Herramienta de IA predice la quimioterapia óptima para pacientes con cáncer de páncreas avanzado

Una nueva herramienta basada en inteligencia artificial puede predecir cuál de dos opciones de quimioterapia disponibles para el cáncer de páncreas sería más eficaz para un paciente individual, según resultados publicados en la edición del 11 de febrero de 2026 del Journal of Clinical Oncology. La herramienta, construida sobre la plataforma de patología digital Computational Histology Artificial Intelligence (CHAI), aborda una necesidad clínica no cubierta en la selección de quimioterapia de primera línea para el adenocarcinoma ductal pancreático (PDAC) avanzado.

Actualmente, no existen datos concluyentes que muestren cuál de los dos regímenes de quimioterapia aprobados para pacientes con cáncer de páncreas avanzado es más eficaz. Dos regímenes de quimioterapia de primera línea con múltiples agentes aprobados por la US Food and Drug Administration para el tratamiento del PDAC avanzado o metastásico incluyen FOLFIRINOX (5-fluorouracil, leucovorin, irinotecan, oxaliplatin) y gemcitabine plus nab-paclitaxel. Ambos enfoques se utilizan para tratar a pacientes con buen estado funcional, y NALIRIFOX, que combina irinotecan liposomal, 5-fluorouracil, leucovorin y oxaliplatin, también se aprobó recientemente para la enfermedad metastásica.

El problema del enfoque actual es que someter a un paciente enfermo a un régimen de quimioterapia que no está funcionando empeora su salud en lugar de mejorarla. Los biomarcadores en sangre o tejido pueden ayudar a predecir la respuesta al tratamiento y orientar estas decisiones en otros tipos de cáncer, pero actualmente no existen biomarcadores para el cáncer de páncreas.

Para desarrollar la herramienta, los investigadores utilizaron CHAI para analizar imágenes de láminas de microscopio que contenían muestras de tejido tumoral, teñidas para resaltar detalles minuciosos de las células. Casi todos los pacientes disponen de estas muestras cuando se biopsia su tumor. El equipo analizó características del tejido en muestras de 25,000 pacientes con cáncer de páncreas que habían recibido uno u otro régimen de quimioterapia. Las capacidades de IA de la plataforma permitieron analizar más de 30,000 características de las muestras de tejido. Luego, los investigadores vincularon las características tisulares con la respuesta al tratamiento para crear la herramienta predictiva.

En el estudio multinacional, la plataforma CHAI extrajo características histomorfológicas cuantitativas de biopsias diagnósticas. En una cohorte de desarrollo de 178 pacientes, se utilizaron características asociadas con resultados diferenciales medidos por el tiempo hasta el siguiente tratamiento o muerte (TNTD) entre pacientes tratados con quimioterapia basada en fluoropirimidinas (F-chemo) y pacientes tratados con quimioterapia basada en gemcitabine (G-chemo) para desarrollar puntuaciones continuas de biomarcadores que se dicotomizaron en G-pref (favoreciendo G-chemo) o F-pref (favoreciendo F-chemo) (biomarcador GvF).

Entre 299 pacientes de la cohorte de validación, hubo 126 pacientes G-pref y 173 pacientes F-pref. Entre los pacientes G-pref, 43 recibieron G-chemo; entre los pacientes F-pref, 113 recibieron F-chemo. Entre los pacientes G-pref, el grupo con G-chemo tuvo un TNTD significativamente mejor que el grupo con F-chemo (mediana = 9.6 vs 7.2 meses, P = .038), sin observarse un beneficio significativo en la supervivencia global (mediana = 14.3 vs 12.4 meses, P = .52).

Entre los pacientes F-pref, el grupo con F-chemo tuvo un TNTD significativamente mejor (mediana = 8.6 vs 7.5 meses, P = .035) y una supervivencia global significativamente mejor (mediana = 14.4 vs 11.7 meses, P = .003) frente al grupo con G-chemo. En el análisis ponderado por puntuación de propensión, el biomarcador GvF predijo el efecto del tratamiento (interacción biomarcador-tratamiento: TNTD = P < .001, supervivencia global = P = .005).

A diferencia de la mayoría de las pruebas de biomarcadores, en las que se necesita una muestra adicional de tejido o sangre, esta prueba solo requiere una imagen escaneada de la lámina de biopsia existente del paciente. La imagen se envía electrónicamente y se obtiene rápidamente un resultado con la preferencia de tratamiento. El resultado indica no solo qué tratamiento se prefiere, sino también cuánto más eficaz es probable que sea.

El adenocarcinoma ductal pancreático es la forma más común de cáncer de páncreas. Es una enfermedad difícil, que a menudo se presenta con síntomas inespecíficos en una etapa avanzada, lo que afecta negativamente la calidad de vida relacionada con la salud de los pacientes. Se estima que el PDAC representa más del 80% de todos los casos de cáncer de páncreas, que sigue siendo una enfermedad letal con una biología tumoral agresiva. La supervivencia mediana es de aproximadamente 4 meses con una supervivencia a 5 años del 13%.

En las últimas décadas, la incidencia del cáncer de páncreas ha aumentado notablemente. La enfermedad ocupa el cuarto lugar como causa de muerte por cáncer en hombres y el tercer lugar como causa de muerte por cáncer en mujeres. Las estimaciones actuales predicen que el cáncer de páncreas se convertirá en la segunda causa principal de muerte relacionada con el cáncer para 2030.

Con base en los resultados actuales, la herramienta necesita una validación adicional en pacientes en tratamiento antes de estar lista para su uso clínico, pero con esa validación, eventualmente podría aplicarse a otros tipos de tumores sólidos. Incluso podría comparar el beneficio potencial de diferentes tipos de terapia, como la radioterapia frente a la cirugía.

El estudio contó con el apoyo de la Pancreatic Cancer Action Network (PanCAN–Know Your Tumor), University Health Network, Toronto, y Valar Labs, Inc.