Publicado: octubre 26, 2026, 3:23 pm
En la lucha contra el cáncer de mama triple negativo , los médicos avanzan a menudo a ciegas. Este subtipo de tumor, que representa alrededor del 15% de todos los casos de cáncer de mama, es una versión especialmente agresiva y de rápido crecimiento que carece de los tres receptores habituales (estrógenos, progesterona y la proteína HER2). Sin esas ‘cerraduras’ a las que agarrarse, las terapias hormonales y los fármacos dirigidos convencionales resultan inútiles. Ahora, un equipo de científicos del University College de Londres (UCL) y la Universidad de Cambridge propone una nueva herramienta para romper este callejón sin salida: crear un ‘gemelo digital’ de cada tumor para probar en un entorno virtual qué fármacos lograrán destruirlo antes de administrarlos al paciente. El avance, publicado en la revista científica ‘ Cell Reports Medicine ‘, utiliza un algoritmo computacional capaz de procesar la huella genética detallada del tumor de un individuo. A diferencia de los modelos de inteligencia artificial tradicionales basados en grandes modelos de lenguaje, que operan como una «caja negra» donde es imposible rastrear cómo el sistema llega a una conclusión, los investigadores recurrieron a la llamada ‘IA simbólica’ . Este enfoque se basa en la lógica pura y en reglas transparentes, lo que permite a los oncólogos auditar y comprender cada paso del razonamiento de la máquina. Para comprobar la eficacia del modelo, los científicos construyeron tumores virtuales que replicaban con precisión la genética de 31 pacientes reales. En este entorno simularon los mismos escenarios que en el ensayo real: tratar la réplica digital únicamente con quimioterapia, combinar la quimioterapia con un fármaco inhibidor llamado Olaparib, o no aplicar ningún tratamiento. Al comparar las predicciones del sistema con lo que ocurrió en la vida real en los hospitales, la herramienta computacional predijo con éxito el resultado en el 74% de los casos . Más allá de certificar si un tratamiento estándar funcionará o no, el verdadero valor de estos ‘gemelos digitales’ radica en su capacidad para ofrecer alternativas cuando la terapia convencional fracasa. En 12 de las 13 pacientes que no respondieron por completo al tratamiento convencional en la simulación, el modelo identificó al menos una diana terapéutica adicional que habría mejorado el pronóstico. De hecho, para 10 de estas pacientes, el programa predijo que añadir ese tratamiento secundario podría haber inducido una respuesta tan elevada que no habrían quedado rastros visibles de cáncer invasivo ni en la mama ni en los ganglios linfáticos. «Hemos demostrado el amplio y potente abanico de posibilidades que los tumores virtuales personalizados pueden aportar a la medicina oncológica», señala la profesora Jasmin Fisher, investigadora del UCL Cancer Institute y autora principal del estudio. Para la experta, el objetivo no es reemplazar el criterio clínico, sino ofrecer una guía en casos complejos. «Vemos nuestro modelo como una ayuda para la práctica clínica existente, no como una alternativa: una forma de generar nuevas ideas, particularmente en relación con proteínas o genes que podrían ser atacados para devolver al tumor la sensibilidad a los fármacos existentes», detalla Fisher. Muchos tumores triple negativo presentan una alteración conocida como deficiencia en la reparación por recombinación homóloga o HRD. Esta permite que el cáncer mute con enorme rapidez, pero al mismo tiempo crea una debilidad que los oncólogos pueden explotar. Fármacos como el Olaparib bloquean la enzima encargada de reparar las rupturas sencillas del ADN en las células, provocando que las células cancerosas vulnerables colapsen al no poder reparar su propio genoma. La transparencia del algoritmo empleado por el equipo británico busca vencer el escepticismo histórico de la comunidad médica hacia la inteligencia artificial en la toma de decisiones críticas. Como destaca la propia Fisher, al utilizar IA simbólica, los médicos pueden examinar los engranajes del programa . «En la práctica, la opción de tratamiento recomendada por nuestro modelo puede ser descartada por el oncólogo tras un examen más detenido, por ejemplo si considera que el fármaco es demasiado tóxico. Pero también puede llevarle a explorar y finalmente decidirse por una tercera vía en la que no habría pensado de otro modo», concluye.
