Predicción de la expresión de Ki-67 en el cáncer de mama invasivo mediante radiómica de doble modalidad

Por qué esta investigación importa a las pacientes

Para las mujeres que afrontan un diagnóstico de cáncer de mama invasivo, una cuestión clave es qué tan rápido es probable que el tumor crezca y se disemine. Los médicos suelen basarse en una proteína llamada Ki-67 para estimar la velocidad de división de las células cancerosas, pero su medición normalmente requiere tomar tejido mediante una aguja o cirugía. Este estudio explora si la información oculta en las imágenes de rutina del pecho —ecografía y mamografía— puede combinarse y analizarse por ordenador para predecir los niveles de Ki-67 sin una prueba invasiva adicional, lo que potencialmente ayudaría a personalizar el tratamiento con menos molestias y riesgo.

Ver más de lo que el ojo detecta

La ecografía y la mamografía son herramientas estándar para detectar y caracterizar tumores mamarios. Los radiólogos observan la forma, los bordes y otros detalles visibles, pero cada imagen también contiene patrones sutiles de brillo y textura demasiado complejos para que el ojo humano los interprete por completo. La radiómica es una técnica que convierte estas imágenes médicas en cientos de características medibles, transformando cada tumor en una huella numérica rica. Los autores razonaron que estas huellas podrían reflejar cuán agresivo es un tumor, incluyendo si su nivel de Ki-67 es alto o bajo.

Combinando dos tipos de imagen

El equipo de investigación estudió a 206 mujeres con cáncer de mama invasivo tratadas en un solo hospital. Todas contaban con imágenes preoperatorias claras de ecografía y mamografía, junto con resultados de Ki-67 obtenidos en laboratorio. Los tumores se agruparon como Ki-67 bajo (20% o menos) o Ki-67 alto (más del 20%), un umbral de uso común. Especialistas trazaron el contorno de cada tumor en las imágenes y el software informático extrajo más de mil características de cada modalidad de imagen. Estas características describían el brillo básico, la forma del tumor y patrones de textura de alta resolución, tanto en las imágenes originales como después de transformaciones matemáticas diseñadas para resaltar estructuras ocultas.

Enseñar al ordenador a predecir la agresividad

Como no todas las características son igualmente útiles, los investigadores emplearon un método estadístico para reducirlas a un conjunto menor con mayor poder predictivo. A continuación entrenaron varios tipos de modelos de aprendizaje automático para distinguir tumores de Ki-67 alto de los de Ki-67 bajo, construyendo tres versiones: una basada solo en ecografía, otra solo en mamografía y una que combinaba características de ambas. Probaron rigurosamente los modelos usando validación cruzada repetida, un proceso que reordenaba y dividía reiteradamente los datos en grupos de entrenamiento y prueba para comprobar cómo se comportan los resultados con casos nuevos.

Qué aprendieron los modelos a partir de las imágenes

El modelo combinado superó claramente a los basados en una única modalidad de imagen. Alcanzó un área bajo la curva de 0,882, lo que significa que clasificó correctamente tumores de Ki-67 alto frente a bajo en casi nueve de cada diez casos, con un buen equilibrio entre sensibilidad (detectar tumores agresivos) y especificidad (evitar falsas alarmas). La ecografía sola y la mamografía sola fueron notablemente menos precisas. Muchas de las características más importantes capturaron la textura —qué tan uniforme o variada era la escala de grises dentro del tumor— así como aspectos de la forma tumoral. Usando una herramienta de interpretación llamada SHAP, los autores mostraron qué características impulsaban más fuertemente la predicción hacia alto o bajo riesgo, haciendo las decisiones del modelo más transparentes.

Impacto potencial en la atención y siguientes pasos

El estudio sugiere que, al combinar información de ecografía y mamografía, los ordenadores pueden estimar la actividad de crecimiento de un tumor de manera que se corresponde estrechamente con las pruebas de Ki-67 basadas en biopsia. En la práctica, una herramienta así podría ayudar a los médicos a decidir cuándo intensificar el tratamiento o vigilar más de cerca, especialmente cuando es difícil obtener una biopsia o cuando se necesitan mediciones repetidas a lo largo del tiempo. Sin embargo, el trabajo se realizó en un único centro y de forma retrospectiva, por lo que aún debe probarse en grupos de pacientes más amplios y diversos y en ensayos prospectivos. Si se confirma, este enfoque de radiómica de doble modalidad podría convertirse en un complemento valioso y no invasivo a la patología tradicional para guiar el tratamiento personalizado del cáncer de mama.

Cita: Xu, R., Lin, Q., Zheng, C. et al. Prediction of Ki-67 expression in invasive breast cancer with dual-modality radiomics. Sci Rep 16, 12129 (2026). https://doi.org/10.1038/s41598-026-42827-y

Palabras clave: cáncer de mama, Ki-67, radiómica, ecografía, mamografía