Los LLM especializados, las tomografías computarizadas asistidas por IA para la detección temprana y los modelos fundamentales que democratizan la patología se encuentran entre las tecnologías emergentes en la atención oncológica.
Los LLM especializados, las tomografías computarizadas asistidas por IA para la detección temprana y los modelos fundamentales que democratizan la patología se encuentran entre las tecnologías emergentes en la atención oncológica.
La inteligencia artificial (IA) se ha utilizado en una variedad de capacidades para transformar fundamentalmente la atención oncológica desde sus inicios. La tecnología que inicialmente comenzó como un “golpe de acción propenso a las alucinaciones” según Matthew Matasar, MD, jefe de la División de Trastornos de la Sangre del Instituto de Cáncer de Rutgers y miembro de la junta asesora editorial de Supervivientes de Cáncer para ONCOLOGÍA, desde entonces se ha convertido en una faceta “cada vez más seria” de la atención oncológica con una miríada de aplicaciones.
El Instituto Nacional del Cáncer (NCI) considera que la IA es una “oportunidad sin precedentes” para comprender mejor el cáncer y mejorar la atención a los pacientes con esta enfermedad.1 Centrándose en 3 áreas que se han desarrollado en los últimos años, incluida la capacitación para modelos de IA, actualizaciones de hardware y acceso a grandes conjuntos de datos en imágenes, genómica y otros, el NCI sugiere que la convergencia de estos aspectos ha llevado a “nuevas aplicaciones prometedoras” de estas herramientas en la investigación del cáncer.
El NCI también destaca una mayor necesidad de validar las tecnologías de IA y aprendizaje automático en la práctica clínica y de avanzar en la IA “explicable” para integrar mejor estas tecnologías en los flujos de trabajo. Además, el NCI destaca la posibilidad de que estos modelos representen de manera inexacta a la población médica más amplia y perpetúen el sesgo médico con datos que son incompletos o no son adecuadamente diversos. Al hacerlo, reconocen la necesidad de adoptar normas para el desarrollo de estas tecnologías para limitar el sesgo y mantener la reproducibilidad.
Para el 40 aniversario de la revista, ONCOLOGY habló con 3 oncólogos expertos en IA: Matasar; Arturo Loaiza-Bonilla, MD, MSEd, FACP, jefe de hematología y oncología en todo el sistema en la Red de Salud de la Universidad de St Luke; y Patrick Borgen, MD, presidente del Departamento de Cirugía del Centro Médico Maimonides, sobre sus ideas sobre el campo de la IA y su aplicación a la oncología. El trío discutió temas como los modelos especializados de lenguaje grande (LLM), las tomografías computarizadas asistidas por IA para la detección temprana y los modelos fundamentales que democratizan la patología, entre otros.
Explorando la aplicación de la IA para uso especializado en flujos de trabajo clínicos
El campo de la oncología amplió y desarrolló su uso de la IA, particularmente para los procesos de documentación, lo que libera a los médicos para que se involucren más directamente con los pacientes. Matasar declaró: “Estamos en un punto de inflexión con la llegada de la IA como herramienta para avanzar en nuestro trabajo en oncología… [con] LLM especializados…, proliferando empresas destinadas a agilizar los procesos de investigación clínica [y] las capacidades de gráficos clínicos habilitados para la IA. El último año ha visto una tremenda aceleración de la adopción temprana y, sin embargo, solo hemos arañado la superficie”.
En cuanto a los LLM, Matasar destacó OpenEvidence, un LLM que pretende extraerse de revistas como el New England Journal of Medicine y la JAMA Network, así como las directrices de la NCCN, para ofrecer información generada por IA para los médicos.2 Su misión está centrada en el médico y se comercializa a sí misma como un “copiloto de IA” para ayudar a informar las decisiones de alto riesgo y en el punto de atención. Además, esta solicitud afirma haber apoyado más de 100 millones de consultas clínicas de médicos estadounidenses y también cumple con la Ley de Portabilidad y Responsabilidad de Seguros de Salud y Controles de Sistemas y Organizaciones
2 Cumple con el Tipo II según el Instituto Americano de Contadores Públicos Certificados.
Además, en respuesta a cómo la IA está incorporando los flujos de trabajo, Loaiza-Bonilla expresó que podría usarse para optimizarlos y funcionar como una especie de “tejido conectivo” para acelerar los procesos clínicos.
“Desde el punto de vista clínico, la IA se está volviendo más como un tejido conectivo en el continuo oncológico”, explicó. “No se trata de, ‘¿Debería adoptarlo?’ Es más, “¿Cómo adapto mi flujo de trabajo al advenimiento de la IA en beneficio de mi práctica y mis pacientes?” Hemos visto una IA agente que apoya las juntas de tumores [y] la coincidencia de ensayos clínicos, y hacemos la adherencia de la vía, la coordinación de la atención y la incorporación con las directrices [de la Sociedad Americana de Oncología Clínica] y el NCCN”.
La IA agente, que utiliza la orquestación de IA para coordinar modelos de aprendizaje automático para realizar tareas, utiliza LLM para aprovechar las técnicas de IA generativa existentes.3 Además, diferenciarlo de otros modelos de IA generativa es su capacidad para utilizar contenido generado, llamando a herramientas externas para completar tareas complejas de forma autónoma. Loaiza-Bonilla declaró además que esta tecnología no está destinada a reemplazar a los médicos, sino a eliminar los puntos de fricción que surgen durante la práctica clínica de rutina.
“Las implementaciones más significativas no van a ser llamativas o [anunciadas en] comunicados de prensa. Va a ser si podemos reducir la carga de documentación, si podemos acelerar el triaje, si podemos acceder a las pruebas más rápido y ayudar a los equipos a ejecutar, ese va a ser el valor real que vamos a ver en las implementaciones de estas herramientas”, explicó Loaiza-Bonilla.
Suplemento de exploraciones radiológicas para la detección temprana del cáncer
En línea con 2 tendencias principales, la mamografía y la detección temprana en la detección del cáncer de pulmón, la IA se está utilizando para identificar mejor los cánceres en etapa temprana en los pacientes. Loaiza-Bonilla explicó que el uso de la IA en la mamografía puede ayudar a reducir el tiempo y el esfuerzo asociados con el procedimiento.
“Ahora estamos usando IA para ayudar con [la mamografía], para disminuir la cantidad de doble revisión en esas mamografías, y también se está ejecutando en ensayos clínicos”, dijo. “Tenemos datos de Europa, pero ahora también hay varios esfuerzos en los Estados Unidos, porque nuestra población es diferente en términos de densidad de mama y más allá. Estoy emocionado de ver los resultados de esos algoritmos a medida que se implementan”.
Más allá de la detección del cáncer de pulmón y de mama, Loaiza-Bonilla tocó una iniciativa liderada por Friends of Cancer Research para establecer criterios para integrar modelos de IA en las evaluaciones RECIST para medir mejor las lesiones de una manera más escalable.4 Además, se refirió a los hallazgos del ensayo PANORAMA, publicado en The Lancet Oncology, que destacó la capacidad de las tomografías computarizadas asistidas por IA para detectar el cáncer de páncreas en etapa temprana, dado que generalmente se identifica en indicaciones en etapa posterior.5
Concluyó enfatizando el deseo de ver estos modelos desplegados en la práctica del mundo real, afirmando que muchos modelos radiológicos se han localizado en un pequeño conjunto de casos de uso.
“Lo que espero es empezar a usar esos modelos en la práctica real. A partir de ahora, muchos de los modelos que usamos en radiología se han localizado en ese par de casos de uso y para el departamento de emergencias, como encontrar fracturas, pero ahora, con la oncología siendo una de esas enfermedades de muy alto riesgo, tenemos una oportunidad aquí”, dijo.
Facilitación de la generalización en cardio-oncología a través de modelos fundamentales
Según Loaiza-Bonilla, los modelos fundamentales ayudarán a facilitar los procesos clínicos en cardio-oncología, particularmente para los electrocardiogramas (ECG). Los modelos fundamentales, que son conjuntos de datos que abarcan hasta millones de pruebas etiquetadas, se pueden construir para generalizar a casos de uso específicos.
“En este caso, podría ser la detección de arritmias o factores de riesgo, como la prolongación del QT en pacientes que toman [inhibidores de la tirosina quinasa] o efectos [adversos] los que están surgiendo, particularmente para pacientes que pueden tener predisposiciones como enfermedades cardiovasculares”, explicó.
Al describir el estado del campo hoy en día, identificó una tendencia entre las empresas que buscan validar estos modelos fundamentales con la FDA para democratizar su uso en cardio-oncología. Anticipa que la naturaleza omnipresente de los ECG y su facilidad de uso permitirán la aprobación acelerada de la FDA para su uso como herramientas de estratificación de riesgos. Estos modelos, junto con otros algoritmos basados en datos, pueden ayudar a “mover la aguja” en cardio-oncología cuando se integran en registros médicos electrónicos.
Avances en la detección del cáncer de mama asistida por IA
En el Simposio de Cáncer de Mama de San Antonio (SABCS) de 2025, un transformador-
La arquitectura basada demostró la capacidad de predecir el riesgo de recurrencia entre pacientes previamente tratadas por cáncer de mama. Además, Loaiza-Bonilla expresó que esta herramienta podría usarse para optimizar las puntuaciones de respuesta recurrente e identificar a pacientes con subtipos de enfermedades más raros.
“[La arquitectura] puede optimizar esas puntuaciones de respuesta recurrente que estamos viendo de diferentes proveedores de una manera más significativa y encontrar aquellos pacientes de nicho [que] necesitan más detección o detección temprana de otras cosas, como alteraciones de la línea germinal o factores de riesgo, cuando usamos cualquier combinación con otros conjuntos de datos”, dijo.
Además, destacó que aprovechar el uso de la IA en la radiomía puede ayudar a determinar si es probable que un paciente experimente beneficios de los tratamientos, como la terapia endocrina, simplemente observando una tomografía computarizada. Destacando los hallazgos del ensayo TAILORx de fase 3 (NCT00310180), explicó que el uso de herramientas de IA se ha convertido en un “punto de validación importante” para los modelos que se están implementando o se someten a pruebas para su uso en la clínica.6
Los hallazgos presentados en SABCS revelaron que el modelo multimodal, que integra modelos moleculares imaginativos, clínicos y ampliados, mostró un fuerte rendimiento pronóstico para la recurrencia general y tardía de la enfermedad, que fue superior a la puntuación de recurrencia del gen Oncotype DX 21 solo. Exhibió una estratificación pronóstica estadísticamente significativa y clínicamente relevante en grupos de bajo y alto riesgo genómico.
Además, Borgen declaró que la IA podría usarse para examinar mejor a los pacientes y leer estudios de imágenes mamarias. A pesar de ser una tecnología novedosa que requiere una mayor validación, prevé su uso como una herramienta rentable y más eficiente para mejorar la práctica de la oncología.
“Ya hemos visto datos de que la IA hace un trabajo tan bueno o mejor en la lectura de estudios de imágenes de mama. Ciertamente, en el entorno de detección, la IA ahora es capaz de leer mamografías 3D o de tomosíntesis, lo que no era capaz de hacer en el pasado”, explicó. “Estamos esperando que agreguen una característica que se compare con las radiografías antiguas, pero en algún momento, reemplazará a algunos humanos… No está listo para el horario de máxima audiencia, no está listo para invertir en una empresa, pero los datos preliminares son convincentes”.
Democratización de la oncología patológica a través de modelos fundamentales
Contextualizado por una escasez de patólogos en países de bajos y medianos ingresos, así como en ciertas secciones de la zona rural de los Estados Unidos que apodó “desiertos de atención del cáncer”, Loaiza-Bonilla cree que la respuesta puede estar en modelos fundamentales para acelerar las lecturas inmediatas para identificar a los pacientes que necesitan más pruebas o tratamiento en ausencia de patólogos fácilmente disponibles.
“Estamos, en este momento, muy cortos a nivel mundial, no solo en países de bajos y medianos ingresos, sino en condados de los Estados Unidos, [en] patólogos [que] están] fácilmente disponibles para revisar las diapositivas y darnos apoyo. Una de las cosas que hemos visto ahora es que con estos grandes modelos fundamentales de millones de diapositivas que se toman, imágenes de diapositivas completas, podemos aprovechar esos modelos para mirar solo la mancha [hematoxilina-eosina]”, explicó.
Además, expresó que al utilizar estas herramientas de democratización a escala, los datos se pueden cargar a través de la nube y enviar a una computadora local, lo que permite que la evaluación de la detección inicial se realice de forma remota desde cualquier lugar. Además, con estos modelos, se podría identificar el riesgo de posibles biomarcadores incluso antes de que un patólogo realice su propia lectura de la diapositiva.
“[Tú] simplemente tomas la foto y despliega y dices: ‘Oye, esto puede tener una mutación EGFR o esta muestra puede ser [receptor de estrógeno]/[receptor de progesterona] positiva o tener positividad PD-L1′. Puede ser consecuente en el uso de la patología”, declaró. “Los esfuerzos [multidisciplinarios] deben ocurrir a través de [prácticas] para implementar esto, pero la promesa es tremenda”.
Borgen agregó que reconoció un escenario en el que el análisis de imágenes de IA reemplaza los estudios en el espacio de perfiles genómicos. “En patología… estas plataformas aprenden increíblemente rápido y pueden ser instruidas”, explicó. “Una pregunta es: ‘De todas las pruebas que hay en el espacio de perfiles genómicos, ¿el análisis de imágenes usando IA va a reemplazar esos estudios?” Ciertamente es una posibilidad”.
2026: El año de la industrialización de la IA en oncología
Según Loaiza-Bonilla, 2026 marcará el año de la industrialización de la IA. Más allá de los servicios integrados en infraestructura, las empresas de salud y farmacéuticas están invirtiendo en la concesión de licencias y la capacitación de modelos fundamentales en sus propios conjuntos de datos patentados, con la intención de acelerar el proceso de descubrimiento de medicamentos hasta el despliegue de pacientes.
“Estamos viendo que los ciclos de descubrimiento se comprimen de años a veces meses y, en algunos casos, semanas. Así es como vamos a ver una mejora”, explicó.
La IA agente, que dijo que se utilizaría para la “determinación final de los pasos” en este proceso, pretende ayudar a filtrar a través de las publicaciones y recopilar “noticias en bruto en decisiones informadas”. Específicamente, sirve como un medio para recopilar información para nichos y espacios técnicos y filtrarla para ofrecer información aguda que podría no estar fácilmente disponible en un barrido de medios de comunicación convencionales.
Además, a pesar de la aparición de plataformas centradas en la IA, Loaiza-Bonilla enfatizó que la supervisión debe implementarse en el desarrollo de estos sistemas para alinearlos con la literatura basada en la evidencia y combatir la desinformación.
“Las oportunidades son enormes, pero deben estar alineadas con la evidencia, con la seguridad, con los flujos de trabajo y, por supuesto, queremos evitar cualquier información errónea”, señaló. “[Tiene que haber] participación clínica, gobernanza y algunas barandillas, al menos con vías impulsadas por la especialidad. Con suerte, eso se traduce en lo que siento que son los mejores casos de uso, que son velocidad, acceso y ejecución”.
Entre las plataformas para pacientes que mencionó estaban ChatGPT Health y Claude. ChatGPT Health afirma ser una experiencia de salud dedicada, con la funcionalidad de ChatGPT más la capacidad de conectar información como registros médicos y aplicaciones de bienestar para ayudar a los pacientes con sus decisiones relacionadas con la salud.7 Claude se basa en una “familia” de LLM y ofrece 3 modelos que varían según su tamaño y complejidad, con el más pequeño, Haiku 4.5, que ofrece información más rápida, y el más grande, Opus 4.6, que ofrece análisis complejo, investigación profunda y generación de documentos.8,9
Loaiza-Bonilla concluyó explicando que para que los modelos de IA se conviertan en un componente fundamental de su práctica, deben adherirse a sus mejores casos de uso.
“¿[IA] traía terapias a los pacientes más rápido, o estaban muy informados? ¿Podemos obtener acceso más rápido a ensayos clínicos y atención acorde con las directrices? ¿Mi equipo y [yo] pasamos más tiempo practicando medicina y menos tiempo luchando contra sistemas? Si la IA nos ayudó a hacer esas cosas, [se ha ganado su] lugar en oncología”, explicó. “Así es como va a [moverse] de una tecnología periférica a un componente fundamental interesante de nuestros flujos de trabajo”.
Referencias
Inteligencia artificial (IA) y cáncer. Instituto Nacional del Cáncer. Consultado el 10 de febrero de 2026. https://tinyurl.com/48jdj42y
Acerca de. Evidencia abierta. Consultado el 9 de febrero de 2026. https://tinyurl.com/3yzx2bcx
Página de inicio de Agentic.ai. Consultado el 9 de febrero de 2026. https://tinyurl.com/yc5jrm5f
Proyecto Ai.RECIST: Criterios de evaluación de respuesta habilitadas por inteligencia artificial en el proyecto de tumores sólidos. Amigos de la investigación del cáncer. Consultado el 9 de febrero de 2026. https://tinyurl.com/rx26459z
Alves N, Schuurmans M, Rutkowski D, y otros. Inteligencia artificial y radiólogos en la detección del cáncer de páncreas utilizando tomografías computarizadas estándar de atención (PANORAMA): un estudio internacional, emparejado, de no inferioridad, confirmatorio y observacional. Oncol de Lancet. 2026;27(1):116-124. doi:10.1016/S1470-2045(25)00567-4
Sparano JA, Lama N, Gray RJ, y otros. Modelos de inteligencia artificial multimodal (IA) que integran datos de imagen, clínicos y moleculares para predecir la recurrencia temprana y tardía del cáncer de mama en TAILORx. Presentado en: Simposio de Cáncer de Mama de San Antonio 2025; 9-12 de diciembre de 2025; San Antonio, TX. Resumen 1601.
Presentamos ChatGPT Health. IA abierta. 7 de enero de 2026. Consultado el 9 de febrero de 2026. https://tinyurl.com/3rux7brr
¿Qué es la IA de Claude? IBM. Actualizado el 3 de febrero de 2026. Consultado el 9 de febrero de 2026. https://tinyurl.com/2rwv9ar4
Descripción general. Claude. Consultado el 9 de febrero de 2026. https://tinyurl.com/5n82a9tx
FUENTE: Cáncer network
