IA y cáncer de páncreas: por qué los estudios que guardas hoy valen más mañana

En 2026, la revista Gut publicó los resultados de REDMOD, un modelo de IA desarrollado en Mayo Clinic que analiza patrones muy finos en la textura del páncreas en tomografías de abdomen (BMJ Group). El equipo revisó tomografías de 219 pacientes que, en su momento, habían sido leídas sin evidencia de cáncer, pero que meses o años después recibieron el diagnóstico de adenocarcinoma ductal de páncreas. Las comparó con 1.243 estudios de personas que siguieron libres de la enfermedad.

El modelo identificó señales asociadas al cáncer con una mediana de 475 días antes del diagnóstico clínico. Su sensibilidad fue de 73%, frente a 39% de radiólogos experimentados en la misma tarea retrospectiva. En estudios tomados más de dos años antes del diagnóstico, la diferencia fue de 68% frente a 23%.

Los propios autores piden cautela. REDMOD necesita validación prospectiva, especialmente en personas de alto riesgo, antes de usarse en la práctica clínica. Además, la población del estudio tuvo poca diversidad étnica, lo que podría afectar su desempeño en otros grupos, una advertencia que importa directamente a Latinoamérica.

Es decir: no es una herramienta que una clínica pueda adoptar mañana. Es una señal de hacia dónde va la radiología.

Hay un detalle del estudio que cualquier director de clínica debería notar. REDMOD solo pudo encontrar esas señales porque las tomografías tomadas uno, dos o tres años antes seguían existiendo, ordenadas y recuperables, y podían compararse con el diagnóstico posterior.

Lo mismo aplica hoy, sin IA de por medio. La comparación con estudios previos es parte del trabajo diario del radiólogo. Si el estudio anterior del paciente está en un CD que nadie encuentra, en un disco duro local o en otra clínica, esa comparación simplemente no ocurre.

Cada estudio que tu clínica realiza hoy es un punto de referencia para el paciente de mañana. Perderlo es perder contexto clínico. Si estás evaluando dónde guardarlos, compara PACS en la nube y PACS local.

La IA del futuro necesitará buenos datos. El radiólogo de hoy ya los necesita.