Combinar la navegación centralizada de pacientes con inteligencia artificial más que duplicó la adherencia al cribado de cáncer de pulmón en un gran sistema de salud de Estados Unidos, y elevó la detección de tumores en estadios iniciales. Los datos se presentaron en el congreso anual de la American Society of Clinical Oncology (ASCO), en Chicago.
Qué mostró el estudio
OSF HealthCare, un sistema con 17 hospitales en áreas rurales y urbanas, elevó su tasa de cribado de cáncer de pulmón entre pacientes elegibles del 18% al 42% en cinco años. El salto se logró con un modelo de navegación centralizada de pacientes sumado a tecnologías de cribado apoyadas por IA. Las intervenciones también aumentaron la detección de cánceres en estadios más tempranos.
«Un enfoque multifacético, que combina navegación centralizada y tecnologías innovadoras de cribado, puede aumentar aún más la adherencia», afirmó el primer autor y presentador, Jun Zhang, MD, PhD, del OSF HealthCare Cancer Institute.
Cómo actúan la navegación centralizada y la IA
El cuello de botella del cribado de pulmón rara vez está en el examen en sí, sino en todo el proceso a su alrededor: identificar quién es elegible, contactar al paciente, agendar la tomografía de baja dosis, garantizar el retorno y seguir los hallazgos. La navegación centralizada concentra esas tareas en un equipo dedicado, en lugar de dispersarlas entre consultorios sobrecargados.
Aquí entra la IA como refuerzo, apoyando la identificación de candidatos elegibles y el análisis de las imágenes. Las herramientas algorítmicas ayudan a señalar pacientes de alto riesgo en los registros y a estandarizar la lectura de los exámenes, reduciendo la probabilidad de que un nódulo sospechoso pase inadvertido. El resultado es menos pacientes perdidos en cada etapa del embudo de cribado.
Por qué el cribado de pulmón sigue infrautilizado
El cribado por tomografía computarizada de baja dosis se recomienda para fumadores y exfumadores de alto riesgo, justamente el grupo en el que el diagnóstico precoz más cambia el desenlace. Aun así, la adherencia es históricamente baja en casi todos los sistemas de salud; una tasa inicial del 18%, como la del OSF, está lejos de ser una excepción. El estigma, el desconocimiento, las barreras logísticas y la fragmentación del cuidado alejan a los pacientes del examen.
El cáncer de pulmón sigue entre los más letales porque suele diagnosticarse tarde. Desplazar el diagnóstico a estadios iniciales es, en la práctica, el factor que más impacta la supervivencia, y es exactamente lo que entrega un programa de cribado bien coordinado.
La base de evidencia detrás del cribado
El entusiasmo por el cribado no es gratuito. El estudio estadounidense NLST mostró que la tomografía de baja dosis redujo la mortalidad por cáncer de pulmón en cerca de un 20% frente a la radiografía de tórax, en fumadores de alto riesgo. El ensayo europeo NELSON confirmó y amplió esos hallazgos años después, consolidando la TC de baja dosis como estándar de cribado para la población elegible.
El problema es que esa evidencia robusta nunca se tradujo en una adherencia proporcional. Es justamente esa brecha entre lo que la ciencia recomienda y lo que llega al paciente lo que iniciativas como la del OSF buscan cerrar, no inventando un examen nuevo, sino garantizando que el examen correcto alcance a quien lo necesita.
Implicaciones para la práctica y el panorama general
Para el radiólogo, el mensaje es claro: la calidad de la imagen es necesaria, pero no suficiente. El valor clínico nace del programa que la rodea. La lectura estandarizada de nódulos, el uso de clasificaciones como Lung-RADS y el seguimiento estructurado de hallazgos son tan decisivos como el propio escáner. Conviene recordar lo que ya analizamos sobre los hallazgos incidentales en la TC de pulmón y el riesgo de cáncer, donde la detección oportunística depende de un circuito de seguimiento confiable.
En entornos donde el cribado organizado de pulmón aún está en sus inicios, el caso del OSF señala un camino viable: invertir en navegación y en tecnología de apoyo a la decisión puede ampliar el alcance sin exigir, de inmediato, más equipos. La IA aplicada a la lectura, como vimos al tratar el desempeño de algoritmos en radiografías de tórax, es una pieza del rompecabezas, siempre que esté validada para la población local.
Perspectivas
El estudio del OSF refuerza una tendencia que va más allá de la radiología: tratar el cribado como un sistema, no como un examen aislado. A medida que la IA madura para identificar elegibles, priorizar filas y estandarizar informes, y que la navegación garantiza que el paciente no se pierda en el camino, las tasas de adherencia antes consideradas techo pueden convertirse en el nuevo piso. El siguiente desafío será replicar estas ganancias en sistemas con menos recursos, y garantizar que el aumento en la detección se traduzca, de hecho, en más vidas salvadas.
Fuente: AuntMinnie
