Inteligencia artificial: el nuevo aliado para optimizar el cribado del cáncer colorrectal

El Diario de León informa de que el proyecto dirigido por Antonio José Molina, del Grupo de Investigación en Interacción Gen-Ambiente-Salud (GIIGAS) de la Universidad de León, ha sido distinguido en el marco del Premio Innova 2026 por desarrollar un modelo de inteligencia artificial orientado a mejorar la detección precoz del cáncer colorrectal. Para quienes acompañamos cada día a personas de entre 50 y 74 años en los circuitos de cribado, la noticia abre una puerta concreta: reordenar el riesgo individual antes de decidir una colonoscopia.

El cuello de botella que ya conocemos

En la práctica diaria, todos hemos vivido la misma frustración. El cribado poblacional mediante sangre oculta en heces, implantado en España desde 2014, ha demostrado ser una herramienta eficaz, pero arrastra limitaciones que pesan sobre el ánimo del clínico. Los falsos positivos disparan colonoscopias que no iban a encontrar nada; los falsos negativos ofrecen una tranquilidad que no se sostiene; y la participación sigue siendo baja. El resultado es que el umbral actual —tener una edad determinada o antecedentes familiares de primer grado— resulta demasiado grueso para quien tiene que decidir si una persona se beneficia o no de una prueba invasiva.

Cuando un paciente llega con un test positivo y termina en una colonoscopia limpia, el sistema ha funcionado en términos de seguridad, pero hemos gastado recursos y generado ansiedad de forma innecesaria. El reto asistencial no es nuevo, pero sigue sin resolverse del todo en nuestras consultas.

Qué aporta el modelo

El proyecto que ha merecido el Premio Innova 2026 busca precisamente eso: traducir el riesgo individual en una probabilidad que el clínico pueda aplicar antes de indicar la siguiente prueba. Para ello, el equipo de Molina integra datos genómicos, metabolómicos, clínicos y epidemiológicos en un algoritmo capaz de afinar a qué personas conviene explorar con más detalle y a cuáles se les puede evitar una intervención invasiva.

La colaboración con el centro de Supercomputación de Castilla y León (SCAYLE) y con institutos de investigación biomédica como FISABIO (Valencia) y el IDIBAPS-Clinic (Barcelona) apunta a un modelo con capacidad de cálculo real, no a un ejercicio puramente académico. La promesa, en términos que nos suenan familiares, es estratificar mejor a la población cribada para que la decisión de indicar colonoscopia dependa del riesgo calculado y no solo del resultado positivo en sangre oculta.

Qué conviene seguir de cerca

Por ahora, lo prudente es recordar que estamos ante una línea de investigación reconocida con un premio, no ante una herramienta ya implantada en los circuitos asistenciales. Los siguientes hitos que merecen nuestra atención son la evaluación del modelo en cohortes distintas a las de entrenamiento, la integración real con los sistemas de historia clínica electrónica y, sobre todo, los criterios operativos que se deriven: quién activa el algoritmo, con qué datos y en qué momento del proceso.

Si el modelo madura como prometen sus responsables, el flujo que hoy vivimos en consulta —test de heces, colonoscopia si positivo, vuelta a empezar— podría modificarse para incorporar una capa de riesgo individual antes de la prueba invasiva. En ese escenario, el profesional dejaría de ser un simple vigilante de resultados para convertirse en intérprete de probabilidades, un papel que ya estamos aprendiendo a ejercer con otras herramientas de apoyo.