AstraZeneca y Roche Diagnostics Asia Pacific anunciaron un memorando de entendimiento de tres años para apoyar las capacidades de patología digital e inteligencia artificial en nueve mercados asiáticos: Singapur, Taiwán, Corea, Tailandia, Malasia, India, Indonesia, Vietnam y Filipinas. A primera vista, la noticia parece una alianza comercial entre dos grandes compañías, pero sus detalles tocan el trabajo diario de los laboratorios de patología más de lo que sugiere el lenguaje de los comunicados de prensa.
El centro del acuerdo es la formación, la educación y la adopción de herramientas de patología digital y computacional, con un foco claro en cáncer de mama y cáncer de pulmón, y en las pruebas de biomarcadores que determinan el curso del tratamiento. Este punto no necesita una larga explicación para cualquier patólogo que trabaje con HER2, TROP2 o marcadores similares. El valor clínico no empieza en la recomendación terapéutica, sino en la precisión de la lectura, su consistencia y su reproducibilidad entre laboratorios.
La noticia en breve
La alianza tendrá una duración de tres años y busca apoyar la introducción de herramientas digitales e inteligencia artificial en los flujos diagnósticos mediante educación, entrenamiento y adaptación a las necesidades locales de cada sistema sanitario. Según el comunicado publicado, la iniciativa llega a una región que soporta una parte considerable de la carga mundial de cáncer: cerca de la mitad de los casos de cáncer de mama y más del 60 por ciento de los nuevos diagnósticos de cáncer de pulmón se producen en Asia.
El comunicado también señala que casi la mitad de las mujeres asiáticas con cáncer de mama pueden mostrar niveles bajos de HER2, y que TROP2 está presente en el 82 al 90 por ciento de los casos de cáncer de pulmón no microcítico. Estas cifras sitúan la evaluación histológica, inmunohistoquímica y digital en un terreno muy práctico: cualquier falla en la consistencia o en el acceso puede afectar la elegibilidad de un paciente para una terapia dirigida o un ADC.
El problema no es solo tener un algoritmo
Una de las cifras relevantes del comunicado es que solo el 17 por ciento de los médicos se considera muy familiarizado con las tecnologías avanzadas de patología, junto con un bajo uso de pruebas computacionales en el contexto clínico. El comunicado también indicó que el 60 por ciento de los oncólogos en Filipinas afirmó que la falta de disponibilidad de pruebas de biomarcadores había limitado su práctica.
Estas cifras muestran una brecha conocida en los laboratorios: comprar un escáner o conectarlo a un visor no basta. Si no cambian el flujo de la muestra, el control de calidad, el entrenamiento del lector, la política de aceptación de imágenes y la forma de documentar el resultado del algoritmo, la tecnología seguirá fuera de la decisión clínica real. Por eso, cualquier programa serio de entrenamiento debe empezar en el propio laboratorio, no en la demostración comercial de la plataforma.
HER2-low y TROP2 elevan el nivel de revisión
En cáncer de mama, la clasificación de HER2 ya no es una división amplia entre positivo y negativo en muchos escenarios terapéuticos. La categoría HER2-low ha hecho que la lectura en el límite sea más importante, sobre todo cuando el resultado está cerca de umbrales prácticos que influyen en la selección de un ADC. Aquí, la consistencia entre lectores y entre laboratorios forma parte de la seguridad de la decisión, no es solo una mejora administrativa.
En cáncer de pulmón no microcítico, hablar de evaluación de TROP2 apoyada por inteligencia artificial abre otro tipo de discusión. El algoritmo no libera al patólogo de emitir un juicio, pero puede ayudar a reducir la variabilidad en la estimación cuantitativa y a identificar los casos que merecen una revisión más cuidadosa. La diferencia práctica aparece en los casos grises, no en los casos evidentes en los que todos coinciden.
El comunicado cita estudios que indican que los flujos de trabajo apoyados por inteligencia artificial pueden mejorar la precisión diagnóstica hasta en un 5 por ciento, reducir el tiempo de lectura del caso en un 36 por ciento y aumentar la concordancia de interpretación hasta en un 15 por ciento. También menciona la reclasificación del 24 por ciento de casos previamente marcados como HER2 negativos a la categoría HER2-low. Estas cifras deben leerse de forma crítica según el diseño y el contexto, pero bastan para explicar el interés de los laboratorios y los equipos de oncología.
¿Qué debe exigir el patólogo a un programa de este tipo?
La primera exigencia es claridad. ¿A qué muestra se aplica la herramienta? ¿Qué tinción? ¿Qué escáner? ¿Qué versión de software? ¿Y cuáles son los límites de uso dentro del informe? No se puede introducir una herramienta computacional en un flujo diagnóstico sensible sin definir con precisión su alcance.
La segunda exigencia es la medición local. El rendimiento publicado no sustituye la verificación dentro del laboratorio, especialmente cuando varían la preparación, el tipo de tejido, la calidad de la tinción y los escáneres. El equipo debe ver los resultados de la herramienta en sus propias muestras y en los casos que sabe que generan desacuerdo entre lectores.
La tercera exigencia es la gobernanza. ¿Quién revisa las salidas del algoritmo? ¿Cómo se registra el resultado? ¿Cuándo puede el patólogo apartarse de él? ¿Y cómo se maneja un fallo de procesamiento o una imagen no aceptable? Son preguntas prácticas, pero determinan el éxito del programa más que el nombre de la compañía proveedora.
¿Dónde está la importancia del acuerdo?
Su importancia está en que la alianza no habla solo de un equipo o de una prueba, sino de construir la capacidad de usar la patología digital dentro de sistemas sanitarios con recursos muy distintos. Asia no es un único mercado. Un laboratorio en Singapur no se parece a uno en Filipinas o Vietnam en financiación, personal, conexión informática y capacidad para pruebas moleculares. Por eso, la frase “necesidades locales”, si se aplica con seriedad, es la parte más importante de la noticia.
Desde la perspectiva del patólogo, el éxito de iniciativas como esta se medirá por tres cosas: ¿aumentó el acceso a las pruebas de biomarcadores? ¿La interpretación se volvió más consistente en los casos limítrofes? ¿Los resultados entraron en la decisión terapéutica sin retrasar el flujo de trabajo? Si estas condiciones no se cumplen, la patología digital seguirá siendo un proyecto lateral atractivo, no una herramienta clínica fiable.
Conclusión práctica para los laboratorios
Este acuerdo recuerda que el futuro de las pruebas HER2 y TROP2 no dependerá solo de la calidad de la tinción ni de la experiencia del lector. Todo el flujo estará bajo revisión: desde el portaobjetos y la imagen, hasta el algoritmo, el informe y la reunión oncológica. Esa cadena no tolera un eslabón débil.
Para los laboratorios que están considerando introducir inteligencia artificial, el punto de partida no es preguntarle al proveedor por la interfaz más vistosa. El punto de partida es escoger un caso de uso clínico concreto, construir una verificación local, entrenar al equipo y conectar el resultado con un flujo terapéutico claro. Solo entonces la patología digital pasa a ser parte de la práctica de la patología, no una demostración técnica externa.
Fuente: PR Newswire / AstraZeneca.