La FDA autorizó el primer software de riesgo de recidiva derivado de la RM
La Food and Drug Administration concedió la autorización 510(k) a TumorSight Risk, un software con
inteligencia artificial que estima el riesgo de recidiva del cáncer de mama a partir de la resonancia
magnética, de datos de patología y de factores clínicos. SimBioSys, la desarrolladora, lo anunció el
15 de octubre de 2026. Es la primera herramienta pronóstica de recidiva construida sobre la imagen de
RM que recibe este tipo de autorización en Estados Unidos.
La indicación es específica: mujeres adultas con cáncer de mama receptor hormonal positivo (RH+) y
HER2-negativo, en estadios I a IIIA. El software devuelve una puntuación de 0 a 100 que clasifica a
la paciente en riesgo bajo, intermedio o alto de recidiva a cinco y a diez años.
Qué agrega el modelado espacial a la patología
La premisa técnica de TumorSight Risk es extraer información que ya está en el estudio pero que el
informe convencional no cuantifica. Según la empresa, su modelado espacial por IA combina
características del propio tumor con el contexto del tejido circundante y con factores clínicos para
derivar la puntuación.
Esto importa porque la estratificación de riesgo en cáncer de mama RH+/HER2- está hoy dominada por
firmas genómicas obtenidas de tejido, pruebas que exigen muestra, envío a laboratorio centralizado,
costo elevado y plazo de respuesta. Una alternativa derivada de un estudio ya realizado cambia la
logística: no hay procedimiento adicional, ni envío de material, ni hardware específico. Su peso
viene, por tanto, menos de la exactitud aislada y más del lugar que ocupa en el flujo.
La evidencia presentada
La autorización se sustentó en un estudio de validación retrospectivo, ciego y multiinstitucional
con 2.129 pacientes, con centros participantes como Mayo Clinic, Emory y Stanford. En resultados
presentados en el congreso de la American Society of Clinical Oncology (ASCO) a comienzos de 2026,
los investigadores informaron que cada aumento de 10 puntos en la puntuación se asoció con un
incremento del 22% en el riesgo de recidiva.
El expediente incluye además un estudio de precisión en el que 119 de 120 imágenes se procesaron
con éxito, con una concordancia del 99,4% entre ejecuciones repetidas, y un estudio de factores
humanos con 30 médicos y personal de apoyo que completaron todas las tareas críticas. El producto se
apoya en TumorSight Viz, la plataforma de visualización quirúrgica que la empresa ya había logrado
autorizar.
Qué significa la autorización 510(k) y qué no
Conviene explicar el mecanismo regulatorio, porque suele leerse mal. La vía 510(k) demuestra
equivalencia sustancial con un dispositivo ya comercializado; no es una aprobación basada en un
ensayo clínico prospectivo con desenlace de supervivencia. Lo que se evaluó es el desempeño analítico
y la equivalencia, no un beneficio clínico demostrado en uso real.
En la práctica eso define el lugar de la herramienta: es una ayuda pronóstica para ponderar junto
con los demás factores clinicopatológicos, no un sustituto de la decisión terapéutica. Quien opera
protocolos de mama ya conoce esta distinción desde otros contextos; es la misma lógica que discutimos
al mostrar que
los modelos de detección y de riesgo no son intercambiables.
Implicaciones para la rutina del servicio de imagen
Para el radiólogo, el efecto práctico más inmediato no está en el informe sino en la calidad del
estudio. Si la RM pasa a alimentar un modelo pronóstico, la estandarización de la adquisición deja de
ser preferencia y se vuelve requisito: protocolo dinámico con contraste consistente, resolución
temporal estable, posicionamiento reproducible y metadatos DICOM íntegros. La variación entre
equipos y entre protocolos es el principal enemigo de cualquier modelo de imagen, y los servicios que
ya conviven con
protocolos de RM de mama para cribado en mamas densas
saben el trabajo que eso supone.
Hay además una consecuencia de flujo: este tipo de herramienta acerca la radiología a la decisión
oncológica, lo que exige una conversación nueva con el equipo de mastología y de oncología clínica
sobre quién la solicita, quién la interpreta y dónde se registra la puntuación. No es un problema de
software.
Cautelas antes de generalizar
Tres limitaciones destacan. La primera es la población: RH+/HER2- en estadio I a IIIA es un
segmento amplio pero específico, y nada en el expediente autoriza extrapolar a triple negativo o a
HER2 positivo. La segunda es el carácter retrospectivo de la validación: la muestra es robusta, pero
no responde si la puntuación cambia la conducta ni si mejora el desenlace. La tercera es la
afirmación de primicia: «primer software pronóstico derivado de RM» es una declaración de la empresa,
repetida por la prensa especializada, no un dato verificado de forma independiente.
Conviene recordar también lo concurrido que está el campo de la predicción de riesgo mamario. Los
modelos que leen riesgo a partir de la mamografía ya mostraron capacidad de anticipar diagnósticos a
largo plazo, como tratamos en
IA prevé riesgo de cáncer de mama 10 años antes,
y las autorizaciones de nuevas IA en imagen de mama han sido frecuentes, siendo la más reciente la
autorización de IA para ecografía mamaria.
Lo que distingue a TumorSight Risk no es predecir riesgo: es predecir recidiva después del
diagnóstico, un problema clínico distinto, con otra audiencia y otra consecuencia.
Qué observar en los próximos meses
La prueba real será la comparación directa con las firmas genómicas establecidas en cohortes
independientes, y no solo la asociación entre puntuación y recidiva. La pregunta que hará el
oncólogo es concreta: ¿en cuántos casos la puntuación de imagen coincide con la prueba genómica y,
cuando discrepan, cuál de las dos acierta? Mientras esa respuesta no exista, la herramienta tiende a
ocupar un papel complementario, útil para triaje y para casos en que la prueba de tejido no está
disponible, pero todavía no sustituto.
