Llevamos más de un siglo mirando al microscopio. La tinción de hematoxilina-eosina (H&E) sigue siendo —y probablemente seguirá siendo— la herramienta diagnóstica más universal en patología. Pero hay algo que se nos escapa entre las células: el ecosistema.
Sabemos que el microambiente tumoral (TME) determina si un tumor responde o no a inmunoterapia, si va a progresar rápido o lento. Pero en la práctica, seguimos tomando decisiones basadas en biomarcadores aislados (PD-L1, estado mutacional) sin tener una imagen completa de cómo se organizan las células dentro del tumor.
Un artículo publicado en Cell este año propone una solución que suena a ciencia ficción, pero que ya funciona en más de 5.000 pacientes.
El estudio
Li Yuchen, Li Zhe y un equipo multicéntrico presentan CANVAS (Cellular Architecture and Neighborhood-Informed Virtual AI-Driven Spatial Profiling): una plataforma de inteligencia artificial que infiere la arquitectura espacial del tumor… a partir de la H&E de siempre.
¿Cómo lo han hecho? En tres pasos:
1. Construir un atlas de referencia. Perfilaron con espectrometría de masas multiplexada (41 marcadores proteicos) más de 18 millones de células de 457 pacientes con cáncer de pulmón no microcítico (NSCLC). Así identificaron 10 vecindarios celulares (CNs) reproducibles —patrones de organización espacial que se repiten sistemáticamente en el TME.
2. Enseñar a la IA a verlos en H&E. Usando foundation models de patología digital y alineamiento multimodal, entrenaron CANVAS para predecir esos 10 CNs directamente desde la morfología de la H&E. Es decir: la IA aprende qué patrones morfológicos se corresponden con cada tipo de nicho celular, sin necesidad de tinciones especiales.
3. Validar a escala. Probaron CANVAS en más de 5.000 pacientes de 9 tipos de cáncer distintos. La plataforma demostró capacidad para:
– Estratificar pacientes por ecotipos espaciales (patrones de organización del TME con valor pronóstico)
– Predecir respuesta a inmunoterapia
– Generar modelos pronósticos integrando la información espacial
¿Qué significa esto para el clínico?
Hoy, cuando un patólogo informa una H&E, describe arquitectura, atipia, mitosis. Pero no puede cuantificar sistemáticamente si el tumor está “frío” o “caliente” en términos de infiltración inmune, ni cómo se distribuyen las células agotadas vs. activas dentro del estroma.
CANVAS promete convertir esa H&E rutinaria en un mapa funcional del microambiente. Sin necesidad de nuevas tinciones, sin paneles de inmunohistoquímica costosos, sin secuenciación espacial.
Pero con cautela
Es importante señalar que:
– El atlas de referencia se construyó con espectrometría de masas (CODEX/MIBI), una tecnología que no está disponible en la práctica clínica habitual. La calidad de la predicción depende de la fidelidad de ese alineamiento multimodal.
– El estudio valida en 9 tipos tumorales, pero el entrenamiento principal es en NSCLC. La transferibilidad a otros tumores necesita validación independiente.
– No se reportan métricas concretas de discriminación (AUC, C-index) en el abstract, lo que dificulta comparar con otros métodos.
– La implementación clínica real requeriría integración con los flujos de trabajo de patología digital, algo que la mayoría de hospitales aún no tiene.
La reflexión
CANVAS representa un cambio de paradigma: pasar de la morfología descriptiva a la ecología tumoral cuantitativa desde la tinción más básica. Si estos modelos se validan en ensayos prospectivos, podríamos tener, por primera vez, una herramienta que enriquece la H&E rutinaria con información espacial de alto valor pronóstico y predictivo —sin coste adicional.
Y eso, en un sistema sanitario donde cada euro cuenta, no es un detalle menor.
Referencia:
Li Y, Li Z, Quinton R, et al. Cellular architecture and neighborhood-informed virtual spatial tumor profiling from histopathology. Cell. 2026;189(14). DOI: 10.1016/j.cell.2026.05.031 | PMID: 42302781
Soy Javier Pumares, oncólogo médico en el Centro Oncológico de Galicia. Escribo aquí sobre la intersección entre oncología, inteligencia artificial y práctica clínica real. Si te ha parecido útil, puedes seguirme en LinkedIn o suscribirte al blog en ppj.es.