Crean algoritmo con IA para predecir respuesta a inmunoterapia en cáncer de pulmón

María Jesús Ledesma, investigadora de la UPM y CIBER-BBN, ha desarrollado un algoritmo de inteligencia artificial capaz de predecir qué pacientes con cáncer de pulmón responderán a la inmunoterapia. La herramienta se alimenta de datos clínicos reales y análisis de sangre rutinarios, permitiendo anticipar la eficacia del tratamiento y reducir efectos adversos. El avance, publicado en Cancer Immunology, Immunotherapy, representa un paso clave hacia una medicina personalizada más accesible. El proyecto se realizó en colaboración con hospitales y centros punteros de investigación biomédica en España.

Inteligencia clínica basada en datos reales

El algoritmo, diseñado con inteligencia artificial, predice la eficacia de la inmunoterapia en pacientes de cáncer de pulmón a partir de datos disponibles en historias clínicas y hemogramas. Esto supone una innovación estratégica, al alejarse de costosos biomarcadores moleculares y centrarse en información generada de forma rutinaria en cualquier hospital.

El sistema ha sido validado en colaboración con el Instituto de Investigación Sanitaria-Fundación Jiménez Díaz, la Clínica Universidad de Navarra y el Hospital 12 de Octubre, entre otros. Utiliza variables como el recuento de linfocitos, la presencia de metástasis cerebrales o la aparición temprana de colitis y neumonitis, integradas en modelos de aprendizaje automático para anticipar la respuesta al tratamiento.

Esta capacidad predictiva permite discriminar con mayor precisión qué pacientes se beneficiarán realmente de la inmunoterapia, evitando así la exposición innecesaria a tratamientos ineficaces y sus posibles efectos adversos.

Un paso hacia la medicina personalizada efectiva

El algoritmo desarrollado por Ledesma y su equipo permite segmentar mejor a los pacientes antes y durante las primeras fases del tratamiento. Bajo la hipótesis de que la evolución inicial del paciente aporta señales tempranas sobre la eficacia a largo plazo, el modelo identifica patrones clínicos sutiles que predicen resultados futuros.

Este enfoque se inscribe plenamente en el paradigma de la medicina personalizada, pero con un acceso más democrático, al prescindir de tecnologías invasivas o inaccesibles en muchos sistemas de salud. Contribuye además a optimizar ensayos clínicos, seleccionando pacientes con mayor riesgo de progresión o menor probabilidad de respuesta.

La investigación, publicada en una revista de alto impacto, demuestra que la inteligencia artificial no solo sirve para diagnósticos complejos o imágenes médicas, sino también para aprovechar mejor los datos clínicos cotidianos.

Cáncer de pulmón: un enemigo con nuevas grietas

El cáncer de pulmón sigue siendo la principal causa de muerte oncológica en el mundo, con apenas un 10% de supervivencia a cinco años en casos avanzados. La irrupción de la inmunoterapia en los últimos años ha mejorado sustancialmente este panorama, al activar el sistema inmune contra las células tumorales y evitar que el cáncer evada esa respuesta.

Sin embargo, la variabilidad en la respuesta sigue siendo uno de los mayores retos clínicos. Muchos pacientes que inicialmente muestran mejoría acaban progresando, y no existen todavía predictores fiables de largo plazo.

El algoritmo de Ledesma no requiere biopsias ni estudios genéticos complejos: utiliza datos como el diagnóstico de diabetes tipo I, la concentración de lactato deshidrogenasa en sangre o el ratio de plaquetas-linfocitos. Esta estrategia podría ayudar a definir subgrupos biológicos que hasta ahora han escapado al radar de la oncología personalizada.

Ciencia pública, colaboración clínica

El desarrollo del algoritmo ha sido posible gracias a una red de instituciones científicas y clínicas que incluye al CIBER en Bioingeniería, Enfermedades Respiratorias y Oncología, además de la financiación del Instituto de Salud Carlos III, la Fundación BBVA y el programa Next Generation EU.

La metodología no se basa en modelos teóricos, sino en real world data, datos recogidos en el curso habitual del tratamiento en hospitales españoles. Esto refuerza su aplicabilidad inmediata y su potencial como herramienta de decisión clínica.

La investigadora Ana D. Ramos-Guerra, primera firmante del artículo, destaca que este tipo de modelos pueden ahorrar tiempo, recursos y sufrimiento. No solo optimizan la administración de tratamientos, sino que también reducen la carga económica de terapias prolongadas e ineficaces en pacientes que no obtendrán beneficio.

Inteligencia artificial con impacto humano

El algoritmo de Ledesma no es un avance tecnológico aislado: es una herramienta diseñada para mejorar la vida de los pacientes. A través de la combinación de análisis automatizado, datos clínicos accesibles y colaboración interdisciplinar, este trabajo representa una convergencia entre innovación digital y necesidades médicas reales.

En un entorno donde la inteligencia artificial a menudo se percibe como una caja negra, esta investigación demuestra que, bien aplicada, puede iluminar decisiones médicas críticas con rigor, transparencia y sentido clínico.

Si el futuro de la medicina es personalizado, entonces la clave no es solo saber más, sino saber mejor a quién tratar, cuándo y cómo. Y gracias a iniciativas como esta, cada vez estamos más cerca de hacerlo posible.