{"id":17683,"date":"2026-05-11T05:13:34","date_gmt":"2026-05-11T08:13:34","guid":{"rendered":"https:\/\/rtmedical.com.br\/tmp-es-1778487213905\/"},"modified":"2026-05-11T05:13:43","modified_gmt":"2026-05-11T08:13:43","slug":"ismrm-2026-pd-l1-cancer-mama-radiomica-rm-es","status":"publish","type":"post","link":"https:\/\/rtmedical.com.br\/es\/ismrm-2026-pd-l1-cancer-mama-radiomica-rm-es\/","title":{"rendered":"ISMRM 2026: Modelo de RM Predice PD-L1 en C\u00e1ncer de Mama"},"content":{"rendered":"

Un modelo predictivo que combina radi\u00f3mica de resonancia magn\u00e9tica con aprendizaje autom\u00e1tico puede estimar la expresi\u00f3n de PD-L1<\/strong> en pacientes con c\u00e1ncer de mama antes del inicio de la inmunoterapia. El trabajo fue presentado en la reuni\u00f3n 2026 de la International Society for Magnetic Resonance in Medicine<\/em> (ISMRM) y da continuidad a una l\u00ednea de investigaci\u00f3n que viene madurando hace cinco a\u00f1os: aprovechar la RM ya realizada en la rutina diagn\u00f3stica para extraer un biomarcador de inmunoterapia, sin necesidad de una nueva biopsia.<\/p>\n

Por qu\u00e9 importa la expresi\u00f3n de PD-L1<\/h2>\n

PD-L1 es el ligando del receptor PD-1 en los linfocitos T. Cuando el tumor lo sobreexpresa, la respuesta inmune local se aten\u00faa \u2014 y el tumor se convierte en candidato ideal para los inhibidores de puntos de control como pembrolizumab y atezolizumab. En el c\u00e1ncer de mama triple negativo (TNBC) esta decisi\u00f3n es central: el ensayo KEYNOTE-522 estableci\u00f3 el pembrolizumab con quimioterapia como est\u00e1ndar neoadyuvante para muchas de estas pacientes, y el estado de PD-L1 refina qui\u00e9n obtiene m\u00e1s beneficio. El problema pr\u00e1ctico es que la lectura inmunohistoqu\u00edmica de PD-L1 depende de tejido adecuado, var\u00eda entre pat\u00f3logos y puede cambiar entre la muestra previa y posterior al tratamiento.<\/p>\n

\"Estaciones
La radi\u00f3mica en RM transforma im\u00e1genes contrastadas en cientos de descriptores cuantitativos que alimentan modelos de aprendizaje autom\u00e1tico.<\/figcaption><\/figure>\n

C\u00f3mo funciona la radi\u00f3mica aplicada a la mama<\/h2>\n

El pipeline presentado en ISMRM sigue la arquitectura cl\u00e1sica de este tipo de estudios. Primero, la lesi\u00f3n se segmenta en RM din\u00e1mica con contraste (DCE-MRI)<\/strong>, normalmente en 3D y abarcando todas las fases poscontraste. A partir de esa m\u00e1scara, software dedicado extrae cientos de descriptores: varianza de primer orden, m\u00e9tricas de textura derivadas de la matriz de co-ocurrencia (GLCM) y de la matriz de longitudes de carrera (GLRLM), adem\u00e1s de descriptores por zonas de gris (GLSZM). El conjunto compone una huella cuantitativa de la heterogeneidad interna del tumor \u2014 algo que el ojo humano no puede medir con fiabilidad.<\/p>\n

Luego, algoritmos de aprendizaje autom\u00e1tico (random forest, SVM, \u00e1rboles de decisi\u00f3n, redes neuronales ligeras) seleccionan el subconjunto de descriptores que mejor separa a pacientes PD-L1 positivos de negativos. La validaci\u00f3n interna utiliza t\u00edpicamente cinco particiones cruzadas, y los modelos m\u00e1s maduros ya se prueban en cohortes externas.<\/p>\n

Qu\u00e9 muestra la literatura reciente<\/h2>\n

El resultado de ISMRM coincide con hallazgos independientes. Un estudio del Memorial Sloan Kettering Cancer Center<\/em>, publicado en Cancers<\/em> en 2021, evalu\u00f3 62 mujeres con TNBC y construy\u00f3 un modelo con apenas tres descriptores (varianza de primer orden, varianza de longitud de carrera y \u00e9nfasis de baja intensidad en zonas grandes). El desempe\u00f1o super\u00f3 a la lectura cualitativa del radi\u00f3logo: 90,7% de sensibilidad, 85,1% de especificidad y 88,2% de precisi\u00f3n diagn\u00f3stica<\/strong>. Importante: la evaluaci\u00f3n BI-RADS cl\u00e1sica no mostr\u00f3 asociaci\u00f3n significativa con el estado de PD-L1, lo que refuerza que la informaci\u00f3n \u00fatil reside en medidas que escapan a la inspecci\u00f3n visual.<\/p>\n

En 2024, un grupo de la Universidad del Sur de China llev\u00f3 el enfoque al terreno multic\u00e9ntrico. Se analizaron cinco cohortes y los autores integraron RNA-seq de 1.089 pacientes del TCGA con 94 RM del TCIA para construir una firma radi\u00f3mica capaz de estimar fenotipos del microambiente tumoral \u2014 incluyendo subtipos inmuno-inflamados versus inmuno-des\u00e9rticos. La firma se valid\u00f3 en una cohorte independiente y refuerza que la se\u00f1al radi\u00f3mica no es un artefacto de un solo centro.<\/p>\n

Implicaciones para la pr\u00e1ctica cl\u00ednica<\/h2>\n

El atractivo del enfoque es claro: estimar PD-L1 en todo el tumor primario sin nueva biopsia y sin sesgo de muestreo. Esto ayuda en tres escenarios \u2014 tumores peque\u00f1os donde la biopsia retira la mayor parte de la lesi\u00f3n, casos con PD-L1 lim\u00edtrofe (CPS 1-10) donde la discordancia entre laboratorios es mayor, y pacientes en monitorizaci\u00f3n neoadyuvante, donde repetir biopsia para seguir la respuesta inmune es inviable. Algoritmos de imagen ya superan a radi\u00f3logos en otras tareas oncol\u00f3gicas<\/a>, y la tendencia es integrar estas lecturas en el informe estructurado.<\/p>\n

En Am\u00e9rica Latina, donde el acceso a la inmunohistoqu\u00edmica de PD-L1 sigue siendo heterog\u00e9neo, un biomarcador derivado de RM rutinaria podr\u00eda funcionar como triaje antes del estudio anatomopatol\u00f3gico m\u00e1s costoso \u2014 siempre que est\u00e9 validado en cohortes locales. Plataformas comerciales de IA aplicadas a la mamograf\u00eda<\/a> ya muestran ganancia de especificidad en cribado, y el reto ahora es replicar ese rigor de validaci\u00f3n en los pipelines de radi\u00f3mica.<\/p>\n

Limitaciones y pr\u00f3ximos pasos<\/h2>\n

El entusiasmo debe matizarse por cuestiones metodol\u00f3gicas. Las cohortes siguen siendo peque\u00f1as, var\u00edan la intensidad del campo magn\u00e9tico y los protocolos de adquisici\u00f3n, y modelos entrenados en un esc\u00e1ner pueden no funcionar en otro sin armonizaci\u00f3n (ComBat, normalizaci\u00f3n de firma). La reproducibilidad entre fabricantes \u2014 Siemens, GE, Philips \u2014 sigue siendo un reto abierto. Iniciativas que combinan RM a gran escala con IA<\/a> han presionado a la comunidad a publicar pipelines reproducibles y abrir el c\u00f3digo.<\/p>\n

Otro punto sensible es regulatorio. Para convertirse en pr\u00e1ctica cl\u00ednica, un clasificador de PD-L1 basado en RM necesitar\u00eda validaci\u00f3n prospectiva multic\u00e9ntrica, comparaci\u00f3n directa contra la inmunohistoqu\u00edmica est\u00e1ndar y, eventualmente, autorizaci\u00f3n de la FDA, EMA o de los reguladores locales. La presentaci\u00f3n de ISMRM 2026 marca, por lo tanto, un paso importante \u2014 aunque no el \u00faltimo \u2014 hacia un biomarcador imagenol\u00f3gico que podr\u00eda cambiar el flujo de decisi\u00f3n en c\u00e1ncer de mama.<\/p>\n

Fuente:<\/strong> AuntMinnie \u2014 ISMRM: Predictive model evaluates PD-L1 status in breast cancer (10\/05\/2026)<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Presentaci\u00f3n en ISMRM 2026 detalla un modelo de radi\u00f3mica en RM que estima PD-L1 en c\u00e1ncer de mama sin nueva biopsia. Vea los n\u00fameros.<\/p>\n","protected":false},"author":1,"featured_media":17678,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"ngg_post_thumbnail":0,"fifu_image_url":"","fifu_image_alt":"","footnotes":""},"categories":[229,183],"tags":[],"class_list":{"0":"post-17683","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-inteligencia-artificial-es","8":"category-radiologia-es"},"aioseo_notices":[],"rt_seo":{"title":"","description":"Presentaci\u00f3n ISMRM 2026 detalla un modelo de radi\u00f3mica en RM que estima PD-L1 en c\u00e1ncer de mama. Estudios previos reportan 88% de precisi\u00f3n.","canonical":"","og_image":"","robots":"index,follow","schema_type":"Article","include_in_llms":true,"llms_label":"Radi\u00f3mica de RM predice PD-L1","llms_summary":"Modelo presentado en ISMRM 2026 usa radi\u00f3mica de DCE-MRI y ML para estimar PD-L1 en c\u00e1ncer de mama, complementando la inmunohistoqu\u00edmica.","faq_items":[],"video":[],"gtin":"","mpn":"","brand":"","aggregate_rating":[]},"_links":{"self":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/17683\/"}],"collection":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/"}],"about":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/types\/post\/"}],"author":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/users\/1\/"}],"replies":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/comments\/?post=17683"}],"version-history":[{"count":1,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/17683\/revisions\/"}],"predecessor-version":[{"id":17685,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/17683\/revisions\/17685\/"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/17678\/"}],"wp:attachment":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/?parent=17683"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/categories\/?post=17683"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/tags\/?post=17683"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}