Inteligencia artificial mejora la detección de trombosis en pacientes con cáncer

Avanzada (18/06/2026).- La trombosis continúa siendo una de las principales causas de enfermedad y muerte entre pacientes con cáncer, por lo que la detección temprana de quienes presentan un mayor riesgo resulta fundamental para prevenir complicaciones potencialmente mortales. Sin embargo, los métodos de predicción utilizados actualmente han mostrado limitaciones importantes.

Para solucionar esto, un equipo internacional de investigadores desarrolló una herramienta basada en aprendizaje automático probabilístico bayesiano y biomarcadores sanguíneos que permite identificar con mayor precisión el riesgo de tromboembolismo venoso (TEV) en personas con cáncer.

En la investigación se realizó un análisis proteómico de alta resolución sobre 1,105 proteínas presentes en muestras de sangre de pacientes recién diagnosticados con cáncer de pulmón o gástrico. 

A partir de esos datos, construyeron una herramienta denominada modelo TOP, el cual combina:

 • 11 biomarcadores proteicos.

 • 5 variables clínicas: edad, sexo, antecedentes de trombosis, índice de masa corporal y niveles de hemoglobina.

Los resultados mostraron que el modelo TOP superó ampliamente la capacidad predictiva de la puntuación de Khorana, considerada actualmente el estándar clínico para evaluar el riesgo de trombosis en pacientes oncológicos. Además, durante la validación externa del modelo, cerca del 75 por ciento de los pacientes fueron reclasificados en categorías de riesgo más precisas.

El estudio también profundizó en los mecanismos biológicos involucrados en la formación de coágulos. Uno de los hallazgos más relevantes estuvo relacionado con el receptor CD200R1, una molécula del sistema inmunológico encargada de regular las respuestas inflamatorias. Se encontró que niveles reducidos de CD200R1 en la sangre estaban asociados con concentraciones más elevadas de dímero D (un marcador relacionado con la coagulación) y con un mayor riesgo de desarrollar trombosis.

Para comprender mejor este fenómeno, los científicos utilizaron modelos experimentales en ratones modificados genéticamente para carecer de dicho receptor. Los animales mostraron signos de un estado protrombótico caracterizado por:

 • Un aumento en la formación de complejos trombina-antitrombina.

 • Mayores niveles de interleucina-17A (IL-17A).

 • Una inflamación más intensa del endotelio (el tejido que recubre los vasos sanguíneos).

De manera destacada, la administración de anticuerpos dirigidos contra la IL-17A logró normalizar varios de estos indicadores, lo que sugiere que esta vía inflamatoria podría convertirse en un objetivo terapéutico para prevenir eventos trombóticos. Estos hallazgos fueron reforzados mediante un metaanálisis de estudios realizados en pacientes con COVID-19, donde se observó una menor incidencia de embolia pulmonar en quienes recibieron tratamientos basados en anticuerpos anti-IL-17A.

Los autores concluyen que la proteómica plasmática, combinada con herramientas avanzadas de inteligencia artificial, no solo puede mejorar significativamente la predicción de trombosis en pacientes con cáncer, sino también abrir nuevas posibilidades para el desarrollo de tratamientos dirigidos contra los procesos inflamatorios que favorecen la formación de coágulos.

La investigación fue liderada por la científica Dimitra Karagkouni y un equipo internacional de especialistas que desarrolló un modelo predictivo basado en inteligencia artificial y análisis proteómico para mejorar la identificación del riesgo de tromboembolismo venoso en pacientes con cáncer. Los hallazgos no solo permitieron incrementar la precisión de las predicciones, sino que también aportaron nuevos conocimientos sobre los mecanismos biológicos relacionados con la formación de coágulos y posibles estrategias terapéuticas para reducir este riesgo.