Los biomarcadores —proteínas, material genético, exosomas y otros indicadores biológicos— son fundamentales para la detección precoz del cáncer, aumentando las tasas de supervivencia. Sin embargo, la tecnología impulsada por la inteligencia artificial (IA) está llevando este campo más allá de la detección, hacia la predicción de respuestas terapéuticas.
Un reciente avance de AstraZeneca y Tempus AI demostró cómo el aprendizaje contrastivo puede identificar biomarcadores capaces de pronosticar la respuesta de los pacientes a distintos tratamientos. Su Predictive Biomarker Modeling Framework (PBMF) mejoró la selección de pacientes en ensayos clínicos retrospectivos de inmuno-oncología, logrando un beneficio de supervivencia del 15% respecto a los diseños tradicionales.
El modelo combina IA generativa, modelos de lenguaje extensos (LLM) y aprendizaje automático tradicional, marcando un cambio en la forma de entender el diagnóstico: ya no solo identificar la enfermedad, sino orientar con precisión las decisiones terapéuticas.
Los investigadores también avanzaron en el uso de algoritmos para predecir respuestas a la inmunoterapia con inhibidores de puntos de control inmunitarios (ICI), una de las áreas más prometedoras de la oncología moderna.
Se espera que en los próximos años aumente la inversión en estas herramientas predictivas y que la atención oncológica impulsada por IA se consolide como una de las principales tendencias científicas de 2026, ofreciendo tratamientos más personalizados y efectivos.







