24 Ago Cenit finaliza la Fase II de IA4MRD con nuevos avances en inteligencia artificial aplicada al análisis oncológico
24/08/2026 –
IA4MRD Fase II llega a su fin tras meses de trabajo en los que hemos seguido avanzando en la aplicación de inteligencia artificial al análisis de la Enfermedad Mínima Residual (EMR) en pacientes con cáncer.
Esta segunda fase se ha centrado en avanzar hacia la automatización de dos procesos que todavía requieren una elevada intervención manual: la identificación de variantes genéticas y la selección de marcadores tumorales. Para ello, el proyecto ha combinado inteligencia artificial, analítica avanzada y la evolución de la infraestructura tecnológica desarrollada en la primera fase.
El reto de la Fase II: automatizar dos procesos clave
El análisis genético permite identificar numerosas variantes en cada paciente. Primero es necesario determinar cuáles son reales y cuáles pueden corresponder a errores o artefactos de la secuenciación; después, entre las variantes validadas, se seleccionan aquellas que pueden utilizarse como marcadores tumorales para el seguimiento de la EMR.
Ambos procesos dependen en gran medida del análisis experto. IA4MRD Fase II ha trabajado para avanzar hacia su automatización y estandarización mediante inteligencia artificial, mejorando además la trazabilidad y reproducibilidad del proceso.
El papel de Cenit en IA4MRD Fase II
Dentro del proyecto, Cenit ha centrado su trabajo principalmente en el desarrollo de los modelos de inteligencia artificial y en la evolución de la infraestructura tecnológica necesaria para procesar, organizar y explotar los datos generados.
Modelos de IA para identificar variantes genéticas reales
Uno de los principales desarrollos ha sido la creación de modelos de inteligencia artificial capaces de diferenciar variantes genéticas reales de posibles errores o artefactos de secuenciación, probados sobre datos de cuatro tipos de cáncer y avanzando hacia un análisis más automatizado, consistente y reproducible.
Los modelos entrenados alcanzan una precisión cercana al 91% y detectan correctamente cerca del 98% de las mutaciones clínicamente relevantes, minimizando el riesgo de pasar por alto variantes importantes en el seguimiento del paciente.
Automatización de la selección de marcadores tumorales
También hemos trabajado en la automatización de la selección y priorización de marcadores tumorales.
A partir de las variantes identificadas, el sistema permite priorizar aquellas que pueden resultar más adecuadas para el seguimiento de cada paciente, teniendo en cuenta diferentes criterios técnicos y clínicos.
Evolución de la plataforma Data Lakehouse
Otro de los pilares del trabajo de Cenit ha sido la evolución de la plataforma Data Lakehouse desarrollada para el proyecto.
Durante esta fase se ha mejorado la organización, procesamiento y trazabilidad de la información, reforzando la base tecnológica sobre la que se integran los modelos de inteligencia artificial y se gestionan los distintos tipos de datos.
Nuevas formas de consultar e interpretar los resultados
La evolución de la plataforma también ha permitido incorporar cuadros de mando interactivos y un asistente basado en inteligencia artificial, facilitando la consulta de resultados y de la información asociada a los marcadores seleccionados.
Estas herramientas avanzan hacia una explotación de los datos más accesible y trazable.
Primeros pasos hacia un análisis multimodal
Durante esta segunda fase también hemos comenzado a trabajar en la integración de información genética, clínica y de imagen PET-TC, un primer paso hacia futuros modelos multimodales capaces de combinar distintas fuentes de información sobre un mismo paciente y enriquecer la selección y seguimiento de los marcadores tumorales.
Los primeros cruces entre los resultados de imagen PET-CT y los marcadores moleculares ya muestran indicios prometedores de concordancia clínica, abriendo una vía interesante para el análisis integral del paciente en fases futuras.
Un proyecto construido desde la colaboración
A4MRD Fase II se ha desarrollado mediante la colaboración de onTech Innovation, Tecnara, Altum Sequencing, Cenit, la Universidad de Sevilla (ES3), Bimaxpro e Itexon Systems.
La participación conjunta de empresas, clústeres y universidad ha permitido reunir conocimientos complementarios en tecnología, biotecnología, análisis de datos e investigación aplicada. Esta perspectiva multidisciplinar resulta especialmente importante en un proyecto que conecta ámbitos tan diferentes como la inteligencia artificial, la secuenciación masiva y el diagnóstico oncológico.
Proyecto financiado por el Ministerio de Industria y Turismo
A4MRD-F2 (Digitalizando la Medicina de Precisión. Detección de la Enfermedad Mínima Residual en pacientes con cáncer mediante el desarrollo de nuevos algoritmos en Inteligencia Artificial y Secuenciación Masiva – Fase 2) es una iniciativa financiada por el Ministerio de Industria y Turismo dentro del programa de apoyo a las Agrupaciones Empresariales Innovadoras (AEI), con referencia AEI-010500-2025-26.
Cerramos una etapa, pero nos quedamos con el propósito
Con la finalización de IA4MRD Fase II cerramos meses de desarrollo, pruebas y evolución de una solución tecnológica especialmente compleja.
Nos llevamos avances importantes en inteligencia artificial, gestión de datos, automatización y visualización, pero, sobre todo, una idea que ha estado presente durante todo el proyecto: que la tecnología desarrollada pueda acabar siendo útil allí donde realmente importa.
Porque en un ámbito como la salud, avanzar tecnológicamente es solo una parte del camino. El verdadero valor está en conseguir que esos avances puedan traducirse, con el tiempo y las validaciones necesarias, en herramientas más útiles, fiables y accesibles para quienes trabajan cada día con este tipo de información.
¿Quieres conocer cómo empezó todo?