Cell-free DNA fragmentomics: from chromatin biology to clinical stratification.
La fragmentómica del ADN libre de células permite estratificar pacientes según su biología de cromatina, ofreciendo nuevas perspectivas para la oncología de precisión.
Categoría IA en Medicina
Inteligencia artificial, LLMs y transformación digital aplicados al flujo de trabajo clínico.
Targeting SUV39H2 exon skipping reverses resistance to CDK4/6 inhibitors via transcriptional activation of p21.
Cyclin-dependent kinase 4/6 inhibitors (CDK4/6i) are standard therapies for estrogen receptor-positive breast cancer, but their efficacy is limited by drug resistance. While dysregulation of alternative splicing has been implicate
Validación externa en CBCT: la segmentación automática cae de 0,84 a 0,76 al cambiar de centro
Un modelo de segmentación preentrenado en un centro baja su Dice de 0,84 a 0,76 al aplicarse sin reentrenar en otro hospital: 12 pacientes y otro sistema de imagen. La validación externa no es un trámite.
La IA clínica corre por delante de su evidencia: menos del 5% de los dispositivos FDA tiene revisión por pares
Menos del 5% de los dispositivos de IA autorizados por la FDA tiene evaluación revisada por pares. Los modelos frontera ya razonan como un médico en casos escritos, pero siguen fallando al calibrar su incertidumbre y al sostener un cambio de contexto.
IA para leer la invasión vascular extramural en RM de recto: 2.501 pacientes y un Dice que engaña
2.501 pacientes con cáncer de recto: una IA localiza la invasión vascular extramural en la RM con 81,5% y 84,7% de exactitud en dos cohortes externas. Su Dice global (0,850) esconde que la parte que decide apenas llega a 0,335.
IA en RM prostática: ¿puede optimizar el triage para la biopsia?
Estudio multicéntrico con 787 hombres: la IA clasifica el riesgo en RM biparamétrica de próstata y optimiza el triage para la biopsia frente al PI-RADS.
Predecir la muerte a 30 y 90 días en cáncer de mama metastásico: un modelo honesto con un problema honesto
Un modelo para estimar la muerte a 30 y 90 días en cáncer de mama metastásico: potente dentro de su propia base de datos, mucho más modesto cuando se valida fuera. Ahí está la lección.
Predecir quién va a tener un cáncer de mama: el problema no es de datos, es de integración
Los modelos de IA para predecir el riesgo de cáncer de mama no tropiezan por falta de datos, sino por no integrarlos. Un editorial de JCO sitúa el cuello de botella donde de verdad está.
El TAC de cribado dice más de lo que buscábamos: la IA mide músculo y grasa, y afina el riesgo de morir
La mayoría de los TAC de cribado de cáncer de pulmón salen negativos, pero la imagen contiene mucha más información de la que buscábamos. Un modelo de IA que lee el volumen y la densidad del músculo y de la grasa subcutánea, en 23.195 participantes del NLST, estratifica el riesgo de morir más allá de la edad, el tabaquismo o el IMC.
¿Y si la IA segmentara sola las lesiones del PSMA PET/CT? El camino hacia la dosimetría automática con ¹⁷⁷Lu-PSMA
Segmentación automática con nnU-Net de las lesiones prostáticas en PSMA PET/CT y SPECT/CT: el modelo guiado por PET (M4) mejora la segmentación del SPECT terapéutico en validación externa (DSC 0,78 vs 0,70, p=0,014). Un paso hacia la dosimetría automática del ¹⁷⁷Lu-PSMA.