Un infarto de miocardio ya es, por sí solo, un evento que obliga a decidir rápido y con pocos márgenes de error. Si la persona tiene cáncer, la situación se vuelve todavía más delicada. El sistema cardiovascular suele estar más frágil, ya sea por el propio tumor, por tratamientos oncológicos previos o por un estado general debilitado. En ese contexto, el riesgo no es solo “volver a tener otro susto”: se incrementan las probabilidades de morir, de sufrir un sangrado grave o de padecer otro episodio cardiovascular importante en los meses posteriores.
La dificultad práctica se parece a conducir con lluvia intensa y obras en la carretera a la vez: frenar demasiado puede hacerte chocar por detrás; frenar poco puede sacarte de la vía. En medicina, ese equilibrio se traduce en escoger la prevención secundaria adecuada tras un síndrome coronario agudo: hay que reducir el riesgo de nuevos coágulos, sin disparar el riesgo de sangrado. En pacientes con cáncer, esa balanza es especialmente inestable.
El dilema clínico: trombosis y riesgo de sangrado al mismo tiempo
Tras un infarto, es frecuente usar antiagregantes plaquetarios para evitar que se formen trombos que tapen arterias o stents. El problema es que en el cáncer pueden coexistir, según las características del tumor, riesgos aparentemente opuestos: mayor tendencia a la coagulación arterial y, a la vez, mayor probabilidad de hemorragias. Y cada escenario exige matices distintos en el tipo e intensidad de la terapia antiagregante.
Hasta ahora, faltaba una herramienta estándar que ayudara a orientar estas decisiones en un grupo que, pese a su complejidad, ha estado menos representado en investigación clínica. El resultado era una medicina muy dependiente de la experiencia del equipo, del hospital y de la “intuición informada”, con la incertidumbre que eso conlleva cuando el reloj corre.
Qué es ONCO-ACS y por qué importa
Un equipo internacional liderado por la Universidad de Leicester ha desarrollado un modelo de predicción de riesgo diseñado específicamente para pacientes con cáncer que sufren un infarto. Lo han llamado ONCO-ACS y su objetivo es muy concreto: estimar la probabilidad de tres desenlaces dentro de los seis meses posteriores al evento agudo: muerte, sangrado mayor u otro evento isquémico significativo (como un nuevo infarto, ictus o muerte cardiovascular).
La novedad no es solo que use inteligencia artificial, sino que combina información clínica habitual con factores relacionados con el cáncer. Dicho de forma cotidiana, es como pasar de un mapa que solo muestra carreteras principales a un GPS que también tiene en cuenta desvíos, tráfico y restricciones temporales: las decisiones siguen siendo humanas, pero se toman con un tablero de mandos más ajustado a la realidad del paciente.
Según los autores, este sería el primer modelo pensado expresamente para esta población. El trabajo se ha publicado en The Lancet y se apoya en un volumen de datos poco común en investigación clínica de este tipo.
De dónde salen los datos: más de un millón de casos
El estudio analizó registros de más de un millón de pacientes con infarto procedentes de Inglaterra, Suecia y Suiza, incluyendo más de 47.000 personas con cáncer. Ese tamaño importa por una razón sencilla: cuando se intenta predecir riesgos en subgrupos complejos, los modelos se vuelven poco fiables si se entrenan con muestras pequeñas o demasiado homogéneas.
Los resultados subrayan por qué era urgente afinar la toma de decisiones. En el grupo con cáncer, el pronóstico fue especialmente duro: cerca de uno de cada tres pacientes murió en los seis meses siguientes al infarto. Aproximadamente uno de cada catorce sufrió un sangrado mayor, y alrededor de uno de cada seis experimentó otro evento cardiovascular grave en ese mismo periodo. Estas cifras, comunicadas por el equipo investigador, dibujan un escenario en el que cada ajuste del tratamiento puede tener consecuencias relevantes.
Cómo puede cambiar la conversación en la consulta
En la práctica, un score como ONCO-ACS puede servir para personalizar decisiones que hoy se discuten con una mezcla de guías generales y prudencia. Por ejemplo, al valorar un tratamiento cateterismo-dependiente o al decidir el tipo y duración de la terapia con antiagregantes plaquetarios. No se trata de que un algoritmo “decida” por el médico, sino de ofrecer una estimación cuantitativa que ayude a comparar riesgos y beneficios con más claridad.
Es útil imaginarlo como una báscula de cocina cuando estás ajustando una receta sensible: sin ella, puedes acertar por experiencia, pero el margen de error es mayor; con ella, el ajuste es más fino. En un paciente con cáncer, donde el equilibrio entre trombosis y riesgo de sangrado cambia según el momento del tratamiento oncológico y el estado del organismo, esa precisión puede traducirse en menos complicaciones evitables.
En el comunicado de la Universidad de Leicester, el primer autor, Florian A. Wenzl, remarca que estos pacientes han sido durante años un “punto ciego” en la investigación cardiológica, pese a ser de los casos más difíciles. El enfoque de ONCO-ACS pretende cubrir ese hueco con una predicción adaptada a la realidad de la cardio-oncología, un área que cada vez pesa más en hospitales donde la supervivencia al cáncer aumenta y la cardiopatía convive con él.
Medicina personalizada con cautelas: integración, sesgos y explicabilidad
Aunque el modelo esté validado, su impacto dependerá de cómo se integre en la clínica. Para que funcione como herramienta diaria, suele necesitarse integración con historias clínicas electrónicas y flujos de trabajo que no añadan carga extra al profesional. También será clave vigilar el rendimiento del modelo en distintos contextos, porque incluso con bases de datos grandes pueden aparecer sesgos: diferencias en acceso a tratamientos, perfiles de pacientes, criterios de codificación o prácticas asistenciales entre países y hospitales.
Otro punto práctico es la comunicación. Los scores de riesgo son útiles cuando ayudan a conversar mejor con el paciente y su familia: “tu riesgo de sangrado es alto” no significa lo mismo que “según este modelo, tu probabilidad de sangrado mayor en seis meses está por encima de lo habitual, y por eso ajustamos el tratamiento”. La inteligencia artificial aporta potencia estadística, pero la confianza se construye con explicaciones comprensibles y decisiones compartidas.
El propio equipo plantea que ONCO-ACS puede apoyar la implementación de guías clínicas y ayudar a diseñar ensayos futuros orientados a mejorar resultados en pacientes con cáncer que sufren un síndrome coronario agudo. En ese sentido, su valor no se limita al “aquí y ahora” de la urgencia: también puede servir para ordenar la investigación, identificar qué estrategias merecen probarse y en qué subgrupos.
Quién lo financia y por qué esa pista es importante
El estudio fue financiado por Cancer Research UK y la British Heart Foundation, con apoyo del programa Big Data for Complex Diseases de Health Data Research UK. En investigaciones basadas en grandes registros, la financiación y el soporte institucional suelen marcar la diferencia entre un modelo prometedor y una herramienta suficientemente robusta como para aspirar a uso clínico real.
Entre los autores se menciona a Thomas F. Lüscher, vinculado al National Heart and Lung Institute de Imperial College London y a los hospitales Royal Brompton y Harefield, quien encuadra el avance como un paso hacia una medicina personalizada que tenga en cuenta, de forma simultánea, el cáncer y la cardiopatía. En otras palabras: dejar de tratar cada problema como si viviera en un compartimento separado.