Leica Biosystems, Indica Labs y Lunit anunciaron el 26 de mayo de 2026 una colaboración para desarrollar algoritmos de análisis de imágenes para IHC, con enfoque inicial en PD-L1 y biomarcadores emergentes en investigación oncológica. El primer producto anunciado es Lunit SCOPE PD-L1 CAL10 NSCLC, diseñado para funcionar con el anticuerpo primario PD-L1 CAL10 de Leica Biosystems y disponible a través de Aperio AI Store.
La noticia importa para la práctica de patología porque el anuncio no habla de un modelo separado que se añade encima del laboratorio después de completar el trabajo. La idea práctica es que el algoritmo entra en una ruta conocida: tinción IHC de Leica, escaneo de láminas en Aperio GT 450, gestión de imágenes mediante Aperio HALO AP de Indica y luego análisis cuantitativo de Lunit SCOPE. Este tipo de conexión se acerca al punto que interesa al laboratorio de investigación clínica: ¿puede introducirse el análisis cuantitativo en la ruta diaria sin reconstruir el sistema alrededor de una sola herramienta?
Detalles del anuncio
Según el comunicado de Leica, la colaboración se centrará en apoyar a socios farmacéuticos para introducir herramientas de patología digital apoyadas por IA en investigación clínica rutinaria. La razón es clara para cualquier colega que haya trabajado con PD-L1 o marcadores IHC semicuantitativos: la variación entre lectores, casos limítrofes y centros de estudio sigue siendo una fuente de presión en ensayos multicéntricos. Las herramientas de medición no eliminan el juicio del patólogo, pero pueden hacer que la medición sea más revisable, sobre todo cuando los umbrales terapéuticos o analíticos están cerca de zonas grises.
El primer producto, Lunit SCOPE PD-L1 CAL10 NSCLC, está dirigido a cáncer de pulmón no microcítico y se usa con PD-L1 CAL10. Su disponibilidad mediante Aperio AI Store significa que el punto de adopción propuesto va más allá de descargar un archivo y ejecutarlo fuera del sistema. Apunta a añadir un algoritmo dentro de un entorno que algunos laboratorios y compañías farmacéuticas ya manejan. Esa diferencia operativa no debe subestimarse. Muchas soluciones de análisis de imagen fallan en el laboratorio no solo por debilidad del modelo, sino por la fricción alrededor de transferir archivos, emparejar láminas, permisos de usuarios y producir resultados en un formato aceptable para los equipos del estudio.
Por qué esto importa al patólogo
La lectura manual de PD-L1 es conocida, pero se vuelve agotadora cuando el trabajo pasa de un caso diagnóstico individual a un proyecto de investigación o un ensayo farmacológico amplio. En el entorno de investigación, lo solicitado suele ir más allá de una decisión y se dirige hacia datos auditables: quién leyó la lámina, qué versión del algoritmo se usó, cómo se trataron las áreas no tumorales y si el resultado puede reproducirse en una revisión posterior.
La presencia de un algoritmo dentro del flujo Aperio puede ayudar a que estas preguntas formen parte del sistema de trabajo, en lugar de quedar dispersas entre escáner, servidor de imágenes, software de análisis y tablas externas. Para el patólogo, el valor no está en un número automático en la pantalla. El valor aparece cuando el equipo puede comparar la lectura humana con el análisis cuantitativo, abrir zonas de desacuerdo e identificar casos que necesitan segunda revisión, en vez de tratar todas las láminas de la misma forma.
En PD-L1 específicamente, el problema no es que todos los casos sean difíciles. Muchos son claros. El reto real está en los casos cercanos al umbral, muestras pequeñas, heterogeneidad dentro del tumor y separación entre células tumorales y células inflamatorias o estromales teñidas. Cualquier herramienta que afirme ayudar aquí debe demostrar cómo maneja estos detalles, no limitarse a producir un porcentaje final.
El punto fuerte: conectar tinción, imagen y análisis
La presencia de Leica en tinción y escaneo, Indica en gestión de imágenes y Lunit en el algoritmo da a la colaboración una dirección práctica. La patología computacional no trabaja en el vacío. La calidad de tinción, la estabilidad de la preparación, los ajustes de escaneo, la gestión de datos y los criterios de aceptación de láminas afectan el rendimiento del algoritmo. Por eso, vincular la herramienta a una ruta definida puede reducir algunas fuentes de variación que aparecen cuando un modelo se entrena en un entorno y se ejecuta en otro completamente distinto.
Pero esta conexión también plantea una pregunta profesional. Cuanto más se acerca el algoritmo a un flujo cerrado o semicerrado, más importante se vuelve la transparencia: ¿cuáles son los límites de uso? ¿Qué muestras se aceptan? ¿Cómo se documentan las versiones? ¿Puede el laboratorio exportar y revisar los datos fuera de la plataforma? ¿Existe una forma clara de manejar láminas rechazadas o casos en los que el modelo da un resultado inestable?
Uso en investigación, no diagnóstico
El comunicado dice claramente que el algoritmo Lunit SCOPE PD-L1 CAL10 NSCLC, así como elementos específicos del sistema, están destinados al uso en investigación y no al uso en procedimientos diagnósticos. También aclara que Aperio HALO AP tiene marca CE-IVDR para uso diagnóstico en Europa, Reino Unido y Suiza, mientras que en Estados Unidos sigue siendo de uso en investigación y no cuenta allí con autorización FDA para diagnóstico clínico.
Estos detalles no son un margen legal. Definen la forma correcta de leer la noticia. El anuncio no significa que el laboratorio pueda mañana usar el algoritmo para emitir un resultado clínico de PD-L1 para un paciente en todos los mercados. El significado más cercano es que existe una ruta orientada a investigación farmacológica y desarrollo de biomarcadores, y que puede probar cómo se vería una lectura cuantitativa de IHC cuando está conectada a una plataforma conocida de imágenes y gestión de datos.
Qué hay que vigilar después
Para los patólogos, las próximas preguntas son más importantes que la noticia misma. Necesitamos datos de validación publicados o disponibles para socios que muestren el rendimiento del algoritmo en distintos tipos de muestra, gradientes de tinción y múltiples centros. También necesitamos conocer el método para definir células tumorales en NSCLC, el mecanismo para excluir necrosis, pliegues y áreas fuera del tejido, y cómo se muestran los mapas de calor o áreas de conteo al revisor humano.
Otro aspecto que merece seguimiento es la relación con biomarcadores emergentes. PD-L1 es el punto de partida anunciado, pero la colaboración habla de otros biomarkers. Aquí el papel del patólogo se vuelve más sensible, porque algunos marcadores aún no tienen un lenguaje de lectura uniforme ni umbrales estables como las pruebas consolidadas. Introducir análisis cuantitativo temprano puede ayudar a las compañías farmacéuticas a entender distribución espacial y heterogeneidad intratumoral, pero puede generar confianza excesiva si el diseño estadístico y patológico no está claro.
Una lectura profesional de la noticia
Esta colaboración refleja una dirección esperada del mercado: los algoritmos de IHC no quedarán como herramientas separadas que muestran números aislados, sino que entrarán gradualmente en rutas de tinción, escaneo y gestión de imágenes. Por eso los patólogos tendrán que evaluarlos como parte de un sistema completo de trabajo, no solo como exactitud del modelo.
La posición práctica es una bienvenida cautelosa. Tener un algoritmo dentro de una ruta conocida puede reducir fricción y facilitar su uso en investigación farmacológica. A la vez, el juicio profesional debe seguir ligado a tres puntos: alcance de uso, datos de validación y forma de integrar el resultado en un informe o archivo de estudio revisable. Si las compañías responden a estos puntos con claridad, la noticia será más que un anuncio de asociación. Será una prueba importante de cómo el análisis cuantitativo de IHC pasa de demostraciones técnicas a trabajo diario en el que el patólogo pueda confiar.