{"id":187116,"date":"2026-06-17T14:00:22","date_gmt":"2026-06-17T17:00:22","guid":{"rendered":"https:\/\/www.itsitio.com\/ar\/?p=187116"},"modified":"2026-06-17T16:24:30","modified_gmt":"2026-06-17T19:24:30","slug":"de-10-dias-a-5-minutos-como-el-garrahan-y-una-startup-argentina-usan-inteligencia-artificial-para-acelerar-decisiones-clave-en-cancer-pediatrico","status":"publish","type":"post","link":"https:\/\/www.itsitio.com\/ar\/inteligencia-artificial\/de-10-dias-a-5-minutos-como-el-garrahan-y-una-startup-argentina-usan-inteligencia-artificial-para-acelerar-decisiones-clave-en-cancer-pediatrico\/","title":{"rendered":"De 10 d\u00edas a 5 minutos: c\u00f3mo el Garrahan y una startup argentina usan inteligencia artificial para acelerar decisiones clave en c\u00e1ncer pedi\u00e1trico"},"content":{"rendered":"

Un estudio que hoy puede demorar entre una semana y diez d\u00edas podr\u00eda ofrecer una orientaci\u00f3n inicial en apenas cinco minutos<\/strong>. Ese es el objetivo del proyecto BRAF<\/strong>, una herramienta digital basada en inteligencia artificial que desarrollan profesionales del Hospital Garrahan junto a Kuvia, una startup argentina enfocada en IA aplicada al diagn\u00f3stico oncol\u00f3gico<\/strong>.<\/p>\n

La iniciativa forma parte de Transformar Salud<\/strong>, el programa impulsado por Roche<\/strong><\/a> y Fundaci\u00f3n Garrahan<\/strong> que convoca a equipos de salud p\u00fablica de todo el pa\u00eds para desarrollar soluciones digitales con impacto en el acceso, la calidad de atenci\u00f3n y la gesti\u00f3n sanitaria.<\/p>\n

El foco est\u00e1 puesto en la mutaci\u00f3n BRAF V600E, una alteraci\u00f3n gen\u00e9tica presente en distintos tumores s\u00f3lidos pedi\u00e1tricos<\/strong>. Su detecci\u00f3n puede aportar informaci\u00f3n para el diagn\u00f3stico, el pron\u00f3stico y la selecci\u00f3n de tratamientos dirigidos<\/strong>. La presencia o ausencia de esta mutaci\u00f3n puede influir en el pron\u00f3stico del paciente y en la elecci\u00f3n de terapias dirigidas espec\u00edficas.<\/p>\n

\"Especialistas
Especialistas del Hospital Garrahan y la startup Kuvia desarrollan una herramienta de inteligencia artificial capaz de identificar indicios de la mutaci\u00f3n BRAF V600E a partir de im\u00e1genes digitalizadas de biopsias tumorales.<\/figcaption><\/figure>\n

Sin embargo, la herramienta no diagnostica c\u00e1ncer desde cero: se aplica sobre casos donde el paciente ya tiene diagn\u00f3stico oncol\u00f3gico y act\u00faa en una etapa posterior, vinculada a la caracterizaci\u00f3n molecular del tumor<\/strong>.<\/p>\n

\u201cLo que hacemos nosotras no es detectar c\u00e1ncer, sino que partimos de casos en donde ya sabemos que el paciente tiene c\u00e1ncer<\/strong>, e intervenimos en el paso posterior, que es la selecci\u00f3n del tratamiento \u00f3ptimo\u201d<\/em>, explic\u00f3 Ana Gorodisch, bioingeniera y cofundadora de Kuvia<\/a><\/strong>.<\/p>\n

\"Ana
Ana Gorodisch, bioingeniera y cofundadora de Kuvia.<\/figcaption><\/figure>\n

C\u00f3mo naci\u00f3 la colaboraci\u00f3n<\/span><\/h2>\n

El v\u00ednculo entre el Garrahan y Kuvia comenz\u00f3 antes de Transformar Salud. La startup ya ven\u00eda trabajando en modelos de inteligencia artificial aplicados a biomarcadores oncol\u00f3gicos<\/strong>, con desarrollos previos en colon y endometrio. Ese antecedente fue el primer punto de contacto con el equipo del hospital.<\/p>\n

Jessica L\u00f3pez Mart\u00ed, pat\u00f3loga pediatra del Garrahan y coordinadora del Laboratorio de Patolog\u00eda Molecular del Servicio de Patolog\u00eda<\/strong>, record\u00f3 que la presentaci\u00f3n inicial gener\u00f3 un fuerte inter\u00e9s. \u201cEllas nos presentaron un desarrollo que hab\u00edan hecho en el estudio de la inestabilidad microsatelital en c\u00e1ncer de endometrio, y nosotros quedamos fascinadas, impactadas con ese desarrollo\u201d<\/em>, cont\u00f3.<\/p>\n

En ese momento, el equipo m\u00e9dico ya ve\u00eda aplicaciones posibles, pero faltaban recursos. \u201cSe nos ocurrieron un mont\u00f3n de ideas para aplicar en nuestro trabajo diario, pero no ten\u00edamos dinero, b\u00e1sicamente, ni c\u00f3mo poder interaccionar con ellas\u201d<\/em>, explic\u00f3 L\u00f3pez Mart\u00ed. La convocatoria de Roche y Fundaci\u00f3n Garrahan permiti\u00f3 retomar ese contacto y convertirlo en un proyecto concreto<\/strong>.<\/p>\n

\"El
El proyecto BRAF re\u00fane a pat\u00f3logas, bi\u00f3logos moleculares, bioingenieras y especialistas en IA con el objetivo de acelerar el acceso a informaci\u00f3n relevante para la selecci\u00f3n de tratamientos oncol\u00f3gicos pedi\u00e1tricos.<\/figcaption><\/figure>\n

Qu\u00e9 problema busca resolver<\/span><\/h2>\n

Actualmente, el Garrahan realiza la detecci\u00f3n de BRAF V600E mediante t\u00e9cnicas de biolog\u00eda molecular, principalmente PCR en tiempo real<\/strong>. Son metodolog\u00edas validadas, pero requieren equipamiento espec\u00edfico, insumos, profesionales especializados y m\u00e1s tiempo de procesamiento<\/strong>.<\/p>\n

\u201cEsta mutaci\u00f3n es una alteraci\u00f3n gen\u00e9tica que encontramos en distintos tipos de c\u00e1nceres pedi\u00e1tricos. Es transversal a muchos tumores s\u00f3lidos pedi\u00e1tricos\u201d<\/em>, se\u00f1al\u00f3 L\u00f3pez Mart\u00ed.<\/p>\n

El problema<\/strong> no es solo la demora<\/strong>. Tambi\u00e9n es el acceso<\/strong>: \u201cEsta metodolog\u00eda es poco accesible para todos los pacientes con tumores s\u00f3lidos y constituye, de alguna manera, una inequidad en el acceso\u201d<\/em>.<\/p>\n

\"Biopsia
Biopsia digitalizada con mapa de calor generado por inteligencia artificial.<\/figcaption><\/figure>\n

C\u00f3mo funciona la herramienta<\/span><\/h2>\n

El proyecto trabaja sobre im\u00e1genes de biopsias tumorales<\/strong>. Las muestras se procesan en l\u00e1minas te\u00f1idas con hematoxilina y eosina, se digitalizan mediante esc\u00e1neres de alta resoluci\u00f3n y luego son analizadas por algoritmos de inteligencia artificial<\/strong>.<\/p>\n

\u201cNosotras analizamos im\u00e1genes de biopsias tumorales con inteligencia artificial. Digitalizamos los cortes de hematoxilina y eosina y entrenamos una inteligencia artificial para poder detectar, \u00fanicamente a partir de la imagen, un biomarcador<\/strong>\u201d<\/em>, detall\u00f3 Gorodisch.<\/p>\n

El pat\u00f3logo selecciona la lesi\u00f3n, escanea la biopsia y carga la imagen en la aplicaci\u00f3n<\/strong>.<\/p>\n

Luego, el algoritmo identifica patrones morfol\u00f3gicos asociados a la presencia o ausencia de la mutaci\u00f3n y devuelve un resultado con interpretaci\u00f3n visual<\/strong>.<\/p>\n

\"Jessica
Jessica L\u00f3pez Mart\u00ed, pat\u00f3loga pediatra del Garrahan y coordinadora del Laboratorio de Patolog\u00eda Molecular del Servicio de Patolog\u00eda.<\/figcaption><\/figure>\n

\u201cCuando el pat\u00f3logo sube la imagen, el algoritmo la recibe, la analiza y, en cinco minutos, devuelve un resultado junto con la interpretaci\u00f3n<\/strong>. Resalta en la imagen cu\u00e1les fueron las regiones que se usaron para decir si eso es positivo o negativo\u201d<\/em>, explic\u00f3 Gorodisch.<\/p>\n

Ese punto es clave para la adopci\u00f3n m\u00e9dica: la herramienta no funciona como una \u201ccaja negra\u201d, porque muestra qu\u00e9 zonas de la imagen influyeron en la predicci\u00f3n<\/strong>.<\/p>\n

\"Visualizaci\u00f3n
Visualizaci\u00f3n conceptual del an\u00e1lisis de im\u00e1genes biom\u00e9dicas con inteligencia artificial los mapas de calor permiten se\u00f1alar las zonas que el algoritmo considera m\u00e1s relevantes dentro de una muestra.<\/figcaption><\/figure>\n

Qu\u00e9 ve la IA y qu\u00e9 tecnolog\u00eda utiliza<\/span><\/h2>\n

La mutaci\u00f3n BRAF V600E no puede observarse a simple vista en una biopsia convencional. Se detecta a nivel del ADN mediante biolog\u00eda molecular<\/strong>. La IA busca se\u00f1ales morfol\u00f3gicas sutiles en la imagen y las asocia con la presencia o ausencia de esa alteraci\u00f3n gen\u00e9tica.<\/p>\n

\u201cLa mutaci\u00f3n no se ve a nivel visual, se detecta con biolog\u00eda molecular<\/strong>, a nivel del ADN\u201d<\/em>, explic\u00f3 Gorodisch. \u201cLo que hace la inteligencia artificial es encontrar patrones morfol\u00f3gicos en la imagen y asociarlos a la presencia o ausencia de este fen\u00f3meno<\/strong> a nivel ADN\u201d<\/em>.<\/p>\n

A diferencia de otras soluciones asociadas a inteligencia artificial generativa, el equipo no utiliza modelos de lenguaje ni agentes conocidos. \u201cNo utilizamos ning\u00fan LLM ni ninguno de los agentes ya conocidos. Armamos nuestras propias redes, combinando distintas capas con distintos mecanismos<\/strong>\u201d<\/em>, explic\u00f3 la bioingeniera.<\/p>\n

\"El
El desarrollo surgi\u00f3 en el marco de Transformar Salud, una iniciativa impulsada por Roche y Fundaci\u00f3n Garrahan para promover soluciones digitales en el sistema p\u00fablico de salud.<\/figcaption><\/figure>\n

Trabajo en equipo e infraestructura<\/span><\/h2>\n

Detr\u00e1s del desarrollo hay una alianza entre dos capacidades complementarias. El Garrahan aporta los casos, el conocimiento cl\u00ednico y los estudios moleculares validados<\/strong>. Kuvia suma su experiencia en modelos de IA para biomarcadores oncol\u00f3gicos<\/strong>.<\/p>\n

\u201cMe parece que esas dos fortalezas fueron las que nos llevaron adelante: por un lado, el hospital, que tiene los casos y los estudios moleculares ya validados; y por otro, Kuvia, que tiene todo el desarrollo de estos modelos de inteligencia artificial\u201d<\/em>, explic\u00f3 L\u00f3pez Mart\u00ed.<\/p>\n

El equipo est\u00e1 integrado por pat\u00f3logas, bi\u00f3logos moleculares, bioingenieras y especialistas t\u00e9cnicos<\/strong>, con apoyo de Roche, Fundaci\u00f3n Garrahan y Bioptic. Para las entrevistadas, esa articulaci\u00f3n fue uno de los mayores aprendizajes. \u201cEsta transformaci\u00f3n se construye todos juntos, con distintos actores del sistema: desde la parte t\u00e9cnica, pero tambi\u00e9n desde los propios pat\u00f3logos, los m\u00e9dicos, las instituciones y las entidades regulatorias\u201d<\/em>, sostuvo Gorodisch.<\/p>\n

Uno de los principales obst\u00e1culos fue el manejo de los datos<\/strong>. Las im\u00e1genes digitalizadas<\/strong> pueden pesar entre uno y tres gigabytes cada una. A eso se suma una dificultad concreta del contexto hospitalario: la conectividad<\/strong>. \u201cLos grandes problemas fueron la conectividad que tenemos ac\u00e1 en el hospital, la velocidad y tambi\u00e9n c\u00f3mo guardamos las im\u00e1genes que escane\u00e1bamos, porque son im\u00e1genes muy pesadas\u201d<\/em>, explic\u00f3 L\u00f3pez Mart\u00ed.<\/p>\n

El proceso empieza incluso antes de la digitalizaci\u00f3n: hay que identificar casos, localizarlos en bases internas, buscar biopsias en el archivo f\u00edsico y escanearlas<\/strong>. Para procesarlas, el equipo utiliza servicios en la nube y GPU de alto c\u00f3mputo<\/strong>. Los datos salen del hospital anonimizados: \u201cEl dato identificatorio queda en el hospital\u201d<\/em>, remarc\u00f3 Gorodisch.<\/p>\n

\"Especializada
Especializada en IA aplicada a patolog\u00eda digital, Kuvia desarrolla algoritmos capaces de asociar patrones presentes en im\u00e1genes de biopsias con alteraciones gen\u00e9ticas relevantes para el tratamiento del c\u00e1ncer.<\/figcaption><\/figure>\n

Validaci\u00f3n, ANMAT y futuro<\/span><\/h2>\n

El proyecto se encuentra en etapa de validaci\u00f3n y mejora continua<\/strong>. El equipo trabaja en aumentar la cantidad de casos, ajustar arquitecturas de IA y medir sensibilidad y especificidad. En esta fase, la prioridad es reducir el riesgo de falsos negativos, por lo que el primer uso posible ser\u00eda como herramienta de tamizaje<\/strong>.<\/p>\n

\u201cHasta que este tipo de herramientas realmente puedan reemplazar una biolog\u00eda molecular falta much\u00edsimo. Nuestra idea no es reemplazar a nadie ni a nada, sino plantear una alternativa m\u00e1s r\u00e1pida y m\u00e1s econ\u00f3mica que complemente lo que ya existe\u201d<\/em>, aclar\u00f3 Gorodisch.<\/p>\n

Antes de incorporarse como pr\u00e1ctica hospitalaria, la herramienta deber\u00e1 completar su validaci\u00f3n y atravesar las instancias regulatorias correspondientes<\/strong>. \u201cEstamos en la fase de validaci\u00f3n final, y despu\u00e9s otra de las partes que nos toca es todo lo que es la regulaci\u00f3n de ANMAT para poner esto como una pr\u00e1ctica hospitalaria\u201d<\/em>, se\u00f1al\u00f3 L\u00f3pez Mart\u00ed.<\/p>\n

\"La
La inteligencia artificial analiza im\u00e1genes digitalizadas de biopsias tumorales para identificar patrones asociados a alteraciones gen\u00e9ticas que no son visibles a simple vista.<\/figcaption><\/figure>\n

El proyecto tambi\u00e9n expone un desaf\u00edo m\u00e1s amplio: la necesidad de avanzar en la digitalizaci\u00f3n de los laboratorios de anatom\u00eda patol\u00f3gica<\/strong>. Sin biopsias digitalizadas, este tipo de herramientas no puede escalar<\/strong>. Y aunque el desarrollo nace en oncolog\u00eda pedi\u00e1trica, BRAF tambi\u00e9n es relevante en otros tumores, como c\u00e1ncer de colon, lo que abre la posibilidad de extender la tecnolog\u00eda hacia otras patolog\u00edas si existen datos suficientes y validados.<\/p>\n

M\u00e1s que una soluci\u00f3n aislada, BRAF aparece como una prueba de concepto sobre c\u00f3mo la inteligencia artificial puede integrarse al sistema de salud p\u00fablica cuando se combinan conocimiento cl\u00ednico, datos de calidad, infraestructura tecnol\u00f3gica, regulaci\u00f3n y trabajo colaborativo.<\/p>\n

Si logra completar su validaci\u00f3n y aprobaci\u00f3n regulatoria, la herramienta podr\u00eda reducir de d\u00edas a minutos la orientaci\u00f3n inicial sobre la presencia de una mutaci\u00f3n clave para el tratamiento de pacientes oncol\u00f3gicos pedi\u00e1tricos<\/strong>.<\/p>\n

Leer m\u00e1s<\/span><\/h3>\n