IA e investigación del cáncer ── 2026-10-23
Nuevos artículos sobre cáncer e IA, recopilados de feeds de revistas, PubMed (búsqueda en todas las revistas) y OpenAlex (un índice público usado en lugar de Google Scholar), evaluados por Jev (una IA que emite juicios lingüísticos): investigación original, IA como elemento central, cuál de 13 temas, tratamiento o ensayos, y luego ordenados por importancia hasta un límite diario. Las revistas no se filtran por factor de impacto; cada artículo muestra el equivalente de FI de su revista (media de citación a dos años de OpenAlex) y la fecha de ese valor. Cada entrada muestra el resumen original completo.
Leer por tipo de cáncer: Biología del cáncer（1） · Mama（0） · Pulmón（1） · Páncreas（0） · Próstata（0） · ACC（0） · Cerebro（1） · Ovárico（1） · Endometrial（0） · Gástrico（0） · Hígado（0） · Riñón（0） · Vejiga（1）
Biología molecular del cáncer e IA
- Resumen
La reprogramación metabólica es un sello distintivo de muchas enfermedades, en particular el cáncer; sin embargo, los métodos actuales para analizar estados metabólicos a partir de datos de expresión génica a menudo carecen de la resolución y la interpretabilidad necesarias para aplicaciones clínicas. Los enfoques de firmas basadas en genes reducen la estructura de las redes metabólicas, son susceptibles a sesgos estadísticos y eventualmente muestran una baja reproducibilidad entre estudios. Por lo tanto, se necesita una alternativa con estructura de red y fundamentada mecánicamente. Desarrollamos CircumSpectrum, un marco computacional que convierte perfiles de expresión génica en huellas metabólicas basadas en flujos mediante la integración de modelos metabólicos a escala genómica con clasificadores de aprendizaje automático entrenados en 142 subsistemas metabólicos funcionales. El marco se valida utilizando múltiples cohortes transcriptómicas independientes de pacientes tratados con metformina — un fármaco antidiabético ampliamente utilizado con una relevancia creciente en oncología — que abarcan individuos sanos, pacientes con diabetes tipo II y líneas celulares de cáncer. El rendimiento se compara con métodos convencionales de firmas génicas y de enriquecimiento de rutas mediante la precisión de clasificación con bootstrap. Aquí mostramos que CircumSpectrum supera a los métodos convencionales de firmas génicas en la distinción de los efectos del tratamiento y mantiene la reproducibilidad entre conjuntos de datos, plataformas y especies. Aplicado a cohortes tratadas con metformina, el marco revela adaptaciones metabólicas inducidas por el fármaco a nivel fenotípico, de subsistema y de reacciones individuales que no son detectadas por los análisis transcriptómicos estándar, incluidas divergencias específicas de enfermedad entre las respuestas metabólicas de individuos sanos y diabéticos, y un recableado conservado de rutas entre tipos de cáncer. CircumSpectrum permite perfiles metabólicos multiescala a partir de cohortes de pacientes, modelos experimentales y datos de célula única, proporcionando conocimientos estructurados e interpretables sobre fenotipos complejos a partir de datos de expresión génica. Este enfoque tiene un amplio potencial para identificar vulnerabilidades metabólicas, caracterizar los mecanismos de acción de los fármacos y respaldar estrategias terapéuticas de precisión en distintos contextos de enfermedad. Las células adaptan constantemente su metabolismo en respuesta a la enfermedad o al tratamiento, pero los métodos actuales para estudiar estos cambios a partir de datos de actividad génica son a menudo imprecisos y difíciles de reproducir. Desarrollamos CircumSpectrum, una herramienta computacional que convierte las mediciones de expresión génica en detalladas “huellas” metabólicas al combinar modelos biológicos de redes a gran escala con aprendizaje automático. Lo pusimos a prueba con metformina, un fármaco antidiabético común con usos emergentes en el cáncer, en múltiples estudios con pacientes y tipos de cáncer. CircumSpectrum identificó cambios metabólicos que los métodos estándar no detectaron, y lo hizo de manera consistente entre diferentes conjuntos de datos e incluso diferentes especies. Estos hallazgos sugieren que CircumSpectrum podría ayudar a los investigadores a comprender mejor cómo actúan los fármacos a nivel metabólico, guiando potencialmente estrategias de tratamiento más precisas para la diabetes, el cáncer y otras enfermedades metabólicas. Polley et al. presentan CircumSpectrum, un marco que transforma datos de RNA-seq en huellas metabólicas basadas en flujos mediante modelos a escala genómica y aprendizaje automático. Evalúan el marco con metformina en cohortes clínicas y de cáncer, y encuentran que tiene un rendimiento favorable frente a los métodos convencionales de firmas génicas y que sugiere mecanismos de los fármacos a nivel fenotípico, de subsistema y de reacción.
Factor de impacto equivalente de la revista: 6.0 (citación media a 2 años según OpenAlex, valor a fecha de 2026-10-08, consultado el 2026-10-09; no es el factor de impacto oficial de Clarivate)Referencia: Polley N, Kaoma T, Nazarov PV, Sarry JE. Huellas dactilares metabólicas basadas en flujos inferidas a partir de la expresión génica para predecir la respuesta a fármacos y facilitar la estratificación de pacientes. Commun Med. 2026 Oct 21 [Epub ahead of print]. doi:10.1038/s43856-026-01970-3.Verificado: Solo resumen
Ver los 1 artículos de Biología del cáncer →
Cáncer de mama: tratamiento, ensayos e IA
No hay ningún artículo nuevo que cumpla los requisitos para esta edición.
Cáncer de pulmón: tratamiento, ensayos e IA
- Resumen
Antecedentes: Este estudio tuvo como objetivo investigar las asociaciones de los genes relacionados con el fenotipo secretor asociado a la senescencia (SASP) con el microambiente inmune tumoral (TIME) y los resultados clínicos en el adenocarcinoma de pulmón (LUAD), y desarrollar y evaluar una firma pronóstica para la estratificación del riesgo y la predicción exploratoria de la respuesta al tratamiento.
Métodos: Se realizó una factorización matricial no negativa (NMF) para identificar subtipos moleculares distintos. Se utilizaron el operador de contracción y selección de mínimos absolutos (LASSO), Random Forest y el potenciamiento de gradiente extremo (XGBoost) para identificar los genes SASP pronósticos centrales. Los patrones de expresión de los genes seleccionados relacionados con SASP se exploraron utilizando conjuntos de datos multiómicos, líneas celulares de LUAD y muestras clínicas.
Resultados: El clúster 1 se asoció con una supervivencia global (OS) significativamente más corta, una actividad aumentada de la vía de senescencia y características inmunosupresoras y de exclusión inmunitaria inferidas computacionalmente. Cinco reguladores intracelulares del SASP— ANGPTL4 , CDKN2A , H2AX , MMP1 , y CCL20 —fueron seleccionados mediante aprendizaje automático para construir el SASP Protein Regulator Score (SASP-PRS). Un SASP-PRS alto se asoció con la activación de las vías de senescencia/SASP y del ciclo celular, la supresión de las firmas inmunitarias antitumorales y perfiles de expresión distintos de puntos de control inmunitario y quimiocinas. Un SASP-PRS más alto también se asoció con un estadio avanzado de la enfermedad, una peor OS, una menor capacidad de respuesta prevista a la inmunoterapia, una menor sensibilidad prevista al erlotinib y una mayor sensibilidad prevista a determinados agentes quimioterapéuticos. El nomograma que incorpora el SASP-PRS demostró capacidad discriminatoria y calibración para predecir la OS a 1, 3 y 5 años en las cohortes de LUAD analizadas.
Conclusión: Estos hallazgos sugieren que los patrones de expresión génica relacionados con el SASP se asocian con los subtipos moleculares del LUAD, la señalización de la senescencia, las características inmunitarias inferidas computacionalmente y los resultados relacionados con el tratamiento. El SASP-PRS puede servir como un biomarcador potencial para la estratificación pronóstica en el LUAD. Sin embargo, su utilidad para la evaluación de la respuesta al tratamiento sigue siendo exploratoria. Se requieren validación externa prospectiva y estudios funcionales para establecer su aplicabilidad clínica y aclarar los mecanismos que vinculan las redes relacionadas con el SASP con el microambiente inmunitario del LUAD.
Factor de impacto equivalente de la revista: 3.7 (citación media a 2 años según OpenAlex, valor a fecha de 2026-10-22, consultado el 2026-10-23; no es el factor de impacto oficial de Clarivate)Referencia: Chang X, Jiang L, Zhang L, Ren T, Fan C, Li P. Modelo pronóstico basado en proteínas intracelulares derivado del aprendizaje automático que refleja un microambiente inmunosupresor impulsado por el fenotipo secretor asociado a la senescencia en el adenocarcinoma de pulmón. PeerJ. 2026 Oct 21;14:e21835. doi:10.7717/peerj.21835.Verificado: Solo resumen
Ver todos los 1 artículos sobre pulmón →
Cáncer de páncreas: tratamiento, ensayos e IA
No hay ningún artículo nuevo que cumpla los requisitos para esta edición.
Cáncer de próstata: tratamiento, ensayos e IA
No hay ningún artículo nuevo que cumpla los requisitos para esta edición.
Carcinoma adenoide quístico: tratamiento, ensayos e IA
No hay ningún artículo nuevo que cumpla los requisitos para esta edición.
Tumores cerebrales: tratamiento, ensayos e IA
- Resumen
El sistema de notificación y datos de tumores cerebrales (BT-RADS) estandariza la evaluación de la respuesta pos-tratamiento en resonancia magnética en pacientes con gliomas difusos, pero requiere una integración compleja de las tendencias de imagen, los efectos de los medicamentos y el calendario de radioterapia. Se desarrolló y evaluó un sistema de extremo a extremo de modelos de lenguaje de gran escala multiagente y red neuronal convolucional para la clasificación automatizada de BTRADS. Se evaluaron retrospectivamente quinientos nueve estudios consecutivos de resonancia magnética de glioma pos-tratamiento (marzo de 2017-julio de 2021) de un solo centro. Un agente extractor identificó variables clínicas a partir de las notas utilizando gpt-oss (OpenAI, 20 mil millones de parámetros). Un agente puntuador aplicó la lógica de decisión de BTRADS integrándolas con volumetría cuantitativa. La precisión del sistema se comparó con las evaluaciones iniciales, utilizando la anotación de expertos como estándar de referencia. Cuatrocientos noventa y dos estudios fueron evaluables. La precisión global del sistema fue de 76.0% (374/492) frente a 57.5% (283/492) de las evaluaciones iniciales, una diferencia absoluta de +18.5 puntos porcentuales ( P < .001). El kappa de Cohen entre el sistema y el estándar de referencia fue de 0.71. El sistema logró una alta sensibilidad en las categorías dependientes del contexto (BT-1b; 100%; BT-1a, 92.7%; BT-3a, 87.5%) y una sensibilidad moderada en las categorías dependientes de umbrales (BT-3c, 74.8%; BT-2, 69.2%; BT-4, 69.3%; BT-3b, 57.1%). El valor predictivo positivo de BT-4 fue de 92.9%. Estos resultados respaldan una evaluación adicional de este sistema como herramienta de apoyo a la decisión clínica, con una inferencia local de pesos abiertos que preserva la privacidad de los datos. ©RSNA, 2026
Factor de impacto equivalente de la revista: 8.3 (citación media a 2 años según OpenAlex, valor a fecha de 2026-10-22, consultado el 2026-10-23; no es el factor de impacto oficial de Clarivate)Referencia: Jabal MS, Zhang J, LaBella D, Houk JL, Zhang D, Rudie JD, et al. Agentic Automation of BT-RADS Scoring Using an End-to-End System for Standardized Glioma Follow-up Assessment. Radiology: Artificial Intelligence. 2026 Oct 21 [publicación electrónica anticipada]. doi:10.1148/ryai.260234.Verificado: Solo resumen
Ver todos los 1 artículos sobre cerebro →
Cáncer de ovario: tratamiento, ensayos e IA
- Resumen
La deficiencia de recombinación homóloga (HRD) es un biomarcador crítico para guiar las decisiones de tratamiento en el carcinoma seroso tubo-ovárico de alto grado (HGSOC), un cáncer con pocos biomarcadores fiables. Sin embargo, las pruebas genómicas existentes para la HRD son variables, costosas y consumen mucho tiempo. Desarrollamos HRDPath, una arquitectura de aprendizaje profundo a nivel de paciente que predice el estado de HRD a partir de imágenes de portaobjetos completas, sin requerir pruebas moleculares adicionales. HRDPath se valida en tres cohortes de pacientes mujeres y logra un AUC de 0.846, superando significativamente los resultados reportados previamente en HGSOC. Al incorporar múltiples portaobjetos por paciente y estrategias de optimización específicas, fortalecemos la utilidad clínica del modelo, con una especificidad y una sensibilidad que alcanzan 0.90. Nuestro pipeline de interpretabilidad mejora la confiabilidad del modelo y revela conocimientos clínicos y biológicos importantes sobre los cánceres HRD positivos, destacando los cambios morfológicos y patológicos asociados a nivel celular y tisular. HRDPath proporciona una base para un biomarcador digital accesible y escalable que mejore la estratificación del tratamiento en el cáncer de ovario a nivel mundial.
Equivalente de FI de revista: 18.1 (cita media a 2 años de OpenAlex, valor con fecha 2026-10-06, recuperado el 2026-10-07; no es el FI oficial de Clarivate)Referencia: Wu CI, Banda K, Arora R, Soong TR, Radke M, Dillon M, et al. HRDPath: una arquitectura explicable de aprendizaje profundo multimodelo para predecir la deficiencia de recombinación homóloga a partir de imágenes histopatológicas. Nat Commun. 2026 Oct 21;17(1):10870. doi:10.1038/s41467-026-78430-y.Verificado: Solo resumen
Ver todos los 1 artículos sobre ovario →
Cáncer de endometrio: tratamiento, ensayos e IA
No hay ningún artículo nuevo que cumpla los requisitos para esta edición.
Cáncer gástrico: tratamiento, ensayos e IA
No hay ningún artículo nuevo que cumpla los requisitos para esta edición.
Cáncer de hígado: tratamiento, ensayos e IA
No hay ningún artículo nuevo que cumpla los requisitos para esta edición.
Cáncer de riñón: tratamiento, ensayos e IA
No hay ningún artículo nuevo que cumpla los requisitos para esta edición.
Cáncer de vejiga: tratamiento, ensayos e IA
- Resumen
RESUMEN La predicción precisa de la metástasis ganglionar (LNM) y de los resultados de supervivencia es crucial para el tratamiento personalizado del cáncer de vejiga, pero sigue siendo un desafío clínico. Este estudio tuvo como objetivo desarrollar una red predictiva multitarea basada en citología (CytoNet) para predecir simultáneamente la LNM y la supervivencia libre de enfermedad (DFS) en el cáncer de vejiga, y evaluar su generalizabilidad en los cánceres de cuello uterino y de tiroides. Este estudio incluyó una cohorte multicéntrica de 5273 pacientes, con cáncer de vejiga (n = 1134), cáncer de cuello uterino (n = 598) y cáncer de tiroides (n = 3541). CytoNet se construyó mediante un proceso de tres etapas que comprendía preentrenamiento autosupervisado, ajuste fino supervisado y predicción multitarea. En el cáncer de vejiga, CytoNet logró un área bajo la curva (AUC) de 0.831‐0.881 para la predicción de la LNM y un índice C de 0.680‐0.710 para la predicción de la DFS en todas las cohortes, superando a los modelos de tarea única y a las evaluaciones radiológicas estándar. En el cáncer de cuello uterino, CytoNet demostró un rendimiento robusto tanto para la predicción de la LNM (AUC 0.847‐0.862) como para la predicción de la DFS (índice C 0.690‐0.709), mientras que en el cáncer de tiroides logró un AUC de 0.819‐0.855 para la predicción de la LNM. En conclusión, CytoNet representa una herramienta fiable para predecir la LNM y el pronóstico a partir de imágenes citopatológicas en múltiples tipos de cáncer, y muestra potencial como un complemento valioso de la actual toma de decisiones clínicas. Se justifica una mayor validación prospectiva para evaluar su utilidad clínica.
Factor de impacto equivalente de la revista: 9.5 (citación media a 2 años según OpenAlex, valor a fecha de 2026-10-18, consultado el 2026-10-19; no es el factor de impacto oficial de Clarivate)Referencia: Hong G, Jiang F, Xie Y, Huang X, Shen R, Wang Y, et al. Modelo de aprendizaje profundo multitarea para predecir la metástasis en ganglios linfáticos y la supervivencia libre de enfermedad a partir de imágenes citológicas en cáncer de vejiga: un estudio multicéntrico con validación pan‐citología. Advanced Science. 2026 Oct 21 [Epub ahead of print]. doi:10.1002/advs.76577.Verificado: Solo resumen
Ver todos los 1 artículos sobre vejiga →