IA veterinaria distingue tumores hepáticos en perros
La inteligencia artificial veterinaria sigue avanzando en áreas donde las imágenes médicas contienen más información de la que el ojo humano puede reconocer a simple vista. Un estudio publicado el 10 de noviembre de 2026 en Scientific Reports evaluó si la radiómica y el aprendizaje automático podían ayudar a diferenciar dos tipos de tumores hepáticos en perros antes de una cirugía.
Los investigadores trabajaron con tomografías computarizadas de 75 perros cuyos diagnósticos habían sido confirmados por histopatología. El objetivo fue distinguir carcinoma hepatocelular de adenoma hepatocelular, dos lesiones que pueden mostrar características parecidas en una tomografía convencional.
IA veterinaria aplicada a tomografías de perros
La radiómica convierte imágenes médicas en grandes conjuntos de datos cuantitativos. En lugar de limitarse a observar forma, tamaño o contraste, el sistema puede medir patrones de textura, intensidad y distribución de píxeles que después son analizados mediante algoritmos.
En este estudio, los autores extrajeron 1.316 características radiómicas de tomografías trifásicas y las evaluaron con distintos modelos de aprendizaje automático. Los mejores resultados surgieron al integrar información de varias fases del estudio de contraste.
Los modelos basados en árboles, como random forest y métodos de boosting, mostraron un rendimiento prometedor en la clasificación cruzada. Los rasgos relacionados con el lavado del contraste y determinadas texturas de la fase tardía resultaron especialmente informativos.
Por qué diferenciar estos tumores puede ser difícil
El carcinoma hepatocelular es un tumor maligno del hígado, mientras que el adenoma hepatocelular es benigno. Aunque se comportan de manera distinta, sus imágenes pueden solaparse y dificultar una diferenciación confiable cuando se utiliza únicamente la interpretación convencional de la tomografía.
Eso no significa que una herramienta de IA pueda emitir por sí sola un diagnóstico definitivo. En el estudio, los casos ya tenían confirmación histológica, lo que permitió entrenar y evaluar el sistema comparando las imágenes con un diagnóstico de referencia.
Los propios autores describen la técnica como un posible complemento no invasivo para la evaluación preoperatoria. La histopatología, el contexto clínico, los análisis y la valoración de especialistas siguen siendo fundamentales para tomar decisiones en un paciente real.
Qué es la radiómica y por qué interesa en veterinaria
La radiómica busca transformar una imagen en datos medibles. Dos masas que parecen similares para una persona pueden tener diferencias microscópicas de textura o distribución del contraste que un algoritmo detecta de manera consistente.
Esta estrategia ya se investiga ampliamente en medicina humana y está entrando con más fuerza en medicina veterinaria. Su atractivo es que aprovecha estudios de imagen que ya forman parte del proceso clínico y puede extraer de ellos información adicional sin realizar un procedimiento invasivo adicional.
Sin embargo, los modelos de aprendizaje automático dependen de la calidad de los datos con los que fueron construidos. Un sistema entrenado con una cohorte concreta puede rendir de forma diferente en hospitales, equipos de tomografía, poblaciones o protocolos distintos.
Los límites del estudio
El trabajo fue retrospectivo y reunió 75 perros, una muestra útil para una investigación exploratoria pero todavía limitada para convertir el modelo en una herramienta universal. Antes de una aplicación clínica amplia harían falta validaciones externas, idealmente con datos de distintos centros y equipos.
Otro punto importante es que “alto rendimiento” estadístico no equivale a infalibilidad. En medicina, una clasificación equivocada puede cambiar decisiones importantes, por lo que cualquier sistema de apoyo debe integrarse con el juicio profesional y con pruebas diagnósticas apropiadas.
El artículo está publicado con licencia Creative Commons Attribution 4.0 y sus autores señalan que las imágenes y otros materiales están incluidos bajo esa licencia salvo indicación específica en sentido contrario. Esa apertura puede facilitar que otros grupos reproduzcan métodos y comparen resultados.
Qué cambia para los dueños de perros
Por ahora, este estudio no introduce una prueba que los propietarios deban solicitar de rutina. Su importancia está en mostrar una dirección de investigación: usar herramientas de análisis computacional para apoyar a radiólogos y clínicos cuando dos enfermedades presentan imágenes similares.
Un diagnóstico de masa hepática requiere valoración veterinaria individual. Signos como pérdida persistente de apetito, debilidad, vómitos recurrentes, distensión abdominal o cambios marcados de comportamiento pueden tener muchas causas y no permiten identificar un tumor en casa.
Diario de Animales también ha cubierto otros avances tecnológicos aplicados a perros, como la edición genética con CRISPR en perros. La IA veterinaria pertenece a otro campo, pero comparte una característica: amplía lo que es técnicamente posible mientras obliga a distinguir con cuidado entre una prueba prometedora y una herramienta ya validada para uso cotidiano.
La investigación publicada hoy sugiere que la combinación de tomografía, radiómica y aprendizaje automático puede extraer señales útiles de lesiones hepáticas caninas. El siguiente paso será comprobar si esos resultados se mantienen en más pacientes, hospitales y contextos clínicos antes de que la tecnología pueda incorporarse de forma rutinaria.
