Investigadores de Francia y Corea del Sur desarrollan un modelo que combina aprendizaje profundo con criterios radiológicos utilizados en hospitales. La herramienta identifica el 93% de los carcinomas hepatocelulares en una evaluación externa, aunque todavía necesita validación clínica antes de incorporarse a la atención de pacientes.
Un equipo internacional de investigadores desarrolló un sistema de inteligencia artificial capaz de identificar el 93% de los casos de carcinoma hepatocelular en lesiones hepáticas previamente localizadas mediante tomografías computarizadas. La herramienta, denominada dLI-RADS, combina aprendizaje profundo con mediciones radiológicas interpretables y busca mejorar el análisis de lesiones pequeñas, cuyo diagnóstico puede resultar particularmente complejo.
El estudio, publicado el 30 de octubre de 2026 en la revista científica Scientific Reports, describe una investigación multicéntrica y retrospectiva realizada con 338 pacientes y 451 lesiones hepáticas. En la evaluación externa, el sistema alcanzó una sensibilidad del 93%, frente al 78% obtenido mediante la clasificación convencional LI-RADS. Sin embargo, los investigadores demostraron estadísticamente que el modelo no era inferior al método de referencia, sin establecer formalmente su superioridad.
La investigación fue desarrollada por científicos de instituciones de Francia y Corea del Sur, entre ellas Télécom Paris, la Universidad de París Cité, el Hospital Universitario Nacional de Seúl y la Universidad de Angers, junto con investigadores de Guerbet. El trabajo está encabezado por Emma Sarfati, Alexandre Bône y Pietro Gori, entre otros especialistas en procesamiento de imágenes médicas, radiología y aprendizaje automático.
Una IA que combina imágenes médicas con criterios comprensibles para los radiólogos
El carcinoma hepatocelular es la forma más frecuente de cáncer primario de hígado. Su diagnóstico temprano resulta importante porque puede ampliar las posibilidades de acceder a tratamientos con intención curativa. Sin embargo, algunas lesiones pequeñas presentan características difíciles de interpretar incluso mediante técnicas avanzadas de imagen.
Actualmente, los especialistas utilizan sistemas estandarizados como LI-RADS (Liver Imaging Reporting and Data System), desarrollado por el Colegio Estadounidense de Radiología, para clasificar observaciones hepáticas en pacientes con factores de riesgo de carcinoma hepatocelular. Este sistema considera características como el tamaño de las lesiones y sus patrones de comportamiento después de administrar un medio de contraste.
El problema es que la evaluación visual de estas características puede presentar variaciones entre especialistas, especialmente cuando se examinan lesiones de dimensiones reducidas. Para abordar esta dificultad, los investigadores diseñaron dLI-RADS, un modelo que combina predicciones obtenidas mediante redes neuronales con mediciones cuantitativas de las características radiológicas utilizadas por LI-RADS.
La herramienta utiliza tomografías computarizadas multifásicas, una técnica que permite observar cómo cambia el comportamiento de los tejidos durante distintas fases de adquisición después de administrar contraste. Las lesiones analizadas se delimitan manualmente antes de introducirlas al sistema, por lo que el procedimiento todavía requiere intervención especializada.
En lugar de depender exclusivamente de los patrones aprendidos por una red neuronal, el modelo integra dos fuentes de información: predicciones generadas mediante aprendizaje profundo y características de imagen cuantificadas a partir de criterios radiológicos conocidos. Posteriormente, una regresión logística combina ambas entradas para estimar la probabilidad de que una lesión corresponda a un carcinoma hepatocelular.
Esta arquitectura busca conservar una relación entre las decisiones automatizadas y conceptos que los médicos pueden reconocer durante la interpretación de las tomografías. No significa que todos los procesos internos de la red neuronal sean completamente explicables, sino que el resultado final incorpora variables médicas comprensibles y examinables.
El modelo identifica el 93% de los carcinomas en la evaluación externa
Para desarrollar y evaluar dLI-RADS, los investigadores dividieron los datos en tres conjuntos independientes. El entrenamiento utilizó información de 143 pacientes con 196 lesiones hepáticas; la evaluación interna comprendió 62 pacientes con 84 lesiones, mientras que la evaluación externa reunió 133 pacientes con 171 lesiones.
El estudio se concentró en lesiones de hasta 40 milímetros. Los tamaños promedio fueron de 17.7 milímetros en el conjunto de entrenamiento, 18.3 milímetros en la evaluación interna y 21.8 milímetros en la externa. Para los casos de carcinoma hepatocelular, el diagnóstico histológico se utilizó como referencia, mientras que las lesiones sin este tipo de cáncer se evaluaron mediante un estándar de referencia compuesto.
En la evaluación interna, la inteligencia artificial obtuvo una exactitud diagnóstica del 80%, frente al 74% de LI-RADS. Los investigadores realizaron una prueba estadística de no inferioridad mediante 10 mil repeticiones de remuestreo, con un margen del 5%, y obtuvieron un resultado significativo de p = 0.04.
Los resultados externos fueron los siguientes:
La sensibilidad del 93% indica que el modelo identificó correctamente aproximadamente 93 de cada 100 lesiones que efectivamente correspondían a carcinoma hepatocelular dentro del conjunto evaluado. La especificidad del 74% significa que clasificó correctamente alrededor de 74 de cada 100 lesiones que no correspondían a ese cáncer.
Esta segunda cifra también es importante porque muestra que la herramienta puede generar falsos positivos, es decir, clasificar como cancerosas lesiones que no lo son. En la práctica clínica, estos errores podrían requerir estudios adicionales y evaluaciones médicas antes de establecer un diagnóstico definitivo.
En la evaluación externa, la sensibilidad convencional de LI-RADS fue del 78%, frente al 93% del modelo de IA. La diferencia observada fue de 15 puntos porcentuales, pero el estudio no permite concluir formalmente que dLI-RADS sea superior. La prueba realizada evaluó si su desempeño era estadísticamente no inferior al del sistema convencional, con un resultado de p menor a 0.001.
Además, los investigadores no pudieron comparar directamente la especificidad ni la exactitud de ambos métodos en la evaluación externa, debido a que no disponían de las características LI-RADS correspondientes a las lesiones sin carcinoma hepatocelular. Por esa razón, únicamente la sensibilidad pudo contrastarse entre ambos sistemas en ese conjunto de datos.
Un avance prometedor que todavía necesita validación clínica
Aunque los resultados sugieren que dLI-RADS podría convertirse en una herramienta de apoyo para especialistas, la investigación presenta limitaciones que deben considerarse antes de su implementación hospitalaria.
En primer lugar, se trata de un estudio retrospectivo, basado en imágenes médicas obtenidas previamente. Los investigadores no evaluaron el funcionamiento del sistema durante la atención cotidiana de pacientes ni analizaron cómo sus recomendaciones podrían modificar las decisiones de los radiólogos.
En segundo lugar, las lesiones ya estaban identificadas y fueron segmentadas manualmente. Esto significa que dLI-RADS no funciona todavía como un sistema autónomo capaz de revisar cualquier tomografía, localizar todas las lesiones sospechosas y emitir un diagnóstico sin intervención humana.
También existen restricciones relacionadas con el tamaño de las lesiones evaluadas y con la población incluida en los conjuntos de datos. Los resultados no deben extrapolarse automáticamente a cualquier paciente, a otros tipos de cáncer de hígado o a técnicas de imagen diferentes de las utilizadas durante el estudio.
Otra cuestión pendiente es demostrar que la incorporación del sistema mejora la atención clínica. Una mayor sensibilidad en una evaluación retrospectiva no garantiza por sí sola que se reduzcan los diagnósticos tardíos, las biopsias innecesarias o la mortalidad por cáncer de hígado. Para comprobar estos beneficios serían necesarios estudios prospectivos que examinen el desempeño del modelo en condiciones reales y permitan determinar cómo interactúan los especialistas con sus resultados.
La interpretabilidad se convierte en una característica central de la IA médica
Uno de los aportes más relevantes de esta investigación es su aproximación a la interpretabilidad de los sistemas de aprendizaje profundo. Las redes neuronales utilizadas para analizar imágenes médicas pueden identificar patrones difíciles de describir mediante reglas convencionales, pero sus predicciones no siempre permiten explicar con claridad qué características determinaron un resultado.
dLI-RADS intenta reducir esa distancia al incorporar características radiológicas reconocibles y combinarlas con las predicciones de una red neuronal mediante un procedimiento estadístico interpretable. La propuesta no elimina por completo la opacidad del aprendizaje profundo, pero permite relacionar parte del resultado con criterios utilizados por los especialistas.
El enfoque también conserva una conexión con los sistemas de clasificación ya establecidos. De acuerdo con el Colegio Estadounidense de Radiología, LI-RADS fue desarrollado para estandarizar los informes, reducir variaciones de interpretación y mejorar la comunicación clínica en pacientes con riesgo de carcinoma hepatocelular.
En este contexto, la investigación propone una estrategia de integración entre inteligencia artificial y conocimiento clínico, en lugar de sustituir completamente las metodologías radiológicas convencionales. Los resultados muestran que es posible construir modelos con un rendimiento diagnóstico competitivo y con componentes interpretables, aunque todavía no demuestran que esa interpretabilidad mejore por sí sola las decisiones médicas. El estudio aporta evidencia preliminar sobre el potencial de las arquitecturas híbridas para apoyar el análisis de lesiones hepáticas pequeñas. Su utilidad definitiva dependerá de nuevas evaluaciones que permitan comprobar la seguridad, reproducibilidad y eficacia del sistema en entornos clínicos reales.
