Una investigación de la Universidad de Oviedo ha logrado avanzar en la predicción del grado histológico y de la metástasis ganglionar en los tumores de mama triplemente negativos. El estudio se ha plasmado en el desarrollo de modelos matemáticos basados en técnicas de inteligencia artificial a partir de una base de datos clínicos y patológicos de 102 mujeres diagnosticadas con esa patología en el Hospital Universitario Central de Asturias (HUCA).

El trabajo lleva la firma del grupo de Problemas Inversos, Optimización y Aprendizaje Automático de la Universidad de Oviedo, en colaboración con personal médico del servicio de anatomía patológica y personal investigador de la Universidad de Berna. El citado tipo de cáncer, muy agresivo, se caracteriza por ser triplemente negativo: el crecimiento del tumor no está estimulado por receptores de estrógeno, receptores de progesterona y el receptor de factor de crecimiento epidérmico. En consecuencia, "estos cánceres no responden, por ejemplo, a tratamientos como la hormonoterapia", explican Ana Cernea, Enrique de Andrés y Juan Luis Fernández-Martínez, integrantes del equipo de Problemas Inversos de la Universidad de Oviedo. Más de uno de cada diez cánceres de mama son triplemente negativos, añaden.

Los resultados del estudio han sido publicados en la revista "Journal of Medical Informatics and Decision Making". Los investigadores han desarrollado varios modelos matemáticos, basados en técnicas de inteligencia artificial elaboradas por en el Grupo de Problemas Inversos, para predecir el grado histológico y el desarrollo de metástasis ganglionar, a la hora del diagnóstico. Ana Cernea, Enrique de Andrés y Juan Luis Fernández-Martínez han logrado predecir el grado histológico con un 94 por ciento de exactitud utilizando solamente seis variables pronóstico, dos de las cuales conciernen al consumo de anticonceptivos orales y a la talla del tumor. Las otras cuatro son variables inmuno-histoquímicas utilizadas por los patólogos. El consumo nulo de anticonceptivos orales se asocia a un mejor pronóstico (menor grado histológico).

"Este tipo de métodos permitiría el diseño y uso de robots biomédicos que facilitarían el diagnóstico, ayudando a los médicos y aligerando el proceso", afirma el profesor Fernández-Martínez, quien considera que estas técnicas en medicina "han llegado para quedarse", y que son capaces, una vez que están bien diseñadas, "de mejorar el diagnóstico de cualquier especialista".