La Breast Cancer Research Foundation (BCRF), la mayor financiadora privada de investigación en cáncer de mama de Estados Unidos, lanzó BCRF Ventures, un fondo de filantropía de riesgo con una meta de USD 100 millones en cinco años, y su primera inversión fue para una empresa de radiología: Clairity, la startup fundada por la radióloga Connie Lehman, cuya IA estima, a partir de una mamografía de tamizaje rutinaria, el riesgo de que una mujer desarrolle cáncer de mama en los cinco años siguientes. El anuncio se realizó el 22 de septiembre en la reunión anual de la Clinton Global Initiative, en Nueva York.
Cómo está armado BCRF Ventures
El fondo parte de USD 23 millones en donaciones iniciales. La mayor, de USD 11 millones, provino de los filántropos Karen y Rob Hale; Karen Hale es copresidenta del consejo directivo de la BCRF. Según la revista Fortune, los otros USD 12 millones proceden del legado de un donante no identificado. Faltan, por lo tanto, unos USD 77 millones para alcanzar la meta.
La tesis es abiertamente de filantropía de riesgo: en lugar de otorgar una subvención a un laboratorio, la fundación adquiere participación en empresas en etapa temprana que desarrollan productos de prevención, detección, diagnóstico y tratamiento del cáncer de mama. Los retornos financieros, si los hay, regresan al fondo y se reinvierten en nuevas compañías, lo que la BCRF describe como una fuente de capital «perenne». La cartera prevista es de 20 a 30 empresas en cinco a siete años, en diagnóstico, terapias dirigidas, inmunooncología y tecnologías emergentes. Las nuevas propuestas empezarán a evaluarse en 2027.
El objetivo declarado es el llamado «valle de la muerte»: el tramo entre la prueba de concepto académica y el desarrollo clínico, cuando la idea ya salió de la mesa del laboratorio pero todavía es demasiado arriesgada para el capital de riesgo tradicional. La presidenta y CEO de la BCRF, Donna McKay, resumió el problema diciendo que algunas de las ideas más prometedoras se pierden justo cuando están listas para salir del laboratorio.
Por qué Clairity fue la primera apuesta
El monto invertido en Clairity no se divulgó. La elección, sin embargo, funciona casi como vitrina del modelo, porque la empresa ya recorrió el camino que el fondo quiere acortar. Lehman, profesora de radiología de Harvard, especialista en imagen mamaria e investigadora financiada desde hace años por la propia BCRF, fundó Clairity en 2020 para llevar al mercado los modelos de riesgo basados en imagen que su grupo venía desarrollando. Hoy es también su CEO.
Su producto principal, Clairity Breast, obtuvo en 2025 la autorización De Novo de la FDA, la primera concedida a una plataforma de IA para predicción de riesgo de cáncer de mama. Como contamos cuando la primera paciente recibió el puntaje Clairity en Boston, el modelo se entrenó con cerca de 421.000 mamografías y se validó externamente en más de 120.000 estudios. En 2026 llegó el segundo hito: la actualización de las guías del NCCN para tamizaje y diagnóstico del cáncer de mama incorporó la evaluación de riesgo por IA aplicada a la mamografía, con un umbral de riesgo a cinco años ≥1,7% para definir riesgo aumentado, reevaluación periódica e identificación de riesgo desde los 35 años.
En un comunicado, Lehman afirmó que BCRF Ventures demuestra lo que es posible cuando la ciencia prometedora cuenta con recursos para pasar rápidamente del descubrimiento al impacto real, y que ahora la empresa podrá acelerar sus innovaciones. La fundación subrayó el potencial de la herramienta para ampliar el acceso equitativo a la atención temprana.
Qué cambia en la evaluación de riesgo con la imagen
Para entender por qué una fundación de investigación apostaría por este tipo de producto, conviene recordar cómo se calcula hoy el riesgo. Los modelos clásicos —Gail y Tyrer-Cuzick (IBIS)— dependen de cuestionarios: edad, antecedentes familiares, edad de la menarquia y del primer parto, biopsias previas y a veces densidad mamaria. Funcionan razonablemente en poblaciones parecidas a las que les dieron origen, tienden a subestimar el riesgo en otros grupos y exigen que alguien recoja y cargue datos que muchas veces no figuran en la historia clínica.
El modelo de imagen invierte la lógica: la información ya está en el estudio que la mujer acaba de hacerse. Patrones de textura del parénquima, distribución del tejido fibroglandular y asimetrías sutiles alimentan la predicción sin ningún formulario. La evidencia de que la mamografía contiene esa señal sigue creciendo. Un estudio sueco publicado en Radiology mostró que los algoritmos de IA anticipan el riesgo hasta diez años antes del diagnóstico, y otro trabajo siguió cómo evoluciona el riesgo estimado por IA de un estudio al siguiente.
También importa la aceptación. Una encuesta a 319 pacientes encontró que ocho de cada diez mujeres aceptan el cálculo de riesgo hecho por IA, más que las que prefieren la estimación por antecedentes clínicos. El cuello de botella, entonces, está menos en la paciente que en el servicio: quién comunica el puntaje, qué se hace con una mujer clasificada como de riesgo aumentado y quién paga la resonancia complementaria.
Implicaciones para radiólogos y servicios de imagen
La jugada de la BCRF confirma que la predicción de riesgo se convirtió en una categoría propia dentro de la IA en mamografía, distinta de la detección. Las herramientas de detección compiten por la eficiencia de la lectura; las de riesgo compiten por el diseño del tamizaje: intervalo, modalidad suplementaria, derivación a asesoramiento genético o a estrategias de reducción de riesgo. Con la inclusión en guías, la categoría gana un ancla clínica que antes no tenía.
En América Latina el panorama es otro. Clairity Breast no tiene registro en las agencias regulatorias de la región, como Anvisa en Brasil o ANMAT en Argentina, y los programas públicos de tamizaje todavía luchan por la cobertura básica. Precisamente por eso la estratificación por imagen resulta atractiva: si el estudio ya realizado puede indicar qué mujeres necesitan resonancia o un intervalo más corto, los recursos escasos podrían dirigirse con más precisión. Eso depende, sin embargo, de validación local, ya que las poblaciones de entrenamiento son mayoritariamente estadounidenses, y de una discusión de reembolso que aún no empezó.
Limitaciones y qué seguir
Algunas precauciones al leer la noticia. Primero, el anuncio es institucional: no hay datos nuevos de desempeño de Clairity y no se reveló el monto invertido. Segundo, el 77% de la meta del fondo todavía debe recaudarse, y las nuevas inversiones recién comienzan en 2027. Tercero, la filantropía de riesgo trae una tensión incorporada que merece atención: la fundación pasa a tener interés financiero en el éxito de productos cuyos inventores también financia como investigadores, lo que vuelve aún más importante la validación independiente de estas herramientas.
Aun así, la señal es clara. Una de las mayores financiadoras de investigación oncológica del mundo decidió que parte de su dinero rinde más como capital de empresas que como subvención de laboratorio, y eligió una IA de radiología para abrir su cartera.
Fuente: Health Imaging / Radiology Business; BCRF
