Los datos que ya figuran en cualquier historia clínica podrían alcanzar para detectar a tiempo a las personas con más chances de desarrollar varios tipos de cáncer. Un equipo de investigadores entrenó cerca de 500 modelos de aprendizaje automático capaces de estimar el riesgo individual de 20 tumores frecuentes usando análisis de sangre, antecedentes médicos y hábitos de vida, según un trabajo presentado en el congreso de la Sociedad Europea de Oncología Médica (ESMO), que se realizó en Madrid.

La investigación se apoyó en el Biobanco del Reino Unido: siguió durante unos 18 años a 463.620 participantes, de los cuales 57.055 desarrollaron algún tipo de cáncer en ese lapso. Esa base permitió que los algoritmos aprendieran a asociar variables clínicas y de laboratorio con la aparición posterior de la enfermedad.

Cómo se probó que los modelos funcionan

Para comprobar que los resultados no dependían de la población original, los investigadores validaron los modelos con datos de personas de Escocia y Gales. También los aplicaron a 42.036 participantes del programa estadounidense All of Us y a más de tres millones de personas de una base de datos japonesa.

Con el objetivo de evitar distorsiones, el equipo descartó los cánceres diagnosticados durante el primer año de seguimiento. La idea era que los modelos no "adivinaran" enfermedades que ya estaban presentes al inicio del estudio.

Dónde aciertan más y dónde menos

En el conjunto de tumores cuyo riesgo podía estimarse con datos clínicos rutinarios, los modelos lograron un AUROC de 0,83 a 15 años. Esa métrica mide la capacidad de distinguir entre quienes desarrollarán la enfermedad y quienes no: 0,5 equivale al azar y 1,0 a una discriminación perfecta.

El desempeño fue especialmente sólido en los cánceres de pulmón, esófago e hígado. En cambio, la capacidad predictiva fue más limitada para los tumores de ovario, mama y cuello uterino. En la leucemia mieloide aguda y el mieloma múltiple, la precisión cayó a medida que se extendía el horizonte de predicción.

Los autores sugieren que ese último comportamiento podría indicar que algunas predicciones de corto plazo están captando señales tempranas de tumores que ya existían, aunque todavía no habían sido diagnosticados.

El valor inesperado de los análisis de sangre

Buena parte de la capacidad predictiva se apoyó en los análisis de sangre rutinarios y en los antecedentes clínicos. Se trata de datos de bajo costo y de recolección habitual en los sistemas de salud, lo que facilita una eventual aplicación masiva. Los análisis de sangre siguieron aportando información útil incluso para cánceres diagnosticados más de cinco años después del inicio del seguimiento.

En contraste, sumar datos genéticos y metabolómicos apenas mejoró el rendimiento de los modelos. El hallazgo refuerza la idea de que la información disponible en la práctica cotidiana puede ser suficiente para identificar a los pacientes que necesitan controles más intensivos.

El trabajo, según sus responsables, abre la puerta a integrar estas herramientas en la consulta médica para anticipar el riesgo individual con mayor precisión que los métodos estadísticos tradicionales. El siguiente paso será evaluar cómo se comportan en escenarios clínicos reales y con poblaciones diversas.