Un modelo fundacional para el cribado de cáncer de mama y de pulmón mediante tomografía computarizada sin contraste

Por qué importa una sola exploración para dos cánceres

El cribado de cáncer suele funcionar como una serie de revisiones separadas: una prueba para los pulmones, otra para las mamas, cada una añadiendo tiempo, coste y más radiación. Este estudio explora una idea distinta: si una única exploración torácica, ampliamente utilizada, pudiera detectar silenciosamente tanto cáncer de pulmón como de mama a la vez, con la ayuda de inteligencia artificial (IA). Si tiene éxito, este enfoque podría convertir exploraciones rutinarias en una red de seguridad doble, especialmente en hospitales con mucha carga y en regiones con recursos limitados.

Un nuevo tipo de explorador digital del cáncer

Los investigadores desarrollaron un sistema de IA llamado OMAFound que aprende a «leer» escáneres torácicos tridimensionales por TC. A diferencia de las herramientas tradicionales entrenadas de forma estrecha en un solo órgano, este sistema estudia primero más de 200.000 exploraciones sin etiquetar de más de 58.000 personas, aprendiendo simplemente cómo lucen por lo general los tórax sanos y enfermos. Este preentrenamiento amplio permite a la IA captar patrones sutiles en todo el tórax. El equipo añadió luego conjuntos de datos más pequeños y etiquetados que indican si cada paciente acabó demostrando tener cáncer de mama, cáncer de pulmón o ninguno, enseñando al modelo a convertir su comprensión general de la imagen en predicciones concretas sobre el cáncer.

Enseñar a un sistema a vigilar dos órganos

Sobre el núcleo compartido de lectura de imágenes, el equipo construyó dos ramas focalizadas: una ajustada a los signos de cáncer de mama y otra a los signos de cáncer de pulmón. Entrenaron y evaluaron estas ramas en TC de más de 150.000 pacientes de varios hospitales chinos y conjuntos de datos internacionales. Para el cáncer de mama, también desarrollaron un sistema de IA separado que interpreta mamografías, la prueba de cribado estándar actual, para poder comparar de forma justa la IA basada en TC con la práctica establecida en las mismas mujeres. En pruebas comparadas usando mujeres que tenían ambos tipos de imagen, la IA de mamografía fue algo más precisa en general, pero la rama de TC para mama fue más sensible —detectando más cánceres— mientras que la mamografía era mejor para evitar falsas alarmas.

De hallazgos por órgano a respuestas a nivel de paciente

Observar cada órgano de forma aislada puede inducir a error: si ambas ramas dicen «posible cáncer», la combinación podría sugerir de forma poco realista dos tumores separados en la misma persona. Para evitarlo, los investigadores crearon un tercer módulo de IA que combina la información de las vistas de mama y pulmón del mismo TC y decide si, en conjunto, es probable que la paciente tenga cáncer. Esta perspectiva a nivel del paciente sigue la realidad clínica, en la que las personas suelen tener un único cáncer, si lo tienen. Entre las mujeres de los conjuntos de prueba, esta estrategia combinada ofreció el mejor equilibrio —alta sensibilidad frente a los cánceres existentes manteniendo controladas las falsas positividades— superando a formas matemáticas simples de fusionar las salidas por órgano.

Probar el sistema en el cribado del mundo real

Para ver cómo funciona OMAFound fuera del laboratorio, el equipo realizó un estudio prospectivo en cuatro centros médicos, siguiendo a más de 21.000 personas que acudieron a cribado torácico con TC de baja dosis. En hombres, donde solo es relevante el cáncer de pulmón, el sistema equilibró correctamente detección de cáncer y falsas alarmas en aproximadamente el 86 % de los casos. En mujeres, alcanzó precisiones balanceadas de alrededor del 82 % para cáncer de mama, 88 % para cáncer de pulmón y 83 % al decidir si una mujer tenía cualquier cáncer. Los investigadores también pidieron a siete radiólogos generalistas que leyeran una muestra desafiante de exploraciones, primero por su cuenta y luego con las puntuaciones de riesgo y mapas de calor de OMAFound que destacaban zonas de interés. Con la asistencia de la IA, la capacidad de los radiólogos para detectar cánceres aumentó notablemente —especialmente para tumores mamarios—, mientras que su tendencia a sobrediagnosticar casos no cancerosos no aumentó.

Qué podría significar esto para la atención diaria

En conjunto, el estudio sugiere que una única TC torácica de baja dosis, ya ampliamente utilizada para la detección pulmonar, podría también ofrecer una capa adicional de cribado para el cáncer de mama cuando se combina con un sistema de IA potente. OMAFound no reemplaza la mamografía ni el juicio experto, pero podría señalar antes a las personas de alto riesgo y ayudar a los clínicos sobrecargados a centrar su atención donde más se necesita. Al convertir una exploración común en un vigía para múltiples cánceres, el enfoque apunta hacia programas de cribado más eficientes, accesibles y potencialmente más salvavidas, sin añadir pruebas, costes ni exposición adicional a la radiación.

Cita: Liang, Z., Niu, Q., Wang, J. et al. A foundation model for breast and lung cancer screening using non-contrast computed tomography. Nat. Health 1, 403–415 (2026). https://doi.org/10.1038/s44360-026-00055-8

Palabras clave: cribado multifocal de cáncer, TAC de baja dosis, cáncer de mama, cáncer de pulmón, IA médica