Una red neuronal clasifica 7 tumores caninos en citología

RESUMEN

Un equipo de investigadores de Italia y del Reino Unido, con un trabajo publicado en Frontiers in Veterinary Science, desarrolló y evaluó una red neuronal convolucional (CNN) para clasificar de forma automática siete tumores caninos frecuentes a partir de imágenes digitales de citología completa (whole slide images). El estudio se presenta como una prueba de concepto: entrenaron el modelo con 91 casos caninos teñidos con May-Grünwald Giemsa, divididos en más de 22.000 parches de imagen, y lo evaluaron en tres niveles distintos de análisis.

Los resultados muestran una precisión media de 86,3% a nivel de parche individual, que sube a 100% cuando el sistema analiza regiones ya señaladas por un experto, y llega a 92,9% cuando clasifica la lámina completa sin ninguna intervención humana, incluyendo el diagnóstico correcto entre las tres primeras opciones en la totalidad de los casos evaluados. Los propios autores advierten que se trata de evidencia preliminar, obtenida en un solo centro y con casos típicos bien diferenciados, que todavía necesita validarse frente a casos clínicos complejos antes de pensar en su uso real.

¿QUÉ ESTÁ PASANDO?

La citología es, en la práctica veterinaria de primera opinión, una herramienta más central que en medicina humana: permite evaluar masas cutáneas, ganglios o derrames con una muestra rápida y de bajo costo, sin necesidad de biopsia ni anestesia prolongada. Pero su lectura depende por completo del criterio del patólogo o del clínico, y es un hecho conocido que existe variabilidad entre distintos observadores, e incluso en el mismo observador en días diferentes.

En medicina humana, la digitalización de láminas y el uso de redes neuronales ya se aplican en el cribado de cáncer cervicouterino y en citología urinaria, reduciendo la carga de revisión manual sin perder sensibilidad diagnóstica. La veterinaria, en cambio, cuenta con pocas herramientas de IA validadas para citología, a pesar de que la masificación de escáneres de lámina completa y de los servicios de teleconsulta en patología está creando la infraestructura necesaria para que estas herramientas existan. Este estudio busca cerrar parte de esa brecha, probando si una arquitectura ya usada en imagenología médica puede aprender a distinguir carcinoma, histiocitoma, linfoma, tumor de mastocitos, melanoma, tumor de células plasmáticas y sarcoma de tejido blando a partir del patrón visual de las células.

¿POR QUÉ ES IMPORTANTE PARA UNA CLÍNICA VETERINARIA?

Para una clínica de una a diez personas, la citología se usa casi a diario frente a un nódulo cutáneo, una adenopatía o un derrame abdominal. En muchos casos la lámina se envía a un laboratorio externo y el resultado demora horas o días en volver, sobre todo si no hay un patólogo veterinario disponible en el lugar donde se atiende al paciente. Una herramienta de apoyo diagnóstico, si logra validarse en casos reales y no solo en casos típicos como los de este estudio, podría ayudar a acelerar el triaje de esas muestras: separar más rápido lo que es claramente benigno de lo que necesita revisión urgente de un especialista.

Esto no reemplaza al patólogo, y el propio estudio lo deja explícito: son resultados de prueba de concepto en un cohorte curado de un solo centro, con tumores típicos y bien diferenciados. La aplicación en la práctica real deberá demostrar que el sistema también funciona frente a casos ambiguos, mezclas celulares poco claras o tinciones distintas a las usadas en el estudio. Pero marca una dirección concreta: los laboratorios de referencia y los servicios de teleconsulta en patología probablemente empezarán a ofrecer, en los próximos años, algún grado de preclasificación asistida por IA, de forma similar a lo que ya ocurre en radiología veterinaria.

¿QUÉ PUEDE APRENDER UNA CLÍNICA?

• La IA aplicada a citología está en fase de prueba de concepto: útil para seguir de cerca, prematura para reemplazar el criterio de un patólogo veterinario.
• Los laboratorios de referencia que digitalizan sus láminas (whole slide imaging) están mejor posicionados para incorporar este tipo de apoyo diagnóstico cuando esté validado.
• La calidad del registro clínico importa tanto como la tecnología: un resultado de citología bien documentado, con fecha, lesión muestreada y hallazgos, es la base para comparar cualquier herramienta futura.
• Conviene preguntar al laboratorio externo si ya trabaja con escáneres digitales o planea hacerlo, porque eso condiciona qué tan rápido una clínica podrá acceder a este tipo de apoyo.
• Ningún resultado de IA, por alto que sea su porcentaje de precisión, debería cambiar una conducta clínica sin la validación de un profesional capacitado.

RELACIÓN CON WIREVET

Independiente de si una clínica usa o no un laboratorio con IA, el valor de un resultado citológico depende de que quede bien registrado y vinculado al paciente correcto. En WIREVET, esto se relaciona directamente con el módulo de Órdenes de examen, que permite solicitar el estudio al laboratorio y dejar el resultado asociado a la ficha del paciente, con fecha y contexto clínico. Mientras la IA diagnóstica en citología todavía no está lista para uso clínico generalizado, lo que sí puede empezar hoy es ordenar mejor ese flujo: qué se pidió, a quién, cuándo llegó el resultado y qué decisión clínica se tomó a partir de él, de modo que si en el futuro un laboratorio ofrece un informe asistido por IA, la clínica ya tenga el hábito de registrarlo con el mismo rigor.

APLICACIÓN PRÁCTICA

Esta semana, un veterinario o administrador puede hacer tres cosas concretas. Primero, revisar con el laboratorio de referencia qué tecnología usa para procesar las citologías que envía la clínica y si tiene planes de digitalización. Segundo, auditar cómo se están registrando hoy los resultados de citología en la ficha de los pacientes: si quedan como un PDF suelto o si están realmente vinculados al caso y a la conducta que se tomó después. Tercero, conversar con el equipo clínico sobre el tema, no para adoptar nada todavía, sino para que entiendan que la IA diagnóstica en patología veterinaria está avanzando y que, cuando llegue validada, lo importante seguirá siendo el criterio del profesional que interpreta el resultado.

FUENTE ORIGINAL

El estudio completo, firmado por M. Attini, E. Newing, I. L. Oikonomidis, T. K. Tsouloufi y L. Ressel, fue publicado en octubre de 2026 en Frontiers in Veterinary Science.

CONCLUSIÓN

Este trabajo no significa que mañana un software vaya a diagnosticar tumores caninos por sí solo, pero sí confirma que la dirección hacia la que avanza la patología veterinaria incluye cada vez más apoyo de inteligencia artificial, igual como ya ocurrió antes en radiología e imagenología. Para una clínica, el aprendizaje no está en la tecnología en sí, sino en empezar a ordenar desde ya los procesos de solicitud y registro de exámenes, de modo que cuando estas herramientas estén validadas y disponibles, la clínica pueda aprovecharlas sin tener que rehacer su flujo de trabajo desde cero.

En WIREVET es importante que conozcas estas noticias para ayudarte a entender tu negocio, anticiparte a los cambios tecnológicos y tomar mejores decisiones para la gestión de tu clínica veterinaria.