José ZegarraTable of Contents
Resumen
GLIOGEN-X es un proyecto europeo que investigará si las imágenes de resonancia magnética permiten predecir características moleculares de gliomas mediante inteligencia artificial. Coordinado por Siena Imaging y con participación de la UOC, prevé trabajar con más de 3.000 resonancias anotadas durante cuatro años.
Proyecto GLIOGEN-X investigará si la resonancia magnética permite predecir características moleculares de gliomas sin extraer tejido El proyecto europeo GLIOGEN-X investigará si la inteligencia artificial puede predecir características moleculares de gliomas a partir de resonancias magnéticas. Con participación de la UOC, busca desarrollar una biopsia virtual que podría ampliar las opciones diagnósticas. Es investigación en curso: todavía no demuestra que pueda sustituir la biopsia de tejido.
Claves de la noticia
- GLIOGEN-X investigará la relación entre imágenes de resonancia magnética y características moleculares de gliomas.
- El proyecto prevé utilizar más de 3.000 resonancias anotadas de hospitales de Mánchester y Sheffield.
- La UOC aportará experiencia en aprendizaje federado para colaborar entre centros sin centralizar las imágenes clínicas.
- La investigación combinará IA generativa, predicción interpretable y evaluación de incertidumbre.
- Los resultados preliminares citados no equivalen a una validación clínica del nuevo proyecto.
Lima, Perú, 12 de octubre de 2026.— La inteligencia artificial aplicada a las imágenes médicas abre una pregunta decisiva para la neurooncología: ¿cuánta información sobre la biología de un tumor puede recuperarse de una resonancia magnética? GLIOGEN-X buscará comprobarlo mediante modelos capaces de relacionar imágenes cerebrales con características moleculares de gliomas.
La Universitat Oberta de Catalunya (UOC) participa en esta iniciativa, coordinada por Siena Imaging, junto con instituciones de investigación y salud europeas. Según el comunicado, el proyecto dispone de 3.996.043,38 euros durante cuatro años y prevé trabajar con más de 3,000 resonancias magnéticas anotadas.
Su posible impacto resulta especialmente relevante para pacientes en quienes obtener una muestra de tejido supone dificultades. Sin embargo, la utilidad clínica deberá demostrarse: el objetivo anunciado es investigar una hipótesis, no presentar una herramienta diagnóstica lista para su aplicación asistencial. UOC
El desafío que enfrenta la industria
Para una persona con un tumor cerebral, conocer sus características puede orientar decisiones clínicas fundamentales. Pero obtener esa información puede requerir procedimientos invasivos, cuya viabilidad depende de cada situación. La propuesta de una biopsia virtual surge de esa necesidad humana: investigar si las imágenes que ya forman parte del estudio del paciente pueden aportar más información útil.
El desafío consiste en demostrar que los patrones identificados por un algoritmo reflejan características del tumor de manera reproducible. Una asociación estadística prometedora necesita sostenerse ante otros pacientes, equipos de resonancia y protocolos antes de respaldar decisiones clínicas.
De observar el tumor a investigar su perfil molecular
La resonancia magnética proporciona imágenes que ayudan a estudiar las lesiones cerebrales. GLIOGEN-X quiere explorar una capacidad adicional: predecir características moleculares del glioma a partir de esas imágenes.
Esta propuesta se relaciona con la radiogenómica, un campo que estudia asociaciones entre rasgos de imagen y características genéticas o moleculares. En términos sencillos, busca determinar si ciertas manifestaciones visibles contienen señales útiles sobre procesos biológicos que normalmente se investigan mediante otros métodos.
La distinción es importante: inferir una característica molecular no equivale a medirla directamente en tejido. Como ejemplo de los límites actuales de la imagen, el Instituto Nacional del Cáncer de Estados Unidos explica que los gliomas difusos de línea media en adultos no pueden diagnosticarse únicamente mediante imágenes, porque pueden parecerse a otros tumores. Esta observación se refiere a ese tipo específico de glioma. cancer.gov
Precisamente por ello, la pregunta científica de GLIOGEN-X tiene valor: determinar hasta dónde puede llegar la información contenida en una resonancia y dónde permanecen sus límites.
Qué investigará GLIOGEN-X
La ficha del proyecto en CORDIS, el servicio de información de investigación de la Comisión Europea, registra su inicio el 1 de octubre de 2026 y su finalización prevista el 30 de septiembre de 2030. La iniciativa pertenece al programa del European Innovation Council.
Su propuesta combina tres líneas: generación controlada de imágenes sintéticas, predicción interpretable con consideración de la incertidumbre y una infraestructura de investigación federada. La ficha subraya que tanto confirmar como refutar la hipótesis central aportaría conocimiento sobre los límites informativos de la resonancia magnética. Commissione europea
| Componente | Función prevista | Qué deberá evaluarse |
|---|---|---|
| Resonancias anotadas | Relacionar las imágenes con información clínica y molecular de referencia | Calidad, consistencia y representatividad de los datos |
| IA generativa | Producir imágenes sintéticas condicionadas por características del tumor | Que las señales generadas sean relevantes y no introduzcan asociaciones artificiales |
| Modelos interpretables | Predecir características moleculares con resultados examinables | Desempeño por subtipo, errores e incertidumbre |
| Aprendizaje federado | Entrenar y validar mediante colaboración distribuida entre hospitales | Seguridad del intercambio y consistencia entre centros |
| Plataforma de investigación | Facilitar experimentación y reutilización científica | Reproducibilidad y documentación de procedimientos |
Elaboración editorial a partir de los objetivos del proyecto. La columna de evaluación plantea criterios analíticos; no presenta resultados ya obtenidos.
La aportación de la UOC: colaboración entre hospitales
La UOC participa a través del Cognitive Neuroscience and Applied Data Science Lab —NeuroADaS Lab—, adscrito al eHealth Centre.
El consorcio está coordinado por la empresa italiana Siena Imaging s.r.l. e incluye a Fondazione Toscana Life Sciences, la Universidad de Mánchester y Northern Care Alliance NHS Foundation Trust, esta última como entidad afiliada.
Para la UOC, formar parte de un proyecto europeo EIC Pathfinder como GLIOGEN-X es especialmente relevante, tanto por el alto nivel de competitividad de este programa como por la ambición científica de los proyectos que se impulsan en investigación sobre el cáncer. Esta participación refuerza el compromiso de la UOC con una investigación puntera, interdisciplinaria y orientada a generar un impacto real en la salud y en la vida de las personas”, afirma Ferran Prados, investigador principal del NeuroADaS Lab.
La publicación completa de la UOC detalla que su contribución abarcará la infraestructura de aprendizaje federado y la exploración del aporte de datos sintéticos cuando resulte científicamente útil y técnicamente posible.
Cómo funciona el aprendizaje federado
En un esquema federado, los centros pueden entrenar modelos con datos que permanecen localmente y compartir actualizaciones del modelo para construir un aprendizaje conjunto. Esto reduce la necesidad de reunir todos los registros originales en un único repositorio. Fuente: ibm.com
La analogía sería una colaboración entre especialistas que contrastan lo aprendido sin trasladar todos sus archivos clínicos a una misma oficina.
Sin embargo, mantener las imágenes en origen no resuelve automáticamente todas las obligaciones de privacidad. La evaluación técnica deberá considerar los intercambios entre participantes, los permisos, la trazabilidad y la protección de la infraestructura. El cumplimiento normativo debe demostrarse mediante el conjunto del diseño y su operación.
Qué significa el resultado preliminar del 86–96 %
El comunicado atribuye a investigaciones anteriores de Siena Imaging una precisión del 86–96 % para predecir los principales subtipos moleculares de gliomas.
Ese rango constituye un antecedente comunicado por los responsables, no el resultado de GLIOGEN-X ni una garantía de desempeño para cualquier paciente.
El material proporcionado no detalla, para cada valor, el tamaño de la muestra, el subtipo evaluado, los intervalos de confianza o las condiciones de validación. Sin esos elementos, no corresponde convertir el porcentaje en una afirmación general de eficacia clínica.
En la práctica, un indicador agregado puede ocultar diferencias entre grupos. Para evaluar una herramienta de este tipo interesa conocer qué errores comete, en qué situaciones aparecen y cómo expresa la incertidumbre de sus predicciones.
Tampoco deben confundirse más de 3,000 resonancias con más de 3,000 pacientes: el comunicado informa estudios de imagen, sin establecer aquí una equivalencia individual.
Beneficios potenciales y desafíos pendientes
El horizonte más relevante es ampliar la información disponible cuando una intervención para obtener tejido resulte especialmente compleja. Si la investigación demuestra utilidad, podría contribuir a desarrollar nuevas herramientas de apoyo diagnóstico.
Por ahora, el proyecto no anuncia una sustitución general de la biopsia, una mejora demostrada de supervivencia ni una aplicación disponible en el Perú.
Desde una perspectiva de evaluación tecnológica, el paso hacia el uso asistencial requeriría comprobar aspectos como:
- Validez externa: desempeño en centros y poblaciones diferentes de los utilizados durante el desarrollo.
- Utilidad clínica: aporte real a las decisiones y al proceso de atención.
- Incertidumbre: identificación de resultados insuficientemente confiables.
- Integración: presentación comprensible para los profesionales responsables.
- Gobernanza: protección de datos, trazabilidad y supervisión del sistema.
La conexión con la inteligencia artificial en salud es directa: el valor de un modelo debe examinarse por la calidad de la evidencia y por su contribución al cuidado de las personas.
¿Por qué es importante?
Para directores médicos, responsables de innovación y líderes de TI hospitalaria, GLIOGEN-X muestra cómo la IA puede conectar imágenes, información molecular y colaboración entre instituciones. También plantea requisitos concretos: datos de calidad, validación externa, protección de información sensible y resultados comprensibles antes de incorporar nuevas herramientas al proceso asistencial.
Visión Estratégica
Para el Perú y para Latinoamérica, el interés de GLIOGEN-X reside en observar cómo se construye evidencia para una tecnología potencialmente útil en neurooncología. Su avance puede ofrecer aprendizajes sobre colaboración hospitalaria, calidad de imágenes y evaluación de modelos, incluso si la hipótesis inicial solo se confirma parcialmente.
Una eventual adopción regional necesitaría validación en las condiciones locales: equipos disponibles, protocolos de resonancia, características de los pacientes y capacidad de los servicios para interpretar los resultados. La transferencia tecnológica debería contemplar también formación, interoperabilidad y mantenimiento.
La prioridad es preparar instituciones capaces de evaluar estas herramientas con rigor. Universidades, hospitales y equipos de TI pueden trabajar en datos mejor documentados y procesos de investigación responsables. Una tecnología más humana se construye cuando la promesa de reducir procedimientos invasivos avanza junto con evidencia suficiente para proteger a quienes esperan un diagnóstico.
Datos citables
- 3.996.043,38 euros: presupuesto total anunciado en el comunicado de la UOC.
- Cuatro años: duración prevista del proyecto.
- 1 de octubre de 2026: fecha de inicio registrada en CORDIS.
- 30 de septiembre de 2030: fecha prevista de finalización.
- Más de 3.000 resonancias anotadas: conjunto de imágenes previsto, procedente de hospitales de Mánchester y Sheffield.
- 86–96 %: rango de precisión comunicado para investigaciones previas de Siena Imaging; no corresponde a resultados del nuevo proyecto.
Fuentes: comunicado de la UOC y ficha oficial de CORDIS.
Knowledge Layer — Glosario
Glioma
Familia de tumores del sistema nervioso central cuya clasificación considera características del tejido y rasgos moleculares. Los distintos tipos presentan comportamientos diferentes.
Resonancia magnética —RM—
Técnica de imagen que utiliza campos magnéticos y ondas de radio para obtener imágenes del interior del cuerpo.
Perfil molecular
Conjunto de características biológicas de un tumor, como determinadas alteraciones genéticas, que puede contribuir a su clasificación y evaluación clínica.
Biopsia virtual
En este proyecto, propuesta de inferir características moleculares del tumor mediante imágenes e IA, sin extraer tejido para esa predicción. Su utilidad está en investigación.
Radiogenómica
Campo que estudia relaciones entre características de las imágenes médicas y propiedades genéticas o moleculares de las lesiones.
Imágenes anotadas
Estudios de imagen acompañados de información de referencia, como delimitaciones, etiquetas o características clínicas relevantes para entrenar y evaluar modelos.
Datos sintéticos
Datos generados artificialmente para representar determinadas características. Su utilidad depende de comprobar su calidad y evitar que introduzcan sesgos o patrones engañosos.
Aprendizaje federado
Método de entrenamiento colaborativo en el que los datos originales permanecen distribuidos entre instituciones y se intercambian actualizaciones del modelo.
IA interpretable
Enfoque que facilita examinar cómo un modelo produce sus resultados. La interpretabilidad ayuda a evaluarlo, pero no garantiza por sí sola su exactitud.
Validación externa
Evaluación de un modelo con datos independientes de los empleados en su desarrollo, idealmente procedentes de otros centros o contextos.
Tu Opinión Nos Importa 🗣️
En IT/USERS® nos interesa una inteligencia artificial que amplíe las posibilidades de atención sin perder de vista la evidencia, la privacidad y la dignidad del paciente.
¿Qué necesitarían nuestros hospitales y universidades para participar en investigaciones de este tipo? ¿Cómo podemos acercar sus futuros beneficios a más personas en Perú y Latinoamérica?
Comparte tu perspectiva con #ItusersAwards2026 y #superfan.
Apoya al Periodismo Independiente
¿Te sirvió en algo este contenido?, ayúdanos a combatir la Desinformación, dona desde S/ 1.00 a nuestro PLIN 943-438-457
