Estudio clinicopatológico multicéntrico del espectro de lesiones de mixoma odontogénico mediante patología cuantitativa

Por qué esto importa para pacientes y dentistas

En lo profundo del hueso mandibular, tumores raros pueden crecer en silencio durante meses o años antes de ser detectados. Estas formaciones, llamadas mixomas odontogénicos y mixofibromas odontogénicos, no son cáncer, pero pueden expandirse, debilitar el hueso y complicar la cirugía. Durante décadas, los patólogos los han evaluado principalmente a simple vista, lo que ha provocado diferencias en cómo distintos hospitales describen y clasifican el mismo tipo de lesión. Este estudio lleva potentes herramientas de análisis de imagen al portaobjetos, mostrando cómo la inteligencia artificial (IA) puede ayudar a los médicos a observar estos tumores con mayor claridad y coherencia.

Tumores mandibulares raros que se parecen engañosamente

El mixoma odontogénico y el mixofibroma odontogénico se originan en tejidos implicados en la formación de los dientes. Ambos son tumores blandos, de consistencia gelatinosa, que se sitúan dentro del hueso mandibular. Al microscopio contienen una mezcla de áreas laxas, mixoides, y bandas fibrosas más densas. Tradicionalmente, los patólogos han intentado distinguirlos estimando cuánto del tumor es fibroso frente a mixoide. Pero estos tumores son raros y no existen reglas universalmente aceptadas sobre cuánta cantidad de tejido fibroso es suficiente para cambiar un diagnóstico de una etiqueta a otra. Como resultado, distintos hospitales pueden asignar nombres diferentes a lesiones muy similares, aun cuando los pacientes presentan síntomas y hallazgos radiológicos comparables.

Convertir portaobjetos en números

El equipo de investigación recopiló 143 muestras de tejido de pacientes tratados en 34 hospitales a lo largo de dos décadas, centrándose finalmente en 100 casos que cumplían criterios de calidad estrictos. Todas las muestras fueron coloreadas con una tinción especial (tricrómico de Masson) que tiñe el tejido fibroso de forma distinta al resto del tumor. Dos patólogos orales expertos revisaron cada caso cuidadosamente y estimaron el porcentaje de tejido fibroso en pasos del 10%. Estas estimaciones expertas sirvieron como referencia para entrenar un sistema de IA que realizara la misma tarea de forma automática, pero de manera totalmente cuantitativa.

Cómo la IA “lee” un portaobjetos tumoral

El equipo construyó una canalización digital paso a paso para analizar imágenes de portaobjetos completos. Primero, el software separó el tejido verdadero del fondo vacío del portaobjetos. A continuación, aisló el tumor de estructuras cercanas como hueso y dientes. Finalmente, dentro del tumor, eliminó los núcleos celulares y se centró en el material restante, identificando las regiones que habían tomado la tinción fibrosa. A partir de esto, la IA calculó una proporción de tejido fibroso: el área de tejido fibroso dividida por el área tumoral total. Cuando los investigadores compararon los valores generados por la IA con sus propias valoraciones expertas, la concordancia fue alta, con solo alrededor de 10 puntos porcentuales de diferencia en la mayoría de los casos individuales. Esto sugiere que la IA puede reflejar de forma fiable el juicio experto, expresándolo como medidas precisas en lugar de impresiones aproximadas.

Lo que la composición fibrosa revela sobre la apariencia del tumor

Con estas mediciones, los investigadores examinaron cómo el contenido fibroso se relacionaba con características clínicas y radiológicas. Encontraron que la cantidad de tejido fibroso variaba ampliamente entre instituciones, reflejando diferencias en cómo los patólogos habían etiquetado originalmente los tumores. Al analizar las características de imagen, emergió un patrón: los tumores que aparecían como una sola cavidad en las exploraciones (lesiones uniloculares) tendían a tener una mayor proporción de tejido fibroso que aquellos con múltiples compartimentos pequeños (lesiones multiloculares). Esto encaja con la idea de que un tejido más fibroso y denso puede formar una masa más sólida y de cámara única, mientras que un tejido más laxo y rico en fluido puede fragmentarse en varios espacios.

Qué significa esto para el diagnóstico y la atención futura

El estudio no pretende renombrar enfermedades ni sustituir a los patólogos por máquinas. En cambio, muestra que la patología cuantitativa basada en IA puede proporcionar una regla de medida compartida para tumores mandibulares raros en muchos hospitales. Al convertir las sutiles texturas del tejido tumoral en números reproducibles, este enfoque expone hasta qué punto los diagnósticos cotidianos dependen del juicio subjetivo y ofrece una forma de reducir esa variabilidad. Para los pacientes, una interpretación más consistente de estas lesiones podría apoyar decisiones de tratamiento más claras y una mejor comparación de resultados entre centros. A medida que métodos similares se apliquen a otros tumores raros, la microscopía asistida por IA podría transformar silenciosamente la forma en que los patólogos perciben la enfermedad: haciendo sus valoraciones más comparables y, en última instancia, más útiles, allí donde el paciente sea atendido.

Cita: Harazono, Y., Fukawa, Y., Iwasaki, T. et al. Multicenter clinicopathological study of odontogenic myxoma spectrum lesions using quantitative pathology. Sci Rep 16, 11221 (2026). https://doi.org/10.1038/s41598-026-42019-8

Palabras clave: mixoma odontogénico, tumores mandibulares, patología digital, inteligencia artificial, proporción de tejido fibroso