ESMO GI 2026: Biomarcadores de IA y valor clínico en la atención del cáncer
En ESMO GI 2026, los expertos presentaron el marco EBAI, que clasifica los biomarcadores basados en IA en tres niveles de validación. Los datos clínicos mostraron que la IA detecta la inestabilidad de microsatélites (MSI) con una sensibilidad del 96-98% y que la braquiterapia guiada por RM mejora la supervivencia libre de recidiva.
Los expertos del Congreso de Cánceres Gastrointestinales de ESMO 2026 destacaron cómo la inteligencia artificial está yendo más allá del reconocimiento de imágenes para aportar valor clínico en cirugía, patología e intervención guiada por imágenes. También presentaron los requisitos básicos de ESMO para biomarcadores basados en IA en oncología (EBAI), un marco que clasifica los biomarcadores basados en IA en tres niveles y define los requisitos mínimos de validación para cada uno.
En el cáncer colorrectal, el algoritmo MSIntuit detectó la inestabilidad de microsatélites directamente a partir de portaobjetos de rutina con tinción de hematoxilina y eosina (H&E) con una sensibilidad del 96–98% (Nat Commun. 2023;14:6695), mientras que se han desarrollado modelos de aprendizaje profundo para predecir la metástasis en los ganglios linfáticos a partir de la TC previa al tratamiento en el cáncer gástrico (eClinicalMedicine. 2024;75:102805). Según los expertos, el campo está entrando en una nueva fase en la que el valor clínico está demostrando ser tan importante como el rendimiento técnico.
En la IA quirúrgica, los datos de prueba de concepto obtenidos con la plataforma de IA EUREKA X cuantificaron la preservación del tejido conjuntivo laxo durante la cirugía robótica del cáncer de recto. En un estudio de casos y controles emparejados con 44 pacientes, las medidas derivadas de IA de preservación tisular se asociaron con la disfunción urinaria posoperatoria; cuando se combinaron con la edad del paciente, el modelo alcanzó un área bajo la curva de aproximadamente 0,81. Los investigadores sugirieron que los futuros sistemas de IA podrían proporcionar retroalimentación en tiempo real durante la cirugía, señalando que «el futuro no es la IA frente a los cirujanos; son cirujanos potenciados por IA».
En la intervención guiada por imágenes, la braquiterapia intersticial guiada por RM está ampliando las opciones de tratamiento para los tumores hepáticos no aptos para la ablación térmica, al permitir la visualización de lesiones a menudo invisibles en la TC. En el estudio prospectivo MR BRIGHT (Z Gastroenterol 2025; 63(01): e45), la braquiterapia guiada por RM logró una supervivencia libre de recidiva local significativamente mayor que el tratamiento guiado por TC (95,1% frente a 79,9%; p=0,027), al tiempo que reducía sustancialmente la exposición a radiación de baja dosis del tejido hepático sano (15% frente a 43%). Los algoritmos de aprendizaje automático podrían acelerar la reconstrucción de imágenes de RM y reducir los artefactos, haciendo cada vez más práctica la guía por RM en tiempo real.
La patología puede ser el área donde la transición de la IA de la investigación a la práctica clínica habitual es más evidente. Los expertos describieron la IA como el producto de cuatro desarrollos convergentes: un panorama de biomarcadores en expansión, el aumento de la carga de trabajo en patología, la adopción generalizada de la patología digital y la persistente variabilidad diagnóstica. El marco EBAI describe cómo los algoritmos están progresando desde la estandarización de los biomarcadores existentes hasta la predicción de alteraciones moleculares directamente a partir de portaobjetos de H&E y, en última instancia, el descubrimiento de biomarcadores completamente nuevos, incluidos modelos emergentes capaces de reconocer cuándo no deben hacer una predicción (Ann Oncol. 2026;37(3):414–430).