La revisión “The application of artificial intelligence in veterinary oncology: a scoping review”, recientemente publicada en BMC Veterinary Research, ofrece una amplia panorámica sobre cómo la inteligencia artificial (IA) está transformando el diagnóstico y manejo del cáncer en pequeños animales, especialmente en el perro, y qué barreras éticas y metodológicas debe superar antes de integrarse de forma segura en la práctica clínica.
El trabajo recopila 69 estudios publicados entre 2015 y 2025 sobre aplicaciones de IA, aprendizaje automático y aprendizaje profundo en oncología veterinaria, centrados sobre todo en perros y, en menor medida, en gatos. Los autores describen en detalle qué tipos de tumores se han estudiado, qué datos se utilizan (imágenes, biomarcadores, historiales clínicos, etc.) y qué tareas clínicas puede abordar la IA (diagnóstico, pronóstico, planificación terapéutica, cribado).
La revisión muestra un mayor desarrollo en algunas áreas concretas como son la patología digital y la radiología avanzada, donde redes neuronales profundas ayudan a clasificar tumores, contar mitosis, detectar necrosis o predecir mutaciones, con rendimientos que podrían llegar a superan la precisión de los patólogos en tareas muy acotadas. También se destacan herramientas de cribado mediante “biopsia líquida”, perfiles de microARN o biomarcadores séricos, así como modelos que combinan imágenes, datos clínicos y sensibilidad ex vivo a fármacos para anticipar la respuesta a la quimioterapia en linfomas.
Pese a las posibilidades de futuro, la revisión subraya limitaciones importantes: la mayoría de modelos se entrenan con muestras pequeñas, de un solo centro, con riesgo de sobreajuste y poca generalización a otros hospitales o poblaciones de pacientes. Además, apenas hay estudios con validación externa o prospectiva, lo que dificulta saber si estas herramientas son realmente fiables y seguras en condiciones de práctica real, y se insiste en la necesidad de modelos más interpretables o de técnicas de IA explicable que permitan al clínico entender por qué el sistema sugiere una determinada predicción.
Un aspecto clave del artículo es la visión comparativa: los autores muestran cómo los tumores espontáneos de perros y gatos pueden servir como modelos traslacionales para cáncer humano y cómo la IA entrenada en datos humanos puede adaptarse al ámbito veterinario, y viceversa. Esto abre oportunidades de colaboración “One Health”, pero también obliga a exigir estándares sólidos de calidad de datos, consentimiento informado, gobernanza y evaluación del impacto real de estas tecnologías sobre el bienestar animal y las decisiones terapéuticas.
La conclusión central de la revisión es que la IA en oncología veterinaria ha generado pruebas de concepto muy potentes, pero su adopción responsable requiere un cambio de cultura: pasar de estudios aislados a consorcios multicéntricos, crear bases de datos abiertas y estandarizadas y exigir validación externa rigurosa antes de trasladar los algoritmos a la clínica. En resumen, el mensaje es claro: la IA puede mejorar el diagnóstico, la estratificación pronóstica y la personalización de tratamientos oncológicos, pero sólo si se integra en marcos de integridad científica, transparencia y protección del paciente que eviten el uso prematuro de herramientas opacas o insuficientemente validadas.
Podéis encontrar el artículo en este enlace: https://pubmed.ncbi.nlm.nih.gov/41388461/
Li S, Yu F, Gao Y. The application of artificial intelligence in veterinary oncology: a scoping review. BMC Vet Res. 2025 Dec 12. doi: 10.1186/s12917-025-05192-y. Epub ahead of print. PMID: 41388461.
