{"id":143215,"date":"2025-10-17T10:46:54","date_gmt":"2025-10-17T08:46:54","guid":{"rendered":"https:\/\/diaridigital.urv.cat\/?p=143215"},"modified":"2025-10-17T10:46:54","modified_gmt":"2025-10-17T08:46:54","slug":"un-nuevo-modelo-de-inteligencia-artificial-mejora-la-prediccion-de-la-recurrencia-del-cancer-de-mama","status":"publish","type":"post","link":"https:\/\/diaridigital.urv.cat\/es\/un-nuevo-modelo-de-inteligencia-artificial-mejora-la-prediccion-de-la-recurrencia-del-cancer-de-mama\/","title":{"rendered":"Un nuevo modelo de inteligencia artificial mejora la predicci\u00f3n de la recurrencia del c\u00e1ncer de mama"},"content":{"rendered":"

El c\u00e1ncer de mama es la enfermedad oncol\u00f3gica m\u00e1s diagnosticada entre las mujeres en el mundo, con m\u00e1s de 2,3 millones de casos anuales y sigue siendo una de las principales causas de mortalidad por c\u00e1ncer. Predecir con precisi\u00f3n si este tipo de tumor volver\u00e1 a aparecer sigue siendo uno de los retos clave de la oncolog\u00eda. Para avanzar en este campo, un equipo internacional liderado por la Universidad Rovira i Virgili ha desarrollado un modelo de inteligencia artificial capaz de integrar datos de im\u00e1genes m\u00e9dicas e informaci\u00f3n cl\u00ednica para calcular el riesgo de reaparici\u00f3n del tumor de forma m\u00e1s esmerada e interpretativa, con un elevado nivel de precisi\u00f3n.<\/p>\n

El nuevo sistema combina dos fuentes de informaci\u00f3n: por un lado, utiliza im\u00e1genes de resonancia magn\u00e9tica din\u00e1mica con contraste y, por otro, datos cl\u00ednicos de cada paciente. A diferencia de los sistemas actuales, que s\u00f3lo analizan las caracter\u00edsticas espec\u00edficas del tumor, este nuevo enfoque tambi\u00e9n tiene en cuenta otras variables como el tejido mamario que le rodea. Esta visi\u00f3n global permite al modelo captar patrones muy sutiles, como la simetr\u00eda entre ambas mamas o la textura interna del tumor, que se asocian con mayor probabilidad de reca\u00edda.<\/p>\n

\"\"<\/a>
De izquierda a derecha, Dom\u00e8nec Puig, Adnan Khalid y Hatem A. Rashwan, investigadores del estudio.<\/figcaption><\/figure>\n

El funcionamiento del modelo es completamente autom\u00e1tico: en primer lugar segmenta las im\u00e1genes de resonancia, selecciona sus caracter\u00edsticas m\u00e1s relevantes (forma, intensidad y variaciones del tejido) y, finalmente, integra esta informaci\u00f3n con datos m\u00e9dicos como el tipo de tumor, los receptores hormonales o el grado de malignidad. Todos estos elementos se procesan con un modelo de red neuronal llamado TabNet, que destaca por su capacidad de analizar datos complejos e interpretarlos.<\/p>\n

En las pruebas realizadas con m\u00e1s de 500 pacientes el sistema alcanz\u00f3 un alto nivel de precisi\u00f3n global -de los m\u00e1s elevados entre todos los modelos probados hasta ahora- y demostr\u00f3 una mayor sensibilidad para identificar los casos con riesgo real de reca\u00edda. \u00abEsta sensibilidad es clave, ya que permite reducir falsos negativos y evitar que se pasen por alto pacientes que podr\u00edan necesitar un seguimiento o tratamiento adicional\u00bb, explica Dom\u00e8nec Puig, del Departamento de Ingenier\u00eda Inform\u00e1tica y Matem\u00e1ticas de la URV e investigador principal del proyecto.<\/p>\n

El an\u00e1lisis de los resultados tambi\u00e9n ha permitido identificar los factores m\u00e1s importantes a la hora de realizar una predicci\u00f3n: la textura irregular del tumor, la falta de simetr\u00eda entre las dos mamas y el estado de los receptores hormonales. Estos indicadores podr\u00edan convertirse en nuevas herramientas visuales y m\u00e9dicas a la hora de tomar decisiones cl\u00ednicas.<\/p>\n

Otra de las potencialidades del modelo es que es escalable, interpretable y potencialmente aplicable a hospitales sin necesidad de pruebas gen\u00e9ticas invasivas o muy costosas. \u201cEsperamos en un futuro validar esta herramienta con datos de m\u00e1s centros para garantizar su aplicaci\u00f3n cl\u00ednica a gran escala\u201d, comenta Dom\u00e8nec Puig.<\/p>\n

El estudio forma parte del proyecto europeo Bosomshield, enmarcado en el programa Marie Sk\u0142odowska-Curie Doctoral Networks, y demuestra el potencial de la colaboraci\u00f3n entre tecnolog\u00eda de vanguardia y medicina para avanzar hacia una oncolog\u00eda m\u00e1s personalizada y predictiva.<\/p>\n

Referencia bibliogr\u00e1fica:<\/strong> Khalid, A. et al.<\/em> (2026). Towards Breast Cancer Recurrence Prediction Using Transformer-Based Learning from\u00a0Global\u2013Local Radiomics and\u00a0Clinical Data. In: Zhang, T., et al.<\/em> Artificial Intelligence and Imaging for Diagnostic and Treatment Challenges in Breast Care. Deep-Breath 2025. Lecture Notes in Computer Science, vol 16142. Springer, Cham. https:\/\/doi-org.sabidi.urv.cat\/10.1007\/978-3-032-05559-0_12<\/p>\n","protected":false},"excerpt":{"rendered":"

Un equipo investigador liderado por la URV desarrolla un sistema que combina datos cl\u00ednicos y de resonancias magn\u00e9ticas para identificar mejor el riesgo de reaparici\u00f3n del tumor<\/p>\n","protected":false},"author":5,"featured_media":143209,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[117,102,3463,244,100,123],"tags":[],"class_list":["post-143215","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ciencia-y-tecnologia","category-comunicacion-ciencia","category-ingenieria-informatica-matematicas","category-escuela-ingenieria","category-investigacion","category-notas-prensa"],"acf":[],"_links":{"self":[{"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/posts\/143215","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/comments?post=143215"}],"version-history":[{"count":0,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/posts\/143215\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/media\/143209"}],"wp:attachment":[{"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/media?parent=143215"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/categories?post=143215"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/tags?post=143215"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}