Predicción del estadio del cáncer de pulmón al diagnóstico basada en síntomas autoinformados y factores de antecedentes mediante modelos de aprendizaje automático

Por qué es tan difícil detectar el cáncer de pulmón a tiempo

El cáncer de pulmón es uno de los cánceres más letales, en gran parte porque a menudo se detecta demasiado tarde, cuando las opciones de tratamiento son limitadas. Sin embargo, muchas personas con cáncer de pulmón presentan síntomas antes y en el momento del diagnóstico —como tos, dificultad para respirar, fatiga o pérdida de peso— que, en teoría, podrían alertar a los médicos antes. Este estudio planteó una pregunta simple pero importante: si los pacientes informan sistemáticamente sus síntomas e información de contexto en detalle, ¿pueden los ordenadores aprender a identificar quién es probable que tenga cáncer de pulmón y si se encuentra en una fase temprana o avanzada?

Escuchar las propias historias de los pacientes

Los investigadores siguieron a 486 personas remitidas a una clínica especializada en Estocolmo porque sus médicos sospechaban cáncer de pulmón. Todos completaron un cuestionario electrónico detallado en una tableta llamado PEX-LC. Preguntaba sobre 57 factores de antecedentes (como edad, tabaquismo, situación de convivencia y enfermedades pulmonares previas) y más de 100 posibles síntomas, desde problemas respiratorios y tos hasta dolor, fatiga, cambios en el apetito y fiebre. Las preguntas capturaron no solo las primeras señales de alerta, sino también qué síntomas estaban presentes en torno al momento del diagnóstico. Durante el año siguiente, los registros médicos revelaron quiénes fueron diagnosticados con cáncer de pulmón y si era en un estadio no avanzado (principalmente estadios I–IIIa) o en estadio avanzado (IIIb–IV).

Quiénes resultaron tener cáncer de pulmón

De las personas remitidas, aproximadamente cuatro de cada diez no tenían cáncer, mientras que seis de cada diez recibieron diagnóstico de cáncer de pulmón, dividido aproximadamente a partes iguales entre estadios no avanzados y avanzados. En comparación con quienes no tenían cáncer, los pacientes con cáncer de pulmón tendían a ser mayores, con más probabilidad de fumar a diario, de vivir solos y de haber perdido peso durante el año anterior. Entre los que tenían enfermedad en estadio avanzado, los hombres estaban sobrerrepresentados y las afecciones pulmonares previas como asma, enfermedad pulmonar obstructiva crónica y neumonía eran más comunes. Estos patrones de antecedentes sugieren que factores cotidianos —edad, historial de tabaquismo, situación de convivencia y cambios recientes en la salud— siguen siendo señales potentes de riesgo, incluso antes de centrarse en síntomas específicos.

Síntomas que destacan

Cuando el equipo comparó los síntomas informados, observaron que las personas con cáncer de pulmón en estadio temprano se parecían sorprendentemente a quienes no tenían cáncer: solo un silbido al respirar y la ausencia de fiebre las distinguían claramente en comparaciones simples una a una. En contraste, quienes tenían cáncer de pulmón en estadio avanzado presentaban muchas más quejas distintivas. Tenían más probabilidad de informar falta de aliento, ahogo, tos irritativa y respiración ruidosa, así como dolor (especialmente en la espalda), fatiga intensa, debilidad, escalofríos y problemas para comer como saciedad precoz y pérdida de apetito. Estos patrones confirman que, cuando el cáncer de pulmón está avanzado, a menudo altera múltiples sistemas del cuerpo, mientras que la enfermedad temprana puede ocultarse tras sensaciones vagas o fácilmente descartables.

Lo que los ordenadores pudieron y no pudieron hacer

Para ver si combinaciones complejas de respuestas podían contar una historia más clara que cualquier síntoma aislado, los investigadores entrenaron varios tipos de modelos de aprendizaje automático. Estos algoritmos aprendieron a partir de 129 variables diferentes del cuestionario para separar a las personas con cáncer no avanzado de las que no tenían cáncer, y por separado para distinguir el cáncer avanzado frente a la ausencia de cáncer. Los modelos alcanzaron solo una precisión moderada: funcionaron mejor que el azar pero estaban lejos de ser perfectos, especialmente para la enfermedad en estadios tempranos. Factores de antecedentes como la edad, el estado de tabaquismo, el sexo y vivir solo se situaron consistentemente entre los predictores más influyentes. Algunos síntomas —tos irritativa, silbidos o respiración ruidosa, ahogo, opresión en la garganta, dolor y cambios en el apetito o el peso— también contribuyeron, sobre todo para el cáncer avanzado. Sin embargo, ninguna pequeña colección de síntomas dominó; más bien, docenas de características sutiles tuvieron que combinarse para alcanzar un rendimiento modesto.

Qué significa esto para pacientes y médicos

El estudio muestra que simplemente preguntar a las personas en detalle sobre sus síntomas y circunstancias de vida puede revelar patrones significativos vinculados al cáncer de pulmón, pero que estas señales suelen ser débiles, especialmente en las etapas iniciales cuando el tratamiento tiene más probabilidades de curar. Los modelos de aprendizaje automático que usan solo datos de cuestionarios pueden ayudar a priorizar qué pacientes remitidos podrían necesitar una investigación especialmente urgente, aunque no son lo suficientemente precisos como para funcionar por sí solos como herramientas de cribado o pruebas diagnósticas. Para pacientes y clínicos, la conclusión principal es que la edad, el tabaquismo, vivir solo y la pérdida de peso reciente, combinados con problemas respiratorios persistentes, dolor, pérdida de apetito o fatiga inexplicada, deben bajar el umbral para realizar exámenes pulmonares exhaustivos. Los autores sostienen que el futuro de la detección más temprana del cáncer de pulmón probablemente vendrá de combinar esta información autoinformada con datos clínicos y pruebas biológicas, en lugar de confiar únicamente en los síntomas.»}

Cita: Gustavell, T., Sissala, N., Pernemalm, M. et al. Predicting lung cancer stage at diagnosis based on self-reported symptoms and background factors using machine learning models. Sci Rep 16, 11866 (2026). https://doi.org/10.1038/s41598-026-46710-8

Palabras clave: cáncer de pulmón, detección temprana, síntomas informados por el paciente, aprendizaje automático, evaluación del riesgo