones sutiles de riesgo de cáncer de vejiga con hasta un lustro de antelación respecto a la confirmación clínica.
El estudio, publicado en la revista científica IEEE Transactions on Biomedical Engineering, fue encabezado por Shang-Ming Zhou, profesor del Centro de Tecnología para la Salud de la University of Plymouth. Para llevar a cabo el trabajo, los investigadores analizaron los registros médicos anonimizados de casi 70.000 pacientes recopilados entre 1995 y 2020.
Filtrado de datos masivos y selección de variables
Durante la investigación, la herramienta examinó 48.261 posibles indicadores de salud registrados en las historias clínicas de atención primaria y especializada. Tras el procesamiento mediante modelos avanzados de aprendizaje automático, el sistema logró seleccionar 38 variables clave directamente asociadas con un mayor riesgo de desarrollar cáncer de vejiga.
Estas variables abarcan una combinación de factores antecedentes, tratamientos farmacológicos previos y síntomas leves de la vía urinaria que, analizados de forma aislada, suelen pasar desapercibidos en las revisiones estándar, pero que en conjunto forman un patrón predictivo claro.
Principales beneficios para la práctica urológica
- Detección precoz y estratificación: Permite identificar a los pacientes de alto riesgo mucho antes de la aparición de signos graves como la hematuria franca, facilitando un seguimiento urológico estrecho.
- Optimización de recursos diagnósticos: Ayuda a derivar de forma prioritaria a pruebas específicas (como la cistoscopia o la citología urinaria) a quienes realmente presentan una probabilidad elevada.
- Medicina de precisión: Refuerza la toma de decisiones clínicas mediante herramientas de soporte algorítmico integradas en las consultas.
Próximos pasos
Los autores subrayan que, aunque estos hallazgos representan un salto cualitativo en la oncología predictiva, el modelo deberá someterse a validaciones prospectivas en cohortes externas antes de su integración definitiva en los sistemas de salud. De confirmarse su eficacia en la práctica real, este avance transformará los protocolos de cribado y el pronóstico de los pacientes.
