¿Qué es crossNN y cómo funciona?

CrossNN es una inteligencia artificial desarrollada por el Instituto Alemán del Cáncer y la Universidad Charité de Berlín. Su tecnología se basa en el análisis de patrones epigenéticos, que son modificaciones químicas sobre el ADN capaces de activar o desactivar genes sin alterar su secuencia original. Una de las más estudiadas es la metilación, un proceso que deja marcas específicas en el genoma —conjunto completo de información genética de una célula— y que varía según el tipo de célula o tumor.

Gracias a estas señales, cada cáncer presenta una firma epigenética única. CrossNN fue entrenado para reconocer estos patrones a partir de más de 8.000 muestras de tumores humanos. El modelo alcanzó una precisión general superior al 97 %, y del 99,1 % en tumores cerebrales, incluso cuando se utilizan datos parciales o provenientes de distintas tecnologías de secuenciación. Esto permite aplicar la herramienta de forma flexible en contextos clínicos reales y diversos.

Diagnóstico sin procedimientos invasivos

Confirmar el tipo de cáncer suele requerir biopsias que no siempre son viables o seguras, sobre todo cuando los tumores se localizan en zonas de difícil acceso. En esos casos, la posibilidad de diagnosticar a partir de ADN tumoral obtenido mediante sangre o líquido cefalorraquídeo ofrece una alternativa menos riesgosa y más accesible para los pacientes.

Esta capacidad resulta especialmente útil en el diagnóstico de tumores cerebrales, donde una cirugía puede implicar un riesgo elevado. CrossNN ha demostrado su precisión en estos escenarios utilizando únicamente muestras indirectas, lo que permite reducir la necesidad de intervenciones quirúrgicas en muchos casos.

Te puede interesar:  Inteligencia artificial que detecta cáncer de mama: el avance que podría transformar diagnósticos

Aplicaciones en tumores raros o de origen incierto

El sistema ha demostrado ser útil en el diagnóstico de tumores poco frecuentes o de origen incierto, un desafío para los métodos tradicionales. A través del análisis epigenético, crossNN puede inferir con precisión el tejido del que proviene el tumor, lo que permite orientar mejor las decisiones terapéuticas.

También es capaz de diferenciar casos con perfiles moleculares muy similares, como ciertos subtipos de cáncer renal. Aunque pueden presentarse márgenes de error en algunos escenarios, su desempeño general supera al de otras herramientas existentes.

Transparencia para uso clínico

Uno de los desafíos frecuentes en inteligencia artificial aplicada a la medicina es la falta de interpretabilidad. Muchos modelos entregan resultados sin ofrecer claridad sobre cómo llegaron a ellos. CrossNN fue diseñado con una estructura simple que permite identificar qué regiones del ADN influyen en cada diagnóstico. Esta característica facilita la validación médica y refuerza la confianza clínica.

Al mismo tiempo, esta transparencia abre la puerta al descubrimiento de nuevos biomarcadores epigenéticos, que podrían tener valor diagnóstico o terapéutico en distintos tipos de cáncer.

Listo para su implementación

Además de ser preciso, el sistema es rápido y adaptable. Puede generar resultados en cuestión de segundos y operar con distintos formatos de datos, desde microarrays hasta tecnologías de secuenciación más recientes. Esto lo hace compatible con diversos flujos de trabajo en hospitales y laboratorios, incluso en contextos con recursos limitados.

Actualmente, el modelo se encuentra en proceso de validación clínica en varios centros del Consorcio Alemán del Cáncer. Su diseño modular permite que se actualice fácilmente con nuevas bases de datos o tecnologías emergentes.

Una herramienta que complementa la medicina de precisión

El desarrollo de crossNN representa un avance importante en la convergencia entre inteligencia artificial, epigenética y diagnóstico oncológico. Poder identificar con precisión el tipo y origen de un tumor a partir de una muestra mínima representa una alternativa concreta a los métodos invasivos y costosos que aún predominan en muchos sistemas de salud.

Esta herramienta no reemplaza el juicio médico, pero ofrece apoyo diagnóstico valioso para mejorar la precisión, reducir los riesgos y avanzar hacia una medicina más personalizada, eficiente y accesible.

El sistema funciona en dos etapas. Primero, analiza la imagen radiológica para limpiar anotaciones, resaltar áreas clave y extraer detalles del tejido mamario. Luego, el radiólogo señala la zona sospechosa y el software traza la forma del posible tumor utilizando una técnica llamada “convolución de Kernel”.

Con esta forma delineada, se extraen 19 características del contorno que se introducen en un modelo de “bosque aleatorio”. Este modelo genera mil árboles de decisión que, en conjunto, determinan si el tumor es benigno o maligno, ofreciendo así una segunda opinión técnica al diagnóstico médico.

Por ahora, esta tecnología alcanza una precisión del 83%, pero los investigadores confían en superar el 95% con nuevas validaciones. Además de mejorar la eficacia del diagnóstico, también reduce la necesidad de biopsias invasivas y agiliza el manejo clínico.

Te puede interesar: Estudio advierte que las tomografías computarizadas podrían estar detrás del 5 % de los cánceres

Este tipo de herramientas ya empieza a demostrar su valor en otros países. En Suecia, un estudio encontró que las mamografías asistidas por IA mejoraron en un 20% la tasa de detección del cáncer de mama, frente a las lecturas hechas exclusivamente por radiólogos.

En Colombia, donde muchas regiones aún enfrentan limitaciones en el acceso a tecnología médica o especialistas en radiología, un sistema como este podría marcar la diferencia. Aplicar IA en salud no es solo una promesa de innovación, sino una necesidad estratégica para cerrar brechas de atención.

La clave estará en que el sector salud, la academia y los desarrolladores locales trabajen juntos para adaptar este tipo de soluciones al contexto colombiano, garantizando que la tecnología no solo sea precisa, sino también accesible.

Este desarrollo del Edomex es una muestra clara de que la inteligencia artificial puede complementar, no reemplazar, la labor médica, ayudando a tomar decisiones mejor fundamentadas y más rápidas en casos donde el tiempo es vital.

Imagen: Generada con IA / ChatGPT