Un análisis comparativo de modelos basados en datos para la predicción de la supervivencia en cáncer de mama

Por qué este estudio importa para la salud de las mujeres

El cáncer de mama es hoy el tumor más diagnosticado en mujeres a nivel mundial, y en países con menos recursos sanitarios suele detectarse tarde y tratarse en condiciones difíciles. Este estudio se centra en mujeres en Etiopía y plantea una cuestión de vida o muerte: con la información que los médicos ya recogen sobre una paciente, ¿pueden las herramientas de datos modernas predecir con más precisión quién tiene mayor riesgo de morir por cáncer de mama? Mejores predicciones podrían ayudar a que los médicos prioricen tratamientos limitados, programen seguimientos más estrechos para las pacientes más vulnerables y ofrezcan a las mujeres información más clara sobre su pronóstico.

Mujeres, hospitales y registros médicos cotidianos

Los investigadores analizaron los registros médicos de 1.164 mujeres tratadas por cáncer de mama entre 2019 y 2024 en dos hospitales importantes de Etiopía. Para cada mujer siguieron cuánto tiempo vivió tras el diagnóstico y si falleció durante el periodo de seguimiento o seguía viva cuando terminó la recolección de datos. Junto con este resultado, utilizaron información clínica y social habitual que los hospitales registran rutinariamente: edad, tamaño del tumor, estadio del cáncer, si el cáncer se había diseminado a órganos distantes (metástasis) o a ganglios linfáticos, otras enfermedades concomitantes, estado civil, hábitos de vida como fumar o consumir khat, y si la mujer había dado de mamar. Son todos detalles que se pueden obtener sin pruebas costosas, lo que hace que las herramientas predictivas resultantes sean realistas para entornos con recursos limitados.

Maneras antiguas y nuevas de interpretar las probabilidades de supervivencia

Tradicionalmente, médicos y estadísticos usan métodos de análisis de supervivencia como las curvas de Kaplan–Meier y el modelo de riesgos proporcionales de Cox para entender cuánto viven los pacientes con una enfermedad y qué factores afectan ese tiempo. Estos métodos son relativamente fáciles de interpretar pero tienen dificultades cuando muchos factores interactúan de forma compleja y no lineal, como suele ocurrir en la atención oncológica real. Los autores compararon estos enfoques clásicos con modelos de aprendizaje automático más flexibles, incluidos random survival forests y modelos de supervivencia basados en aprendizaje profundo, así como herramientas de clasificación estándar como máquinas de vectores de soporte, random forests, XGBoost y LightGBM. Todos los modelos se entrenaron con una parte de los datos y se probaron con casos no vistos, y su rendimiento se evaluó con medidas que capturan tanto qué bien ordenan a las pacientes por riesgo como qué tan ajustadas están sus predicciones de tiempo de supervivencia con la realidad.

¿Qué factores moldean más la supervivencia?

En todo el conjunto, surgieron varios patrones incluso antes de aplicar modelos avanzados. Las mujeres con tumores más grandes, más ganglios afectados o cáncer ya diseminado presentaron una supervivencia mucho peor. Las diagnosticadas en estadio IV fueron especialmente propensas a fallecer durante el seguimiento, mientras que las mujeres con enfermedad en estadio I tuvieron resultados mucho mejores. La edad avanzada, particularmente a partir de los 45 años, y la existencia de otras enfermedades crónicas también empeoraron la supervivencia. Hábitos de vida como fumar, consumir alcohol o khat se asociaron asimismo a peores desenlaces. Las mujeres casadas tendieron a vivir más que las solteras, divorciadas o viudas, en consonancia con hallazgos de otros países que indican que el apoyo social puede mejorar la supervivencia al ayudar a las pacientes a mantener el seguimiento del tratamiento.

Lo que los algoritmos inteligentes aportaron al panorama

Cuando el equipo comparó modelos, los random survival forests —un método que genera muchos árboles de decisión orientados a supervivencia y combina sus resultados— ofrecieron las predicciones más precisas sobre cuánto vivirían las pacientes. Un método estrechamente relacionado, los random forests utilizados como clasificador, fue el mejor para distinguir a las mujeres de mayor riesgo de las de menor riesgo. Para mitigar el problema de la “caja negra”, los investigadores emplearon una técnica llamada SHAP para ver en qué factores se apoyaban los modelos. En los modelos más potentes, las mismas características aparecían sistemáticamente en la cima: edad, tamaño del tumor, metástasis, afectación de ganglios linfáticos, estadio general y la presencia de otras enfermedades. Rasgos sociales como el estado civil y ciertos hábitos también contribuyeron, pero en menor medida. En la práctica, los modelos aprendieron y cuantificaron las mismas señales de riesgo clave que preocupan a los clínicos, al tiempo que valoraron cómo se combinan de maneras sutiles.

Qué significa esto para pacientes y centros clínicos

El estudio concluye que, para las mujeres etíopes con cáncer de mama, los modelos de supervivencia basados en datos y diseñados para predecir tiempo hasta la muerte —especialmente los random survival forests— pueden ofrecer estimaciones de riesgo más precisas y todavía interpretables que los métodos tradicionales por sí solos. Dado que estos modelos usan información que ya se recoge en la atención rutinaria, podrían incorporarse a herramientas sencillas que señalicen a pacientes de alto riesgo, ayuden a los médicos a decidir quién necesita una derivación más rápida o un tratamiento más intensivo, y guíen conversaciones honestas y personalizadas sobre el pronóstico. Aunque el trabajo tiene limitaciones —no dispuso de datos genéticos ni de imagen y se basó en registros retrospectivos—, muestra que la aplicación cuidadosa del aprendizaje automático puede convertir datos hospitalarios ordinarios en apoyo práctico para la atención del cáncer en entornos con recursos restringidos.

Cita: Takele, K., Chen, DG. A comparative analysis of data-driven models for breast cancer survival prediction. Sci Rep 16, 10114 (2026). https://doi.org/10.1038/s41598-026-40565-9

Palabras clave: supervivencia cáncer de mama, aprendizaje automático, random survival forest, Etiopía, factores de riesgo clínicos