Del portaobjetos al algoritmo: el nuevo paradigma del diagnóstico del cáncer
El primer paso para acercarnos a un futuro con cero muertes por cáncer es seguir mejorando en el análisis de biomarcadores, la medicina de precisión y entender la biología de los tumores. La anatomía patológica, encargada del diagnóstico mediante el análisis de muestras de tejido o de citologías, está viviendo una revolución silenciosa, que en los años venideros condicionará la forma en que diagnosticamos y tratamos esta enfermedad. La transición desde el analógico cristal del portaobjetos al pixel de la imagen digital supone un cambio no solo tecnológico, sino de paradigma.
La anatomía patológica supone una pieza importante en el rompecabezas de diagnosticar el cáncer: sin un informe anatomo-patológico no hay clasificación tumoral ni estadificación confirmada. Y siempre se ha basado en el uso de preparaciones o laminillas, y el ojo experto del patólogo analizándolas bajo el microscopio óptico. Ahora, con la irrupción de escáneres de alta resolución capaces de convertir estas preparaciones en imágenes microscópicas digitalizadas de la muestra, conocidas como WSI (por sus siglas en inglés, “Whole Slide Images”), y el desarrollo y uso de softwares de visualización, han abierto la puerta a llevar a cabo el diagnóstico en la pantalla de una estación de trabajo. Esta es la denominada patología digital, cada vez más empleada en el diagnóstico del cáncer.
Un reciente estudio1, llevado a cabo en un departamento de anatomía patológica en España, y único en nuestro país hasta la fecha, mostró algunas de las ventajas de la patología digital: es capaz de reducir el tiempo de respuesta, fundamental cuando hablamos de cáncer, pues un diagnóstico ágil puede tener un impacto directo en el paciente, acortando los tiempos para iniciar el tratamiento. También aumenta la eficiencia de los anatomopatólogos, ayudando a distribuir mejor la carga de trabajo y facilitando la revisión de los casos complejos. Además, la posibilidad de poder compartir los WSI en tiempo real, sin necesidad de mover físicamente las preparaciones, permite consultas a distancia, que no es baladí, ya que puede contribuir a reducir inequidades en la atención oncológica, acercando a expertos a aquellos lugares con servicios pequeños de anatomía patológica que puedan necesitar del apoyo de centros de referencia, por ejemplo.
Otra gran ventaja es el formato digital de las preparaciones, que permite ajustar su visualización, ampliando regiones críticas de la muestra, medir márgenes o diámetros tumorales con mayor precisión o cuantificar con exactitud el contenido tumoral. En un contexto como el de la oncología, en el que las decisiones terapéuticas dependen de porcentajes de expresión de biomarcadores o de milímetros de invasion tumoral, esta ganancia en precisión es muy importante2.
Sin embargo, la implementación de la patología digital no está exenta de retos, como son la elevada inversión inicial en equipos y software de calidad que cumplan con las normativas vigentes en la Unión Europea, junto a la necesidad de formación de especialistas en Anatomía Patológica y técnicos y de cambios culturales en dichos Servicios hospitalarios. Estos retos deben abordarse con planificación adecuada, contando con la participación de los profesionales involucrados.
DE OBSERVAR IMÁGENES A EXTRAER INFORMACIÓN
La patología digital también está experimentando una transformación asombrosa que allana el camino para el avance de la medicina de precisión en el cáncer. Si a las imágenes digitales les aplicamos nuevas herramientas, como algoritmos avanzados y técnicas de diagnóstico asistidas por ordenador, damos un nuevo salto a la patología computacional, que parte de una idea poderosa: una imagen digital es una matriz de píxeles, y cada pixel es un dato. Si convertimos las WSI en datos numéricos y aplicamos los algoritmos adecuados, podremos extraer información que el ojo humano pierde3. De esta forma, se mejora la precisión de variables tradicionalmente evaluadas por el patólogo mediante estimación visual o recuento manual, como por ejemplo las distancias a los márgenes de resección, el tamaño de las metástasis en los ganglios linfáticos en cáncer de mama, o la profundidad de la invasión utilizada para estadificación y pronóstico en algunos tipos de tumores.2
¿QUÉ NOS DEPARA EL FUTURO?
Los anteriores ejemplos ya justifican por sí mismos el interés de la patología computacional. Pero la verdadera revolución la constituye la incorporación de la inteligencia artificial (IA), que nos permitirá la evaluación automatizada de biomarcadores pronósticos, como el Ki-67 en el cáncer de mama, la clasificación de tumores en el cáncer de próstata, o el diagnóstico del tumor de mama metastásico en los ganglios linfáticos4. Algunos estudios sugieren que las imágenes histológicas contienen información sobre el fenotipo tumoral, y la IA podría descubrir patrones morfológicos y asociarlos con alteraciones genéticas en el tumor5. Otros han demostrado la capacidad de la IA para predecir mutaciones impulsoras –como EGFR, KRAS, TP53, HER2, TROP2 y BRCA– a partir de preparaciones histológicas en diferentes tipos de tumores, como el cáncer de pulmón no microcítico, cáncer de mama, cáncer de ovario o el colorrectal.5
Las previsiones para 2030 sitúan a los laboratorios de patología como plataformas digitales, con IA integrada en el flujo de trabajo y almacenamiento en la nube4. La patología computacional, sobre todo en su vertiente de descubrimiento de biomarcadores tumorales basados en IA, es una oportunidad para la medicina de precisión, y es fundamental si aspiramos a una oncología moderna, eficiente y equitativa. Todo ello, dentro de un marco regulatorio claro, que garantice la equidad, y siempre al servicio del paciente.
DRA. DOLORES LOZANO
Presidenta de la Sociedad Española de
Anatomía Patológica (SEAP)
Referencias:
1. Sociedad Española de Oncología Médica (SEOM): ¿Qué es el cáncer y cómo se desarrolla? Disponible en: https://seom.org/informacion-sobre-el-cancer/que-es-el-cancer-y-como-se-desarrolla?showall=1&start=0. Última consulta: enero de 2026.
2. National Cancer Institute: Screening tests. Disponible en: https://www.cancer.gov/about-cancer/screening/screening-tests Última consulta: enero de 2026.
3. National Cancer Institute. Liquid biopsy. Disponible en: https://www.cancer.gov/publications/dictionaries/cancer-terms/def/liquid-biopsy. Última consulta: enero de 2026.
4. Red Europea de Jóvenes contra el Cáncer. Definición de imagen molecular. Disponible en: https://beatcancer.eu/es/diccionario-cancer/que-es-la-imagen-molecular-como-entenderla-y-como-utilizarla-en-medicina/ Última consulta: enero de 2026.
5. National Cancer Institute: Targeted Therapy for Cancer. Disponible en: https://www.cancer.gov/about-cancer/treatment/types/targeted-therapies Última consulta: enero de 2026.
6. National Cancer Institute: Inmuntherapy for Cancer. Disponible en: https://www.cancer.gov/about-cancer/treatment/types/immunotherapy Última consulta: enero de 2026.
7. Sociedad Española de Oncología Médica. ¿Qué es la Medicina de Precisión? Disponible en: https://seom.org/informacion-sobre-el-cancer/ique-es-la-medicina-de-precision Última consulta: enero de 2026.
8. Instituto Nacional de Estadística. Estadística de Defunciones según la Causa de Muerte. Año 2024. Datos provisionales. Disponible en: https://www.ine.es/dyngs/Prensa/pEDCM2024.htm Última consulta: enero de 2026.