Clasificación por inteligencia artificial de la neoplasia rectal mediante análisis endoscópico de perfusión por fluorescencia

Por qué esto importa para pacientes y médicos

Para las personas con pólipos rectales grandes, una de las preguntas más importantes es si el crecimiento es inofensivo o ya se está convirtiendo en cáncer. Hoy, los médicos a menudo no pueden estar seguros hasta después de extirpar la lesión por completo, lo que puede implicar operaciones más grandes de las necesarias o demoras en el tratamiento. Este estudio explora si una técnica de imagen inteligente, combinada con inteligencia artificial, puede detectar un cáncer oculto durante el propio procedimiento observando cómo fluye la sangre a través del tejido.

Escuchar cómo se nutre un tumor

Los cánceres no crecen como el tejido normal. Estimulan la formación de vasos sanguíneos nuevos y anormales que filtran y se ramifican de manera desorganizada. Estos cambios crean patrones distintivos en cómo la sangre, y los tintes inyectados, entran y salen de un tumor. Los investigadores utilizaron un tinte llamado verde de indocianina, que brilla bajo luz cercana al infrarrojo, y registraron vídeos cortos durante la endoscopia en pacientes con pólipos rectales grandes y cánceres rectales tempranos. Siguiendo el brillo del resplandor durante varios minutos, pudieron capturar una especie de “huella de perfusión” tanto de las áreas sospechosas como de las sanas dentro del mismo paciente.

Convertir patrones de brillo en datos

Cada vídeo fue analizado por un software personalizado que dividió la región visible de la pared intestinal en una cuadrícula de pequeños cuadrados y los siguió a lo largo del tiempo, incluso cuando la cámara y el tejido se movían. Para cada cuadrado, el programa midió cuánto se iluminaba la fluorescencia, qué tan rápido alcanzaba el pico y qué tan rápidamente se desvanecía. Luego limpió y normalizó estas curvas para que pudieran compararse directamente. A partir de estas trazas temporales, el equipo extrajo características numéricas simples como la señal máxima y la caída de la señal en tiempos específicos tras el pico. También analizaron qué tan dispares eran estos valores en la región anormal, usando una estadística que capta la variación dentro del tumor en comparación con el tejido sano cercano.

Entrenar a la inteligencia artificial

El grupo estudió 190 vídeos de 182 pacientes tratados en seis hospitales de cuatro países; alrededor de tres de cada cinco pacientes finalmente tuvieron cáncer confirmado por el microscopio. Entrenaron un modelo de aprendizaje automático (un clasificador XGBoost) para que aprendiera la diferencia entre lesiones benignas y cancerosas basándose únicamente en las características del flujo del tinte, sin usar las imágenes en color normales. Cuando se aplicó a casos nuevos, el modelo identificó correctamente el cáncer en una mayoría sustancial de pacientes, rindiendo a la par o ligeramente mejor que muchas herramientas estándar usadas en la práctica, como biopsias endoscópicas, resonancias magnéticas preoperatorias y la impresión visual del cirujano experto.

Añadir pistas clínicas del mundo real

En la práctica, los médicos rara vez se basan en una sola prueba. Por ello, los investigadores combinaron la salida de la IA con información ya disponible: los informes de la resonancia magnética y el juicio del cirujano que operó. Cuando se incorporaron en la misma tubería informática, la capacidad para detectar cáncer mejoró, especialmente para descartar correctamente la enfermedad en lesiones benignas. En el mejor escenario, el sistema combinado detectó aproximadamente el 86% de los cánceres mientras evitaba falsas alarmas en alrededor del 71% de los casos no cancerosos. El enfoque también funcionó razonablemente bien en subgrupos de pacientes más típicos de enfermedad temprana y localmente resecable.

Qué podría suponer esto para la atención futura

El estudio muestra que los cánceres en pólipos rectales grandes dejan una firma detectable en cómo fluyen la sangre y el tinte a través de ellos, y que esa firma puede captarse automáticamente mediante IA. Aunque el trabajo hasta ahora se ha hecho con vídeos grabados y aún debe demostrarse en ensayos clínicos en tiempo real, apunta hacia un futuro en el que un colonoscopista podría recibir, durante el procedimiento, una advertencia de que un pólipo aparentemente inocuo probablemente oculta un cáncer invasivo. Esa información podría guiar dónde hacer la biopsia, si extirpar la lesión de forma local o si derivar al paciente para una cirugía más extensa, reduciendo tanto los cánceres no detectados como las operaciones mayores innecesarias.

Cita: Boland, P.A., MacAonghusa, P., Singaravelu, A. et al. Artificial intelligence classification of rectal neoplasia by endoscopic fluorescence perfusion analysis. Sci Rep 16, 4761 (2026). https://doi.org/10.1038/s41598-026-35233-x

Palabras clave: cáncer rectal, imagen endoscópica, perfusión por fluorescencia, inteligencia artificial, aprendizaje automático