IA detecta cáncer de hígado en tomografías: estudio multicéntrico y ensayo clínico
Un sistema de inteligencia artificial llamado LiON demostró alta precisión para diagnosticar malignidades hepáticas en TC con contraste. En un ensayo con más de 10.000 pacientes, identificó lesiones que los radiólogos habían pasado por alto, mejorando el flujo de trabajo real.
Un nuevo sistema de inteligencia artificial (IA) promete ser un aliado clave para reducir diagnósticos tardíos o perdidos de cáncer de hígado en la práctica clínica cotidiana. Se llama Liver DiagnOsis Network (LiON) y acaba de ser evaluado en un amplio estudio multicéntrico y un ensayo de brazo único publicado en Nature Medicine.
Los tumores hepáticos se evalúan habitualmente con tomografía computada con contraste (CE-CT), pero en entornos de alto volumen es común que se escapen lesiones. LiON fue entrenado con datos de 6.443 pacientes y validado retrospectivamente en más de 22.000 casos de diferentes centros. Logró un AUC de 0,975 para detectar malignidad, manteniendo un rendimiento sólido incluso en pacientes con hígado graso (AUC 0,971) o cirrosis (AUC 0,924).
Lo más relevante es el ensayo prospectivo de brazo único realizado en la rutina clínica con 10.333 pacientes. En este escenario real, LiON actuó como un “segundo lector” dentro del flujo de trabajo habitual. Cumplió el objetivo primario con un AUC de 0,952 (IC 95% 0,942-0,961). Además, la colaboración entre IA y radiólogos humanos permitió detectar 51 lesiones que habían pasado inadvertidas (15 de ellas malignas), corrigió 37 informes, generó 22 escaladas a equipos multidisciplinarios y modificó el manejo clínico en varios casos.
Estos resultados sugieren que herramientas de IA compatibles con los sistemas hospitalarios pueden funcionar como una red de seguridad diagnóstica sin reemplazar al profesional. El estudio enfatiza que todavía hacen falta ensayos comparativos prospectivos en diferentes sistemas de salud para confirmar el impacto real en desenlaces clínicos.
Desde el punto de vista práctico, este tipo de desarrollos encajan con la realidad argentina: muchos centros de diagnóstico por imágenes manejan volúmenes altos y los tiempos de informe pueden ser ajustados. Una herramienta que marque posibles lesiones olvidadas podría ayudar a priorizar casos sin generar más presión sobre los equipos.
Como siempre, estos avances no reemplazan la evaluación médica individual. Si tenés antecedentes de riesgo (cirrosis, hígado graso, antecedentes familiares), lo indicado es seguir las recomendaciones de tu médico o hepatólogo y realizar los controles según guías como las de la AASLD o la EASL actualizadas en 2026.
El código clave del algoritmo está disponible en un repositorio abierto de Alibaba DAMO Academy para fomentar la investigación reproducible, aunque el sistema completo depende de infraestructura propietaria. El artículo completo está disponible en Nature Medicine (DOI vinculado a la fuente original del 19 de agosto de 2026).
