Flujo de trabajo con IA predice el riesgo de cáncer colorrectal en colitis ulcerosa con un 99% de precisión
Un estudio publicado el 17 de febrero de 2026 validó un flujo de trabajo con IA que predijo el riesgo de cáncer colorrectal en colitis ulcerosa con un 99% de precisión a partir de más de 55.000 historiales de pacientes. El modelo identificó pacientes de bajo y mayor riesgo a partir de notas clínicas, informes de colonoscopia y hallazgos de anatomía patológica.
Un nuevo flujo de trabajo con IA que utiliza modelos de lenguaje de gran tamaño puede predecir con un 99% de precisión qué pacientes con colitis ulcerosa permanecerán libres de cáncer colorrectal durante al menos dos años. Un estudio publicado el 17 de febrero de 2026 valida un nuevo flujo de trabajo de IA capaz de predecir con un 99% de precisión el riesgo de cáncer colorrectal en pacientes con colitis ulcerosa.
Los pacientes con esta enfermedad inflamatoria intestinal tienen hasta 4 veces más probabilidades de desarrollar cáncer colorrectal que la población general, lo que convierte la estratificación precisa del riesgo de displasia de bajo grado en una necesidad clínica crítica. Este estudio primario utilizó modelos de lenguaje de gran tamaño para analizar más de 55.000 historiales de pacientes del sistema de salud del Department of Veterans Affairs, el mayor conjunto de datos de este tipo.
El flujo de trabajo automatizado examina eficazmente notas clínicas narrativas, informes de colonoscopia y hallazgos de anatomía patológica para identificar factores de riesgo sutiles, como el tamaño de la lesión y la gravedad de la inflamación. El sistema identifica características de alto riesgo en notas clínicas narrativas que a menudo pasan desapercibidas, lo que podría permitir calendarios de vigilancia más personalizados y menos invasivos.
Al agrupar con precisión a los pacientes según su riesgo, la IA identificó aproximadamente a la mitad de la cohorte como de bajo riesgo, lo que sugiere que potencialmente podrían ampliar con seguridad sus intervalos de vigilancia. Por el contrario, el modelo señaló las lesiones visibles como de mayor riesgo del que los clínicos suelen estimar, lo que respalda un seguimiento más oportuno o una cirugía preventiva en esos casos.
La integración de esta tecnología en las prácticas de gastroenterología podría estandarizar el manejo de la displasia, que actualmente está sujeto a una alta variabilidad interobservador entre patólogos. La naturaleza automatizada de la herramienta también ahorra una cantidad significativa de tiempo médico al proporcionar una puntuación de riesgo de “un clic” dentro de la historia clínica electrónica.
Sin embargo, la dependencia de notas clínicas digitales de alta calidad puede limitar la eficacia de la herramienta en sistemas de salud con registros menos estructurados o estilos de informe dispares. Aún se requiere una validación prospectiva adicional en poblaciones no veteranas y en entornos comunitarios para confirmar estas altas tasas de precisión en grupos demográficos más amplios. En la actualidad, el equipo de investigación busca adaptar el modelo a otras afecciones inflamatorias para mejorar el seguimiento a largo plazo.