El ESMO Gastrointestinal Cancers Congress 2026 fue el escenario para discutir la evolución de la inteligencia artificial (IA) en la oncología gastrointestinal. Las conversaciones de los expertos se centraron en cómo la IA está trascendiendo el reconocimiento de imágenes para integrarse en procesos críticos como la cirugía, la patología y las intervenciones guiadas por imágenes, demostrando un valor clínico cada vez más significativo.
Avances de la IA en la detección y predicción oncológica
El valor de la IA en la oncología gastrointestinal es innegable, con avances recientes que lo confirman. En el contexto del cáncer colorrectal, el algoritmo MSIntuit ha logrado detectar la inestabilidad de microsatélites directamente de láminas de hematoxilina y eosina (H&E) con una sensibilidad del 96-98%. Paralelamente, se han desarrollado modelos de aprendizaje profundo capaces de predecir la metástasis de ganglios linfáticos a partir de imágenes de tomografía computarizada (TC) pretratamiento en el cáncer gástrico.
Estos desarrollos sugieren que el campo está entrando en una nueva fase, donde el valor clínico se posiciona como un factor tan crucial como el rendimiento técnico de los algoritmos.
IA quirúrgica: Enfoque en resultados y asistencia en tiempo real
La Dra. Marie Hanaoka del Instituto de Ciencia de Tokio, Japón, destacó que el campo se dirige hacia una “inteligencia vinculada a resultados”. Esto implica que las mediciones derivadas de la IA durante la cirugía se asocian con resultados clínicamente relevantes para el paciente, en lugar de limitarse a reconocer la anatomía o el flujo de trabajo quirúrgico.
Hanaoka presentó datos de prueba de concepto utilizando la plataforma de IA EUREKA X, que cuantificó la preservación del tejido conectivo laxo durante la cirugía robótica de cáncer rectal. Un estudio de casos y controles de 44 pacientes reveló que las mediciones de IA sobre la preservación tisular estaban correlacionadas con la disfunción urinaria postoperatoria. Al combinar este modelo con la edad del paciente, se obtuvo un área bajo la curva de aproximadamente 0.81.
“La IA quirúrgica ya no se trata solo de la precisión en el reconocimiento. Debemos preguntarnos si esta información de IA es significativa para nuestros pacientes. El futuro no es la IA contra los cirujanos, sino los cirujanos mejorados por la IA.”
— Dra. Marie Hanaoka
Hanaoka proyecta que los futuros sistemas de IA podrían proporcionar retroalimentación en tiempo real durante las intervenciones quirúrgicas, transformando la práctica médica.
Visualización mejorada en intervenciones guiadas por imágenes
Una evolución similar se observa en las intervenciones guiadas por imágenes. El Prof. Max Seidensticker del LMU Klinikum, Múnich, Alemania, explicó cómo la braquiterapia intersticial guiada por resonancia magnética (RM) amplía las opciones de tratamiento para tumores hepáticos no aptos para la ablación térmica. La guía por RM permite visualizar lesiones que a menudo son indetectables mediante TC, enfatizando la importancia de una visualización precisa para la colocación de catéteres.
En el estudio prospectivo MR BRIGHT, la braquiterapia guiada por RM mostró una supervivencia libre de recurrencia local significativamente mayor que el tratamiento guiado por TC (95.1% frente a 79.9%; p=0.027), y redujo la exposición a baja dosis de radiación en el tejido hepático sano (15% frente a 43%). Seidensticker anticipa que los algoritmos de aprendizaje automático acelerarán la reconstrucción de imágenes de RM y reducirán los artefactos, haciendo que la guía por RM en tiempo real sea más práctica en las intervenciones.
De algoritmos prometedores a herramientas clínicas en patología
La patología es quizás el área donde la transición de la IA de la investigación a la práctica clínica rutinaria es más evidente. La Prof. Magali Svrcek de la Sorbonne Université, París, Francia, atribuye este progreso a cuatro factores convergentes: un creciente panorama de biomarcadores, el aumento de la carga de trabajo en patología, la adopción generalizada de la patología digital y la persistente variabilidad diagnóstica. Estos elementos han transformado la lámina patológica de un objeto observado bajo el microscopio a una “fuente de datos biológicos cuantitativos”.
Presentando los requisitos básicos de ESMO para biomarcadores basados en IA en oncología (EBAI), Svrcek detalló cómo los algoritmos avanzan desde la estandarización de biomarcadores existentes hasta la predicción de alteraciones moleculares directamente de láminas de H&E, y finalmente al descubrimiento de nuevos biomarcadores. También destacó modelos emergentes que pueden reconocer cuándo no deben hacer una predicción.
“El verdadero desafío no es demostrar el rendimiento técnico o la robustez del algoritmo, sino demostrar su valor clínico. El futuro de la patología no es el reemplazo de los patólogos por la IA, sino la transformación de los patólogos en expertos en datos biológicos complejos, al servicio de la medicina de precisión y el cuidado del paciente.”
— Prof. Magali Svrcek
La integración de la IA en la oncología gastrointestinal representa un cambio paradigmático, con un enfoque creciente en la generación de valor clínico y la mejora de la precisión diagnóstica y terapéutica, en lugar de solo la capacidad de reconocimiento técnico.
