Investigadores de la Universidad de Ginebra desarrollaron MangroveGS, una herramienta de inteligencia artificial capaz de predecir la metástasis del cáncer con una precisión cercana al 80%. Presentada en la revista *Cell Reports* en 2026, esta innovación podría modificar la forma en que se evalúa el riesgo y se personaliza el tratamiento en pacientes oncológicos.
Un cambio de paradigma en la comprensión del cáncer
Durante décadas, los científicos han intentado descifrar qué determina que algunos tumores permanezcan confinados mientras otros se diseminan a órganos lejanos. La metástasis sigue siendo responsable del 90% de las muertes por cáncer, un porcentaje que no ha cambiado significativamente en los últimos veinte años, pese a los avances en terapias dirigidas y detección temprana. En este contexto, la nueva herramienta de IA predice la metástasis del cáncer con un enfoque basado en datos genómicos que marca un punto de inflexión en la investigación.
El proyecto surgió en el Departamento de Medicina Genética y del Desarrollo de la Universidad de Ginebra (UNIGE), liderado por el profesor Ariel Ruiz i Altaba. Su grupo estudió células derivadas de tumores de colon y observó patrones genéticos que permiten estimar, con una fiabilidad sin precedentes, si un cáncer tiene mayor probabilidad de propagarse.
¿Cómo logra la IA traducir los genes en pronósticos?
El sistema, denominado Mangrove Gene Signatures (MangroveGS), fue diseñado para procesar grandes volúmenes de datos transcriptómicos. A diferencia de las herramientas anteriores, no se limita al análisis de mutaciones específicas, sino que procesa simultáneamente centenares de firmas génicas asociadas a la capacidad metastásica. Estas firmas recogen cómo grupos de genes se activan o desactivan en células tumorales, ofreciendo una radiografía dinámica del comportamiento biológico del tumor.
Aravind Srinivasan, coautor del estudio, explicó que el modelo se alimentó con información procedente de más de 30 clones celulares de tumores primarios de colon. Tras entrenar el algoritmo con esta base, MangroveGS fue capaz de distinguir con una precisión del 80% qué muestras desarrollarían metástasis en modelos animales. Incluso demostró validez predictiva cruzada al aplicarse a otros tipos de cáncer, como el gástrico, el de mama o el pulmonar.
El cáncer visto como un desarrollo biológico alterado
Ruiz i Altaba plantea que el origen del cáncer debería comprenderse no como un mero caos celular, sino como un proceso de desarrollo distorsionado. Durante el crecimiento embrionario, los organismos activan programas genéticos que luego se apagan. Ciertos tumores reactivan esos programas, lo que otorga a las células la capacidad de moverse, invadir y generar nuevas estructuras. Bajo esa óptica, la comprensión de la metástasis pasa por identificar las reglas subyacentes que rigen esa “reprogramación” celular.
Diversos estudios previos ya habían insinuado esta conexión. En 2015, investigadores del Instituto Francis Crick describieron la reactivación de genes embrionarios en ciertos tipos de carcinoma. Lo que diferencia al trabajo de la UNIGE es su capacidad de convertir esa observación en un modelo predictivo funcional, gracias al soporte de la inteligencia artificial.
¿Qué datos permitieron construir el modelo MangroveGS?
El análisis de 30 clones celulares obtuvo perfiles de expresión de varios cientos de genes. Entre ellos destacaron aquellos vinculados con la migración celular, la remodelación del citoesqueleto y la comunicación extracelular. No obstante, los investigadores encontraron que la propensión metastásica no dependía de un único gen, sino de la interacción entre grupos de células relacionadas.
Este hallazgo coincide con observaciones del consorcio internacional The Cancer Genome Atlas (TCGA), que desde 2006 ha recopilado más de 20.000 muestras de 33 tipos de cáncer distintos. La comparación con esas bases de datos mostró que el patrón derivado del cáncer de colon también es útil para estimar riesgos en otros tumores epiteliales.
Para trasladar estos descubrimientos a la práctica clínica, el equipo desarrolló una interfaz hospitalaria segura que permite cargar los resultados de secuenciación de ARN de cada paciente. La herramienta calcula automáticamente un puntaje de riesgo metastásico, que puede compartirse con el médico tratante a través de una plataforma cifrada.
Implicaciones clínicas y económicas
La nueva herramienta de IA predice la metástasis del cáncer con impacto potencial en varias dimensiones del sistema sanitario. En primer lugar, podría reducir el sobretratamiento. Pacientes con bajo riesgo —por ejemplo, aquellos con tumores localizados que ahora reciben terapias agresivas por precaución— podrían beneficiarse de esquemas más conservadores. Esto disminuiría efectos secundarios y costos hospitalarios.
Según estimaciones publicadas por la Organización Mundial de la Salud, el gasto global en tratamientos oncológicos ascendió a 190.000 millones de dólares en 2025. De esa cifra, más del 20% corresponde a terapias aplicadas en etapas metastásicas. Si herramientas como MangroveGS logran anticipar con precisión qué pacientes necesitan vigilancia intensiva, los sistemas de salud podrían reorientar recursos hacia intervenciones preventivas y detección temprana.
¿Puede esta herramienta aplicarse más allá del cáncer de colon?
Uno de los aspectos más llamativos del estudio es su versatilidad. Aunque el modelo se entrenó con tumores de colon, demostró capacidad de generalización a cánceres de mama, pulmón y estómago. Esto se explica porque muchas vías moleculares implicadas en la metástasis son compartidas entre distintos tejidos. Genes relacionados con el movimiento celular, la adhesión o la respuesta inflamatoria se activan de forma semejante en diferentes contextos tumorales.
En laboratorios asociados en Europa y Norteamérica ya se están realizando pruebas piloto para adaptar el modelo a bases de datos locales. La posibilidad de una herramienta universal es uno de los objetivos de largo plazo, aunque los investigadores advierten que cada entorno clínico debe validar de forma independiente sus resultados.
Historia y contexto: de los algoritmos al diagnóstico personalizado
El uso de inteligencia artificial en oncología no es nuevo. Desde 2018, grandes hospitales de Estados Unidos y Asia han implementado sistemas basados en aprendizaje profundo para analizar mamografías o biopsias de pulmón. Sin embargo, la mayoría se enfoca en la detección inicial, no en el pronóstico evolutivo de la enfermedad.
MangroveGS se distingue porque aborda la etapa más crítica: la posibilidad de que un tumor se propague. Este cambio de orientación podría acelerar la transición hacia una medicina verdaderamente personalizada. De hecho, la Unión Europea y la Fundación Helvética de Innovación Biomédica ya han anunciado convocatorias para impulsar proyectos que integren inteligencia artificial y genómica clínica.
Además, el desarrollo de este tipo de modelos coincide con la expansión del cloud computing médico. Los hospitales de referencia ahora pueden compartir grandes volúmenes de datos anonimizados a través de redes seguras, lo que mejora la robustez estadística de los algoritmos.
¿Qué desafíos éticos y técnicos persisten?
Aunque la nueva herramienta de IA predice la metástasis del cáncer con elevada precisión, los expertos plantean cautela. El procesamiento de información genética involucra consideraciones éticas sobre privacidad y consentimiento. En Europa, el Reglamento General de Protección de Datos (GDPR) establece parámetros estrictos para el uso de información de salud. La UNIGE ha asegurado que el sistema MangroveGS cifra todos los datos y elimina cualquier referencia identificatoria después del análisis.
Otro desafío es la interpretación médica. Los modelos de aprendizaje profundo suelen funcionar como “cajas negras”: describen correlaciones, pero no siempre ofrecen explicaciones causales. Esto podría dificultar la aceptación de los resultados en ámbitos clínicos tradicionales. Los autores del estudio están desarrollando herramientas visuales de interpretación para que los oncólogos comprendan qué variables impulsan cada predicción.
Beneficios esperados para pacientes y ensayos clínicos
Además de su valor diagnóstico, el modelo podría influir en el diseño de ensayos clínicos. Reducir el número de pacientes necesarios al seleccionar mejor los perfiles de riesgo incrementa la potencia estadística de los estudios. Ruiz i Altaba subraya que esto permite que los pacientes con mayor probabilidad de metástasis reciban terapias experimentales más adecuadas, obteniendo beneficios concretos y acelerando la aprobación de nuevos tratamientos.
Por otra parte, los hospitales podrían usar MangroveGS como filtro previo al seguimiento postoperatorio. En el cáncer de colon, aproximadamente un 30% de los pacientes desarrollan recurrencia dentro de los cinco años posteriores a la cirugía. Contar con una evaluación genómica precisa ayudaría a identificar quiénes requieren controles más intensivos y quiénes pueden evitar procedimientos invasivos.
Perspectivas hacia 2030: IA, genómica y medicina integrada
El desarrollo de herramientas como MangroveGS coincide con una tendencia global de convergencia entre biología molecular y ciencia de datos. De acuerdo con la Agencia Internacional para la Investigación del Cáncer (IARC), se espera que el número de diagnósticos oncológicos aumente un 47% para 2040. Frente a esta presión, la personalización de tratamientos mediante IA se perfila como una estrategia indispensable.
En 2026, más de cien instituciones académicas ya trabajan en proyectos similares que combinan secuenciación genética y aprendizaje automático. La competencia y colaboración entre estos equipos probablemente acelerará la validación clínica y la adopción global de estas tecnologías.
Integración en entornos hospitalarios
La UNIGE ha anunciado que MangroveGS puede incorporarse a los flujos de trabajo hospitalarios en cuestión de semanas. Las muestras tumorales se procesan mediante protocolos de secuenciación de ARN ya existentes y los resultados se integran directamente al historial digital del paciente. Los médicos reciben un informe estandarizado con la puntuación de riesgo metastásico y recomendaciones de seguimiento configurable.
Este enfoque modular también permite la actualización periódica del modelo conforme se incorporen nuevos datos. Así, cada hospital puede alimentar el sistema con su propia casuística, fortaleciendo la capacidad predictiva sin comprometer la privacidad de los pacientes.
Un horizonte de medicina más precisa
A menos de una década del uso masivo de algoritmos clínicos, el avance logrado por la Universidad de Ginebra representa un caso de estudio sobre cómo los datos genéticos, correctamente interpretados, pueden redefinir la práctica médica. Que una nueva herramienta de IA predice la metástasis del cáncer no implica el reemplazo del juicio humano, sino una ampliación de las capacidades diagnósticas y de planificación terapéutica.
La integración de inteligencia artificial en oncología anuncia una etapa en la que la predicción será tan fundamental como la detección. Si las validaciones multicéntricas confirman los resultados obtenidos en Suiza, herramientas como MangroveGS podrían convertirse en un estándar en los laboratorios de patología molecular alrededor del mundo.
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.