Sistema basado en aprendizaje profundo para predecir el volumen de resección en carcinoma hepatocelular mediante TC con contraste

Planificación más inteligente para la cirugía del cáncer de hígado

Para las personas con cáncer de hígado, uno de los mayores desafíos a los que se enfrentan los cirujanos es decidir cuánto del hígado debe extirparse. Si se toma demasiado poco, el tumor puede reaparecer; si se toma demasiado, el paciente puede quedarse sin suficiente tejido hepático sano para sobrevivir. Este estudio presenta un nuevo sistema de inteligencia artificial (IA) que utiliza tomografías computarizadas (TC) para ayudar a los médicos a planificar las operaciones hepáticas de manera rápida y precisa, con el objetivo de hacer la cirugía más segura, más rápida y más coherente.

Por qué el tamaño del hígado importa tanto

El cáncer hepático primario más frecuente, llamado carcinoma hepatocelular, es agresivo y cada vez más común en todo el mundo. La cirugía que elimina completamente el tumor ofrece a algunos pacientes la mejor oportunidad de supervivencia a largo plazo. Pero el hígado no es un órgano que se pueda extirpar a la ligera. Realiza múltiples funciones vitales, desde filtrar toxinas hasta procesar nutrientes. Si los cirujanos quitan demasiado, los pacientes pueden sufrir una insuficiencia hepática potencialmente mortal tras la operación. Por otro lado, dejar márgenes demasiado pequeños alrededor del tumor aumenta la probabilidad de que queden células cancerosas. Calcular con precisión qué porción del hígado puede extirparse de forma segura es, por tanto, central en la cirugía hepática moderna.

El lento y manual statu quo

Hoy en día, este cálculo cuidadoso se realiza normalmente de forma manual. Radiólogos y cirujanos cargan las TC con contraste en software especializado de planificación tridimensional (3D), delinean el hígado y los tumores corte por corte, identifican los vasos sanguíneos clave y luego simulan distintos planes de resección. Este proceso puede llevar varios minutos por paciente y requiere personal altamente cualificado. También está sujeto a variaciones humanas: dos expertos pueden trazar fronteras ligeramente distintas, y una misma persona puede no ser perfectamente consistente de un día a otro. En hospitales muy ocupados donde muchos pacientes necesitan cirugía hepática, esta planificación que consume tiempo puede ralentizar la atención y aumentar los costes.

Un asistente de IA llamado LRVCD

Los investigadores desarrollaron un sistema basado en IA al que llaman Cálculo del Volumen de Resección Hepática con Aprendizaje Profundo, o LRVCD. Utiliza modelos de aprendizaje profundo entrenados con TC de 990 pacientes tratados en dos hospitales grandes durante una década. En la primera fase, la IA detecta automáticamente los tumores hepáticos y divide el hígado en segmentos anatómicos detallados en las imágenes TC. En la segunda fase, el sistema combina esos mapas de segmentos con el plan elegido por el cirujano —ya sea la resección de un segmento estándar o un corte más irregular y personalizado— para calcular cuánto tejido hepático sano y cuánto tumor se eliminarían. El sistema informa cifras clave como el tamaño total del hígado, el tamaño del tumor, el volumen de resección planificado y el porcentaje de hígado que se retiraría.

Poniendo el sistema a prueba

Para comprobar si LRVCD es fiable, el equipo comparó sus resultados con los de cirujanos experimentados que usaban software de planificación 3D establecido. Evaluaron dos grupos independientes de pacientes: uno del mismo hospital donde se entrenó la IA y otro de centros diferentes. Para cada caso, midieron cuán próximas estaban las estimaciones de la IA sobre volumen hepático, volumen tumoral y resección planificada frente a la referencia manual. Las diferencias fueron pequeñas, y la concordancia en la medida clave —el porcentaje de hígado a resecar— fue cercana en ambos grupos. Aunque la IA tendió a subestimar ligeramente el tamaño hepático total y a sobrestimar algo el volumen tumoral, estas tendencias se mantuvieron dentro de límites clínicos aceptables y reflejaron peculiaridades conocidas del proceso de planificación 3D manual.

De horas de trabajo a segundos

Una de las ventajas más llamativas de LRVCD es la velocidad. En los grupos de prueba internos y externos, el flujo de trabajo impulsado por IA redujo el tiempo de planificación aproximadamente veinte veces en comparación con el proceso convencional con software 3D. Lo que antes llevaba del orden de diez minutos o más ahora podía completarse en menos de medio minuto. Dado que la IA asume la mayor parte del trabajo pesado de segmentación y cálculo de volúmenes, la intervención humana se limita en gran medida a introducir información quirúrgica básica y a hacer pequeños ajustes cuando es necesario. Esto permite que radiólogos y cirujanos se centren más en decisiones clínicas y menos en tareas repetitivas con el ratón.

Qué significa esto para los pacientes

Para los pacientes, los detalles técnicos se traducen en una promesa sencilla: planificación quirúrgica más precisa y más rápida, sin exploraciones adicionales ni costes añadidos. Al proporcionar estimaciones rápidas y coherentes de cuánto hígado se puede extirpar con seguridad, LRVCD puede ayudar a los cirujanos a aspirar a operaciones curativas manteniendo el riesgo de insuficiencia hepática posoperatoria bajo control. El estudio muestra que esta herramienta de IA rinde aproximadamente igual que los métodos de planificación 3D establecidos, al tiempo que reduce en gran medida la carga de trabajo. Los autores señalan que hace falta más trabajo para probar el sistema en grupos de pacientes más amplios y para automatizar aún más la toma de decisiones quirúrgicas, pero sus resultados sugieren que la planificación guiada por IA podría convertirse pronto en un aliado práctico en el quirófano para la atención del cáncer hepático.

Cita: Wang, X., Zhang, L., Liu, P. et al. Deep learning-based system to predict hepatocellular carcinoma resection volume using contrast-enhanced CT. Sci Rep 16, 6388 (2026). https://doi.org/10.1038/s41598-026-37085-x

Palabras clave: cirugía de cáncer de hígado, IA en imágenes médicas, carcinoma hepatocelular, planificación con TC, volumen de resección hepática