Investigadores del Centro Oncológico Kimmel de Johns Hopkins desarrollaron una prueba de sangre con IA que detecta la enfermedad hepática silenciosa antes de la aparición de síntomas. Publicado en Science Translational Medicine en marzo de 2026, el estudio sugiere una vía innovadora para diagnosticar fibrosis y cirrosis hepática mediante patrones genómicos de ADN fragmentado.
Un avance con implicaciones clínicas
El desarrollo de la prueba de sangre con IA representa un punto de inflexión en la detección temprana de enfermedades crónicas no oncológicas. La herramienta se basa en el análisis de fragmentos de ADN libre circulante (cfDNA) en el torrente sanguíneo, una técnica conocida como biopsia líquida. Aunque este enfoque se emplea desde hace años en oncología, la aplicación a patologías hepáticas marca un nuevo camino.
El equipo liderado por Victor Velculescu, co-director del programa de genética del cáncer del Johns Hopkins Kimmel Cancer Center, y sus colegas Robert Scharpf y Jill Phallen, analizó muestras de 1.576 personas con enfermedades hepáticas. Cada muestra contenía millones de fragmentos de ADN, cuya longitud y distribución ofrecieron información sobre la integridad y el estado del tejido del hígado. Mediante algoritmos de aprendizaje automático, los científicos generaron un modelo capaz de identificar fibrosis y cirrosis con alta sensibilidad, incluso en fases iniciales.
Según los autores, la fragmentación genómica no solo refleja alteraciones celulares específicas, sino también patrones fisiológicos relacionados con el estrés metabólico y la inflamación. El resultado es una herramienta que podría sustituir o complementar los exámenes tradicionales, limitados por su baja sensibilidad y alto costo.
¿Cómo funciona esta prueba de sangre con IA?
A diferencia de los análisis convencionales que detectan mutaciones genéticas precisas, este método examina la manera en que el ADN se fragmenta y se distribuye a lo largo del genoma. El patrón de ruptura de los fragmentos —lo que los investigadores denominan fragmentoma— se convierte en un mapa molecular del estado de los tejidos.
Para construir este sistema, se ejecutó un proceso de secuenciación del genoma completo en cada muestra. Los algoritmos de aprendizaje extraen datos a partir de aproximadamente 40 millones de fragmentos por individuo. Esto genera una cantidad masiva de información sobre regiones repetitivas del ADN, que son tradicionalmente difíciles de analizar.
El modelo de IA aprendió a clasificar los perfiles según las señales específicas de enfermedad hepática, estableciendo así una jerarquía diagnóstica que distingue entre fibrosis temprana, avanzada y cirrosis. Los resultados revelaron que la precisión del algoritmo superó ampliamente la de los marcadores séricos típicos, los cuales apenas detectan la mitad de los casos de cirrosis.
De acuerdo con los investigadores, la ventaja de este enfoque radica en que la fragmentación del ADN refleja procesos biológicos globales, no solo mutaciones genéticas aisladas. Esto abre nuevas posibilidades en el diagnóstico de enfermedades metabólicas, cardiovasculares y neurodegenerativas, además de las hepáticas.
¿Por qué la enfermedad hepática silenciosa es un desafío global?
En el mundo, más de 100 millones de personas padecen afecciones hepáticas relacionadas con la obesidad, el consumo de alcohol o infecciones virales crónicas. Según la Organización Mundial de la Salud, alrededor del 2,3 % de las muertes globales se vinculan a patologías hepáticas, lo que las convierte en la undécima causa principal de mortalidad.
Uno de los mayores problemas es su carácter asintomático. La fibrosis hepática —una etapa temprana de la degradación del tejido— puede revertirse si se detecta a tiempo. Sin embargo, cuando progresa a cirrosis, los daños son irreversibles y el riesgo de cáncer se multiplica. Los métodos actuales, como los exámenes de sangre estándar o las ecografías especializadas, suelen fallar en la identificación de los primeros signos.
La prueba de sangre con IA podría representar un salto cualitativo en este contexto. Su diseño no requiere equipamiento de imagen y se basa en una simple extracción de sangre, lo que permitiría su aplicación en entornos con recursos limitados.
Fragmentoma: una nueva frontera diagnóstica
El término «fragmentoma» hace referencia al conjunto de patrones de fragmentación del ADN en el genoma de una persona. Estos patrones, influenciados por procesos fisiológicos y patológicos, se están convirtiendo en una fuente de información biomédica de gran valor.
Velculescu y su equipo han explorado previamente el fragmentoma para detectar cáncer de hígado, pulmón y otros órganos. En esos trabajos, observaron que pacientes sin tumores pero con fibrosis o cirrosis mostraban perfiles de fragmentación similares, aunque más sutiles. Ese hallazgo motivó la investigación más amplia.
Además del marcador específico para fibrosis, los investigadores desarrollaron un índice denominado fragmentation comorbidity index. Este mide la correlación entre los patrones de ADN y las puntuaciones del Índice de Comorbilidad de Charlson, que estima la gravedad y el impacto de las enfermedades coexistentes. Los resultados mostraron que el índice fragmentómico podía predecir la supervivencia general con mayor precisión que algunos marcadores inflamatorios convencionales.
¿Qué diferencia a este método de los exámenes tradicionales?
Los métodos diagnósticos actuales del hígado incluyen pruebas bioquímicas de enzimas, elastografía por ultrasonido y resonancia magnética. Aunque son útiles, su precisión decae en pacientes con fibrosis inicial. En contraste, el método fragmentómico vinculado a la inteligencia artificial considera de forma simultánea millones de variaciones en el ADN circulante.
Otra diferencia fundamental es la no dependencia de una mutación o biomarcador único. Mientras otros ensayos buscan indicadores específicos —por ejemplo, el aumento de ALT o AST en sangre—, el análisis del fragmentoma se centra en patrones globales. Esto le permite detectar señales tempranas de enfermedad antes de que se manifiesten daños estructurales visibles en el hígado.
El enfoque también podría facilitar el monitoreo longitudinal. Pacientes tratados por hepatitis o hígado graso no alcohólico podrían someterse a exámenes periódicos menos invasivos, permitiendo ajustar terapias tempranamente.
Contexto histórico y avance tecnológico
La historia del diagnóstico hepático ha pasado de métodos invasivos, como la biopsia tradicional, a soluciones cada vez más seguras. La biopsia líquida introdujo una alternativa menos agresiva, originalmente aplicada en oncología. A principios de la década de 2010, esta herramienta comenzó a utilizarse para detectar mutaciones tumorales mediante cfDNA. Sin embargo, su uso fuera del ámbito del cáncer era limitado.
La integración de la inteligencia artificial en la genómica cambió el panorama. Los algoritmos actuales son capaces de analizar enormes cantidades de datos y reconocer patrones complejos invisibles para el ojo humano. Esta capacidad permitió convertir la secuenciación genómica completa en un instrumento de diagnóstico para enfermedades crónicas.
El estudio de Johns Hopkins se apoya en años de trabajo previo y en la convergencia entre la bioinformática, la medicina de precisión y la salud pública. Es, en cierto modo, un ejemplo de cómo la IA redefine las fronteras del diagnóstico preventivo.
Aplicaciones más allá del hígado
Si bien la prueba de sangre con IA se diseñó para evaluar enfermedades hepáticas, su principio subyacente puede extenderse a otros campos. Los investigadores identificaron señales fragmentómicas relacionadas con trastornos cardiovasculares, inflamatorios y neurodegenerativos. Aunque la muestra poblacional no fue suficiente para crear clasificadores específicos, los datos sugieren que el mismo marco tecnológico podría identificar riesgos en distintas áreas médicas.
Esto coincide con una tendencia global hacia la medicina preventiva impulsada por biomarcadores digitales. La posibilidad de anticipar una enfermedad años antes de su manifestación clínica podría reducir la carga sobre los sistemas sanitarios y mejorar la calidad de vida de millones de personas.
Limitaciones y próximos pasos
El ensayo descrito sigue siendo un prototipo de investigación. Antes de su uso clínico, deberá pasar por etapas de validación y regulación. Los especialistas también subrayan que la interpretación de los resultados debe integrarse con otros indicadores médicos. El fragmentoma, por sí solo, no reemplaza el juicio clínico.
Entre los desafíos pendientes se encuentran la estandarización del proceso de análisis y la viabilidad económica de su implementación a gran escala. No obstante, compañías y centros de investigación ya exploran la posibilidad de adaptar tecnologías similares para la detección de otras enfermedades crónicas.
La colaboración entre hospitales, universidades y organismos públicos será clave para garantizar que estos avances se traduzcan en beneficios reales para los pacientes. En este sentido, el proyecto de Johns Hopkins se financió con apoyo del Instituto Nacional de Salud de Estados Unidos y diversas fundaciones privadas, reflejando el interés transversal en las aplicaciones médicas de la IA.
Un cambio de paradigma silencioso
El estudio representa más que un hallazgo puntual: ilustra una transformación en el concepto de diagnóstico. La capacidad de detectar una enfermedad hepática silenciosa mediante un análisis de sangre automatizado redefine las posibilidades del control médico preventivo. En el futuro, una simple muestra podría ofrecer una visión integral del estado fisiológico, identificando riesgos de múltiples órganos sin necesidad de procedimientos invasivos.
Para las poblaciones en riesgo —desde personas con obesidad hasta pacientes con hepatitis viral crónica—, la incorporación de pruebas fragmentómicas de IA podría significar un avance tangible en la medicina de precisión y en la reducción de costos sanitarios globales.
El próximo paso, señalan los investigadores, será la validación multicéntrica y la ampliación a cohortes más diversas que representen distintas etnias y condiciones socioeconómicas. Así, el fragmentoma podría convertirse en un nuevo estándar diagnóstico y abrir el camino hacia una vigilancia molecular continua.
Oli Seoane es médica clínica especializada en nutrición y longevidad. Se dedica a la prevención y a derribar mitos de salud con información clara, basada en evidencia. Como comunicadora, traduce la ciencia a un lenguaje simple para ayudar a las personas a vivir mejor.