La radiología está viviendo uno de los cambios tecnológicos más importantes desde la llegada de la tomografía multidetector y la resonancia magnética moderna. La combinación entre inteligencia artificial y radiomica está comenzando a demostrar algo que hace pocos años parecía ciencia ficción: detectar enfermedad antes de que pueda ser identificada visualmente por el radiólogo.

En las últimas semanas, múltiples publicaciones científicas y revisiones internacionales han mostrado avances importantes en modelos de IA aplicados a radiomica oncológica, especialmente en cáncer de mama, páncreas y tumores agresivos como el triple negativo.

¿Qué es realmente la radiomica?

La radiomica consiste en extraer cientos o miles de características cuantitativas invisibles al ojo humano a partir de estudios de imagen como TC, RM o ultrasonido. Estas características incluyen:

• Textura tumoral
• Heterogeneidad
• Patrones espaciales
• Intensidad
• Morfología
• Relaciones voxel a voxel

Posteriormente, algoritmos de machine learning o deep learning correlacionan esos datos con el pronóstico, mutaciones moleculares, agresividad tumoral, respuesta terapéutica y supervivencia. La idea central es poderosa: una imagen médica contiene mucha más información biológica de la que el ojo humano puede interpretar directamente.

El caso que está llamando más la atención: cáncer pancreático

Uno de los desarrollos recientes más impactantes es REDMOD (Radiomics-based Early Detection Model), un modelo desarrollado por investigadores de Mayo Clinic. Este sistema analizó cerca de 2,000 tomografías abdominales consideradas inicialmente “normales” y logró identificar alteraciones pancreáticas extremadamente sutiles asociadas posteriormente al desarrollo de cáncer pancreático.

Según los resultados publicados recientemente:

• El modelo detectó aproximadamente 73% de los casos prediagnósticos.
• Con una anticipación promedio cercana a 16 meses.
• En algunos casos hasta 3 años antes del diagnóstico convencional.

Esto es especialmente importante porque el adenocarcinoma pancreático continúa siendo uno de los cánceres con peor supervivencia debido a su detección tardía.

La radiomica ya no solo diagnostica: ahora intenta predecir biología tumoral

Otro avance reciente proviene de estudios en cáncer de mama. Investigadores han desarrollado modelos de radiomica multimodal capaces de predecir expresión de Ki-67, un marcador relacionado con proliferación tumoral y agresividad biológica, utilizando únicamente imágenes médicas y algoritmos de IA.

También se han publicado modelos basados en ultrasonido y radiomica para estimar riesgo de recurrencia, predecir metástasis y evaluar respuesta terapéutica en cáncer de mama triple negativo. Esto abre la puerta a una medicina de precisión donde las imágenes podrían complementar —o incluso anticipar— información histopatológica y molecular.

Pero todavía existen problemas importantes

A pesar del entusiasmo, la radiomica aún enfrenta desafíos serios: falta de estandarización entre equipos, variabilidad multicéntrica, dificultad para reproducir modelos, datasets limitados, riesgo de sesgos algorítmicos y el problema del “black box AI”. Diversos autores enfatizan que la interpretabilidad y explicabilidad serán claves para lograr adopción clínica real.

¿Estamos cerca de la radiología predictiva?

Durante décadas la radiología ha sido predominantemente descriptiva. La radiomica y la IA están empujando la especialidad hacia algo distinto: radiología predictiva, cuantitativa, integrada con genómica y potencialmente preventiva.

El futuro parece dirigirse hacia modelos híbridos donde el radiólogo no será reemplazado, sino amplificado por sistemas capaces de detectar patrones microscópicos invisibles para la percepción humana. La pregunta ya no parece ser si la radiomica tendrá impacto clínico, sino cuándo terminará integrándose de manera rutinaria en la práctica diaria.