El problema
Saber cuándo un paciente está cerca del final de la vida es una de las cosas más difíciles de la oncología. No por falta de sensibilidad, sino por falta de información fiable. El oncólogo ve al paciente cada tres semanas, media hora, en una consulta donde todo el mundo intenta mantener la esperanza y a la vez prepararse para lo peor. A veces el deterioro es evidente. Muchas otras no lo es: la analítica está “aceptable”, el paciente no se queja demasiado, y la conversación sobre objetivos y cuidados de soporte se aplaza otra visita más.
El resultado conocido es que muchos pacientes con cáncer de mama metastásico reciben quimioterapia en las últimas semanas de vida y llegan tarde a los cuidados paliativos, cuando ya no hay tiempo de hacer las cosas bien. Si tuviéramos una señal temprana y objetiva de “este paciente tiene un riesgo alto de morir en los próximos 30 o 90 días”, la conversación podría empezar antes.
Este trabajo intenta construir esa señal con datos que ya están en la historia clínica electrónica.
El estudio en detalle
- Fuente de datos: CancerLinQ Discovery, la base de datos multicéntrica de historia clínica electrónica desarrollada por la ASCO (la sociedad americana de oncología). Contiene datos de práctica real de múltiples centros, con campos estructurados y, además, curación humana para rescatar datos no estructurados como el estado funcional o el fenotipo del tumor.
- Periodo: diagnósticos entre 2000 y 2020.
- Población: de 333.983 pacientes con cáncer de mama en la base, 29.941 tenían enfermedad metastásica documentada y 9.270 cumplieron los criterios del estudio. La mediana de edad al diagnóstico fue 55,9 años; el 17% eran mujeres negras; el 64% tenía un tumor HR+/HER2− (es decir, receptores hormonales positivos y HER2 negativo: el subtipo molecular más frecuente). De todos ellos, un 12% había recibido quimioterapia en los 30 días previos a la muerte.
- Diseño: se seleccionó una consulta al azar por paciente y se repartió en un 70% para entrenamiento (6.512 consultas) y un 30% para test interno (2.758).
- Modelo: regresión logística — no es una caja negra de aprendizaje automático. Es el modelo estadístico clásico, transparente, donde cada variable tiene un coeficiente interpretable. Los propios autores probaron alternativas más complejas (por ejemplo, bosques aleatorios) y no encontraron mejoría relevante, así que eligieron lo simple. Y eso importa por una razón muy práctica: los sistemas de historia clínica de los hospitales rara vez pueden ejecutar modelos complejos, mientras que una regresión logística sí encaja en ellos.
- Predictores evaluados: edad, constantes vitales, analíticas, estado funcional, tiempo desde la última quimioterapia y fenotipo tumoral.
- Cómo se evalúa: no se fija un único punto de corte. Se varía la tasa de alerta — la proporción de consultas marcadas como “alto riesgo” — del 5% al 40%, y se mide el rendimiento a cada tasa, para muerte a 30 y a 90 días.
- Validación externa: un segundo conjunto de datos, completamente independiente, del sistema de salud UNC Health (Carolina del Norte), con 474 pacientes atendidos entre 2015 y 2017, en fechas en que ese centro no contribuía a CancerLinQ.
Los predictores que resultaron significativos tienen toda la lógica clínica: sodio, albúmina o saturación de oxígeno bajos; fosfatasa alcalina, AST, leucocitos, creatinina o frecuencia cardiaca elevadas; pérdida de peso; mal estado funcional; uso de opioides; y suspensión reciente de la quimioterapia. Ninguno es exótico. Cualquiera que vea pacientes reconocerá el patrón.
Resultados clave
Antes de las cifras, unas cuantas traducciones en lenguaje llano:
- AUC (área bajo la curva): mide la capacidad del modelo de ordenar a los pacientes por riesgo. Un valor de 0,5 equivale a lanzar una moneda; 1,0 sería un modelo perfecto. Se suele considerar útil a partir de 0,7 y bueno por encima de 0,8.
- Sensibilidad: de todos los pacientes que murieron de verdad, a cuántos marcó el modelo como alto riesgo. Una sensibilidad del 18% significa que se le escaparon 8 de cada 10 muertes.
- Exactitud (accuracy): proporción de clasificaciones correctas entre todos los pacientes (marcados y no marcados). No debe confundirse con el valor predictivo positivo, que es la métrica de la columna anterior.
- Valor predictivo positivo (VPP): de todos los pacientes que el modelo marca como alto riesgo, qué proporción muere de verdad en el periodo evaluado. Un VPP del 41% significa que 6 de cada 10 alertas serían falsas alarmas.
Para mortalidad a 90 días, en el conjunto de test interno, según la tasa de alerta elegida:
| Tasa de alerta (marcados como alto riesgo) | VPP | Exactitud | Sensibilidad | AUC |
|---|---|---|---|---|
| 5% | 0,76 | 0,81 | 0,18 | 0,81 |
| 10% | 0,70 | 0,83 | 0,33 | — |
| 20% | 0,55 | 0,80 | 0,51 | — |
| 30% | 0,48 | 0,77 | 0,66 | — |
| 40% | 0,41 | 0,72 | 0,77 | 0,81 |
El resumen del artículo lo formula así: exactitud del 72%-83%, valor predictivo positivo del 41%-76%, con una AUC de 0,81.
Y aquí está el punto central de este post: la validación externa dio una AUC de 0,68 (IC95% 0,60-0,76), frente al 0,81 interno. Nótese que el extremo inferior de ese intervalo, 0,60, apenas supera el 0,5 del azar: con solo 474 pacientes y una proporción alta de muertes no registradas en esos datos, el intervalo es ancho y la estimación, imprecisa. El Brier score — una medida de calibración, es decir, de si las probabilidades que da el modelo se corresponden con lo que luego ocurre — fue 0,134 ± 0,003 en la validación interna y 0,321 ± 0,027 en la externa.
🧐 Lectura crítica
Lo que el estudio hace bien:
- Usa regresión logística interpretable, no una caja negra, y justifica esa elección con datos: los modelos más complejos no mejoraron el rendimiento.
- Reporta métricas de precisión y VPP a distintas tasas de alerta, en lugar de vender una única AUC. Eso es exactamente lo que se debe hacer cuando el desenlace es poco frecuente.
- Incluye validación externa en un centro que no aportó datos al desarrollo.
- Los predictores tienen validez aparente clínica: son variables que cualquier oncólogo ya registra.
Lo que obliga a bajar las expectativas:
-
El rendimiento se desploma al salir de casa. Una AUC de 0,81 en el test interno y 0,68 en la validación externa no es un detalle menor: es la diferencia entre “bueno” y “aceptable, justito”. Un modelo con AUC 0,68 discrimina, pero con un margen que en la práctica clínica se nota. Las cifras llamativas (precisión del 83%, VPP del 76%) corresponden al test interno y a tasas de alerta concretas; no son el rendimiento real del modelo fuera de su cohorte. Los propios autores reconocen que el Brier score externo más alto indica que las probabilidades predichas no están bien alineadas con el riesgo observado, y apuntan entre las causas diferencias entre cohortes y una cantidad elevada de muertes no registradas en los datos externos.
-
Compromiso inevitable entre alertar mucho o alertar bien. No existe un punto de corte mágico. Si marcas como alto riesgo solo al 5% de los pacientes, tu VPP es del 76% pero tu sensibilidad es del 18%: te dejas fuera a 8 de cada 10 pacientes que van a morir. Si amplías al 40%, detectas al 77%… a costa de que el VPP caiga al 41%, con el riesgo de fatiga de alertas y de alarmar a gente que aún tiene por delante un tiempo razonable. Elegir la tasa de alerta es una decisión clínica y ética, no estadística. Los autores anticipan que un umbral intermedio-alto, combinado con intervenciones de soporte, puede ser lo más razonable, pero no lo han demostrado.
-
Es retrospectivo y no hay estudio de impacto. Esto es lo más importante de todo. Un modelo que predice bien no es un modelo que mejore desenlaces. No se ha demostrado que usar esta herramienta cambie nada: ni que las conversaciones se adelanten, ni que menos pacientes reciban quimioterapia inútil al final, ni que la calidad del final de vida mejore. Los autores lo dicen sin ambigüedad: es un modelo en fase temprana que requiere más validación externa, validación temporal, evaluación prospectiva de impacto y estudios de implementación antes de adoptarlo en la clínica.
-
Depende de datos que no todos los hospitales tienen. CancerLinQ cuenta con curación humana de datos no estructurados —por ejemplo, el estado funcional o el receptor hormonal extraídos de las notas clínicas—. Y la validación externa tuvo que completar el estado funcional ausente revisando la historia clínica a mano. Es decir, parte del “modelo automático” requiere trabajo humano que probablemente no esté disponible de la misma manera en cualquier centro. Un hospital con una historia clínica electrónica mediocre no puede replicar esto tal cual.
-
El sesgo de selección y los datos perdidos. Los autores encontraron datos perdidos en CancerLinQ pese a restringirse a registros curados, lo que puede sesgar los hallazgos; y no saben cuántos pacientes murieron sin que constara la fecha de muerte, lo que genera clasificación errónea. La base solo incluye prácticas oncológicas participantes: parte de la atención y de los datos clínicos ocurridos fuera de ellas no se capturan.
-
Cohorte estadounidense y fenotipo desequilibrado. La mayoría eran pacientes blancas y no hispanas, con un 64% de tumores HR+/HER2−. La validación externa era pequeña (474 pacientes) y con características algo distintas. La generalización a otras poblaciones y otros sistemas sanitarios está por ver.
💡 Qué implica para la práctica
El mensaje no es “ya tenemos un modelo para predecir la muerte”. El mensaje es más útil y más modesto: es posible construir una señal de riesgo cercano a partir de variables clínicas rutinarias y transparentes, y el intento revela con precisión cuánto le falta para ser utilizable.
Para el clínico que ve pacientes, hay dos lecciones prácticas:
- Las variables que mejor predicen no son sofisticadas. Sodio, albúmina, saturación de oxígeno, fosfatasa alcalina, leucocitos, función renal, frecuencia cardiaca, pérdida de peso, estado funcional y suspensión reciente de quimioterapia. Son las cosas que ya tenemos delante en cualquier consulta. Registrarlas bien y mirarlas en conjunto, en lugar de cada una por separado, ya mejora el juicio clínico, aunque no haya ningún algoritmo.
- La caída del rendimiento en validación externa es la norma, no la excepción. Cuando veamos un modelo nuevo anunciado con una AUC espectacular, la primera pregunta debe ser: ¿y cuánto mide fuera de la cohorte donde se construyó?
La ambición del trabajo —adelantar la conversación sobre objetivos y cuidados de soporte— es la dirección correcta. Pero entre “este modelo ordena bien el riesgo” y “usar este modelo mejora la vida de los pacientes” hay un trecho que solo se recorre con un ensayo prospectivo. Ese ensayo todavía no existe.
Referencia
Ray EM, Zhang X, Dunham L, Tan X, Elston Lafata J, Reeder-Hayes KE. Development and Validation of a Metastatic Breast Cancer-Specific Prognostic Model Using CancerLinQ Discovery. JCO Oncology Practice. 2026. Publicado en línea el 4 de septiembre de 2026.
DOI: 10.1200/OP-25-00610 · PMID: 42696697
Financiado por un Conquer Cancer Foundation of ASCO Young Investigator Award (con apoyo de Breast Cancer Research Foundation) y un Marc L. Citron, MD, Career Development Award in Breast Cancer; también por el National Center for Advancing Translational Sciences (NIH, subvención UM1TR004406), la Agency for Healthcare Research and Quality (subvención K08-HS028862) y el University Cancer Research Fund del Lineberger Comprehensive Cancer Center. Declaración de conflictos: E. M. Ray declara consultoría para The Dedham Group; J. Elston Lafata declara empleo y acciones en Agilon Health y Elevance Health (familiares) y financiación de investigación de Genentech Foundation (institucional); K. E. Reeder-Hayes declara financiación de investigación de Pfizer Global Medical Foundation (institucional).
— Este análisis ha sido generado por ANGIE
(Always Next to Guide, Inspire and Empower),
un sistema de inteligencia artificial con perfiles SOUL,
diseñado por el Dr. Javier Pumares Pérez para la divulgación
en oncología e inteligencia artificial aplicada a la medicina.
⚖️ Aviso de transparencia: este artículo ha sido redactado con asistencia de IA y revisado por el autor, oncólogo médico.