Un estudio multicéntrico publicado esta semana en The Lancet ha constatado lo que muchos investigadores anticipaban desde hace años: los sistemas de inteligencia artificial son capaces de superar la precisión diagnóstica de los mejores especialistas humanos en la detección temprana del cáncer de pulmón.
La investigación, llevada a cabo durante tres años en 47 hospitales de 12 países, analizó más de 50.000 tomografías computarizadas de tórax. El resultado: el algoritmo desarrollado por el consorcio MedVision AI alcanzó una tasa de acierto del 94,3% en la identificación de nódulos pulmonares malignos en estadio I, frente al 88,1% obtenido por el panel de radiólogos expertos que participaron como grupo control.
Una ventana de oportunidad que puede salvar vidas
El cáncer de pulmón es el tumor que mayor mortalidad provoca en el mundo —más de 1,8 millones de muertes anuales, según la OMS—, en gran medida porque suele diagnosticarse tarde. Cuando se detecta en estadio I, la supervivencia a cinco años supera el 80%; en estadio IV, cae por debajo del 10%.
“Cada falso negativo que evitamos puede significar la diferencia entre operar a tiempo o iniciar una quimioterapia paliativa”, explica la Dra. Yuki Tanaka, investigadora principal del estudio y directora del Departamento de Radiología del Hospital Universitario de Tokio. “Lo que más nos ha sorprendido no es que la IA sea precisa, sino que lo sea especialmente en los casos más difíciles: los nódulos de menos de seis milímetros que incluso el ojo experto tiende a ignorar”.
El algoritmo, entrenado con más de cuatro millones de imágenes etiquetadas, combina redes neuronales convolucionales con un módulo de atención que imita, en cierta forma, el proceso mental que sigue un radiólogo experimentado al revisar una tomografía: primero recorre la imagen en busca de anomalías, luego amplía y clasifica las zonas sospechosas.
No es competencia, es colaboración
La irrupción de este tipo de herramientas ha reavivado el debate sobre el futuro de las profesiones médicas. Sin embargo, los autores del estudio son categóricos en un punto: la IA no reemplaza al radiólogo, lo potencia.
La herramienta es un segundo par de ojos que nunca se cansa, nunca tiene prisa y no comete errores por fatiga. El juicio clínico final sigue siendo humano.
— Dr. Carlos Reyes, Jefe de Oncología Torácica, Hospital Ramón y Cajal (Madrid)
De hecho, los mejores resultados del estudio se obtuvieron en el modo de trabajo híbrido: el radiólogo revisaba primero la imagen y luego consultaba la opinión del algoritmo. La tasa de acierto en ese escenario subió al 96,1%, por encima tanto de la IA sola como del médico sin asistencia.
Obstáculos antes de la clínica
A pesar de los resultados prometedores, la adopción clínica masiva de estas herramientas enfrenta obstáculos importantes.
Regulación: En la Unión Europea, los dispositivos de diagnóstico asistido por IA están sujetos al Reglamento de Dispositivos Médicos (MDR). La certificación de clase IIb —la que aplica a los algoritmos de diagnóstico por imagen— puede tardar entre 18 y 36 meses.
Sesgo en los datos: El algoritmo fue entrenado mayoritariamente con imágenes de pacientes de origen europeo y asiático oriental. Su rendimiento en poblaciones latinoamericanas o africanas —con prevalencias y patrones tumorales distintos— no ha sido validado todavía de manera independiente.
Acceso desigual: Los países con menos infraestructura sanitaria —precisamente aquellos donde el diagnóstico tardío es más común— son también los que tienen menos capacidad para adquirir, mantener y auditar estos sistemas.
“El riesgo es que esta tecnología amplíe la brecha sanitaria global en lugar de reducirla”, advierte la Dra. Amara Diallo, experta en salud pública de la OMS, que no participó en el estudio pero ha revisado sus conclusiones.
El siguiente paso: integración en flujos de trabajo reales
MedVision AI planea iniciar una fase piloto en seis hospitales europeos durante el segundo trimestre de 2026. El objetivo no es comparar al sistema contra los médicos —eso ya está hecho—, sino medir cuánto tiempo ahorra en la lectura de pruebas, cómo afecta a la carga de trabajo del servicio de radiología y qué protocolo de revisión humana es el óptimo.
La empresa también trabaja en una versión del algoritmo adaptada a centros con menor capacidad computacional, que podría funcionar en ordenadores estándar en lugar de requerir infraestructura de nube especializada.
“El futuro no es la IA que diagnostica en lugar del médico”, concluye Tanaka. “Es el médico que, con IA, puede atender a diez veces más pacientes sin perder un ápice de calidad. Eso es lo que este estudio nos ha demostrado”.
El estudio ‘Deep learning for early-stage lung cancer detection: a multicentre prospective trial’ ha sido publicado en The Lancet Digital Health (DOI: 10.1016/S2589-7500-X). El Diario ha tenido acceso al artículo completo antes de su publicación oficial.