Si te han diagnosticado cáncer de pulmón o tienes a alguien cercano pasando por ello, sabes que el miedo no es solo al tumor: es a lo que viene después. La tos que no cesa, la dificultad para respirar, las semanas de recuperación que se alargan más de lo esperado.
Ahora, un equipo de investigadores andaluces ha dado un paso que podría cambiar esa espera por certeza. Han creado una herramienta capaz de predecir con antelación qué pacientes sufrirán complicaciones graves tras la radioterapia, antes incluso de empezar el tratamiento.
Cáncer de pulmón: el reto que motivó la investigación
El cáncer de pulmón es la tercera causa de muerte por esta enfermedad en España, tanto en hombres como en mujeres. La mayoría de los diagnósticos llegan entre los 55 y los 74 años, y el perfil más común sigue siendo el de fumador o exfumador. Son cifras que no sorprenden a nadie, pero que sí explican por qué cualquier avance en este campo genera tanta expectación.
El problema no es solo detectar el tumor, sino anticipar cómo reaccionará cada cuerpo al tratamiento. La radioterapia salva vidas, pero también puede provocar esofagitis aguda o disnea crónica, complicaciones que a veces obligan a interrumpir o modificar el plan terapéutico a mitad de camino.
Cómo la inteligencia artificial predice los efectos secundarios
El proyecto, liderado por el ingeniero Kiko Núñez como parte de su tesis doctoral, ha sido desarrollado por la Universidad de Sevilla junto a los hospitales Virgen del Rocío y Virgen Macarena. El equipo analizó datos reales de 875 pacientes para entrenar modelos capaces de anticipar hasta seis tipos distintos de efectos secundarios asociados a la radioterapia. El estudio, publicado en la revista Clinical and Translational Radiation Oncology, ha sido reconocido con el Premio de la Cátedra Universitat de Barcelona-Atrys de Radioterapia Personalizada.
No hablamos de un algoritmo genérico, sino de una herramienta pensada para el día a día clínico. Como explicaba José Luis López Guerra, jefe de Oncología Radioterápica del Virgen del Rocío, este trabajo permite saber con antelación qué pacientes tienen mayor riesgo, lo que facilita adoptar medidas preventivas antes de que aparezcan las complicaciones. Si quieres entender mejor qué implica un diagnóstico de cáncer y cómo se clasifican sus distintos tipos, merece la pena repasar los conceptos básicos.
Un avance que llega en el momento oportuno
La irrupción de la inteligencia artificial en oncología no es una moda pasajera. Cada vez más hospitales españoles incorporan modelos predictivos que ayudan a personalizar los tratamientos desde el primer día, en lugar de ajustar sobre la marcha cuando ya han aparecido los síntomas.
Lo interesante de este proyecto sevillano es que no sustituye el criterio médico, sino que lo refuerza con datos objetivos. El oncólogo sigue decidiendo, pero ahora cuenta con una probabilidad concreta de que ese paciente en particular desarrolle esofagitis o problemas respiratorios, algo que hasta ahora se intuía más que se calculaba.
Qué gana el paciente con este tipo de predicción
Para quien está a punto de empezar radioterapia, la diferencia entre saber y no saber es enorme. Un sistema que anticipa riesgos permite ajustar dosis o calendarios antes de que el cuerpo dé señales de alarma, algo que hasta ahora dependía en buena parte de la experiencia individual de cada equipo médico.
Además, este tipo de modelos abre la puerta a conversaciones más honestas entre médico y paciente. Saber de antemano qué probabilidad hay de sufrir un efecto secundario concreto cambia cómo se afronta el tratamiento, tanto a nivel físico como emocional.
Entre las ventajas más citadas por el equipo investigador están:
- Predicción de hasta seis tipos de efectos secundarios distintos
- Toma de decisiones clínicas basada en datos de 875 pacientes reales
- Posibilidad de prevenir complicaciones antes de que aparezcan
- Mayor personalización del plan de radioterapia para cada paciente
De la tesis doctoral al hospital: el camino recorrido
Este trabajo no nació de la noche a la mañana. Su origen se remonta al periodo 2016-2020, cuando Kiko Núñez comenzó a recopilar y analizar los datos que hoy sustentan el modelo. Los resultados no vieron la luz hasta 2023, un recordatorio de que la ciencia rigurosa necesita tiempo, aunque el fruto final merezca la espera.
La colaboración entre universidad y hospitales ha sido clave. Sin el acceso a datos clínicos reales y sin la validación constante de oncólogos en activo, un modelo así se quedaría en un ejercicio académico sin aplicación práctica.
Reconocimiento internacional
El premio recibido en el XXII Congreso de la Asociación Española de Oncología Radioterápica, celebrado en Oviedo, no es un detalle menor. Sitúa este trabajo español entre las referencias europeas en radioterapia personalizada, un campo donde compiten equipos de países con mucho más presupuesto en investigación oncológica.
Próximos pasos
El equipo ya trabaja en ampliar el modelo a otros tipos de tumores y en integrar la herramienta de forma rutinaria en la práctica clínica diaria, algo que podría tardar todavía algunos años en generalizarse por completo en la sanidad pública.
Hacia una oncología más predictiva
Lo que está pasando en Sevilla es parte de una tendencia más amplia: la medicina deja de reaccionar y empieza a anticiparse. No se trata de sustituir al oncólogo por una máquina, sino de darle herramientas que antes eran impensables.
El camino todavía es largo, y ningún experto habla de milagros. Pero cada modelo como este, entrenado con datos reales y validado por profesionales, acerca un poco más el día en que cada tratamiento de cáncer esté hecho a medida, con menos sufrimiento añadido del que ya implica la propia enfermedad.
