> ## Content Index > Fetch the complete content index at: https://www.digitalbrain.news/llms.txt > Use this file to discover other available public pages before exploring further. # Un modelo de IA analiza 330.000 centrosomas y separa dos defectos que se creían el mismo en cáncer de mama - URL: https://www.digitalbrain.news/noticias/censegnet-centrosomas-cancer-mama-ia/ - Published: 2026-08-21T14:05:14.000Z - Updated: 2026-08-25T16:32:52.000Z - Description: Un equipo de la Universidad de Southampton y el University Hospital Southampton ha usado un modelo de IA para mapear más de 330.000 centrosomas en 911… - Author: Ramón Pérez Coronado - Tags: #noticias, open-source Un equipo de la Universidad de Southampton y el University Hospital Southampton ha usado un modelo de IA para mapear más de 330.000 centrosomas en 911 muestras tumorales de 127 pacientes con cáncer de mama, y ha separado dos defectos celulares que hasta ahora se consideraban parte del mismo proceso. [El trabajo](https://research.uhs.nhs.uk/news/ai-reveals-hidden-patterns-inside-breast-cancer?ref=digitalbrain.news) se publica en Nature Communications y la herramienta, CenSegNet, es de [código abierto](https://www.digitalbrain.news/glosario/#open-source). ## Puntos clave - **911 muestras tumorales** de **127 pacientes**, con más de **330.000 centrosomas** mapeados a resolución de célula individual. - Dos anomalías distintas donde se creía que había una: células que acumulan **centrosomas de más**, y centrosomas **anormalmente grandes**. - Los tumores con muchos centrosomas agrandados muestran **grado más alto y afectación de ganglios linfáticos**. - Las pacientes con **menos centrosomas agrandados** en el núcleo del tumor tuvieron **mejor supervivencia global**. - **CenSegNet es de código abierto** y ya se ha probado en tejido de riñón, colon y apéndice. ## Qué es un centrosoma y por qué importa contarlos El centrosoma es la estructura que organiza el reparto de cromosomas cuando una célula se divide. Cuando funciona mal, la división sale con errores, y esos errores están detrás de buena parte de lo que llamamos cáncer. Que las células tumorales tengan centrosomas anómalos se sabe desde hace más de un siglo. Lo que no se podía hacer era contarlos y medirlos uno a uno en un tumor entero, porque son diminutos y hay cientos de miles en una sola muestra. Un patólogo mirando al microscopio no llega ahí. Salah Elias, del Instituto de Ciencias de la Vida de Southampton, lo dice sin adornos: "CenSegNet nos permite analizar estos defectos con resolución de célula individual en tumores completos y descubrir patrones que antes era imposible ver". ## El hallazgo: no eran lo mismo Aquí está el resultado que importa. Tener centrosomas de más y tenerlos agrandados se agrupaban como "amplificación centrosómica", una sola categoría. El análisis a escala muestra que se comportan distinto. Los centrosomas agrandados se asocian con tumores más agresivos: grado más alto y afectación ganglionar. Y las pacientes con menos centrosomas agrandados en el núcleo del tumor vivieron más. Es decir, uno de los dos rasgos tiene valor pronóstico y el otro no del mismo modo. Si eso se confirma, deja de ser una curiosidad de biología celular y pasa a ser un posible biomarcador para decidir tratamiento. El siguiente paso que anuncian los investigadores es cruzar los datos de CenSegNet con datos genómicos, de transcriptoma y de proteínas. ## Código abierto y ya probado en otros tejidos Dos detalles que amplían el alcance. El primero es que CenSegNet se publica como software libre, así que cualquier grupo de investigación puede aplicarlo a sus propias muestras sin negociar licencias ni esperar a que alguien monte un producto. El segundo es que ya han demostrado que funciona en tejido de riñón, colon y apéndice. Un modelo de segmentación entrenado para una cosa concreta suele romperse cuando cambia el tipo de imagen; que este aguante en cuatro tejidos distintos sugiere que aprendió a reconocer la estructura y no las particularidades de la preparación de las muestras de mama. El trabajo está publicado en Nature Communications, con revisión por pares, que es la diferencia entre esto y la mayoría de anuncios de IA aplicada a la salud que circulan en nota de prensa. ## Por qué importa Es el tipo de aplicación de IA que no llena titulares y resuelve problemas: no diseñar algo nuevo, sino leer datos que ya existían y que nadie podía procesar a esa escala. Las muestras estaban ahí desde hace años. Lo que faltaba era la capacidad de mirarlas todas. El paralelismo con una empresa es directo. La mayoría de las organizaciones tienen su propio archivo de 911 muestras sin analizar: años de tickets de soporte, de partes de incidencia, de conversaciones de venta, de fotos de producción. Datos que se guardaron porque había que guardarlos y que nadie ha leído nunca enteros. Encontrar patrones ahí no requiere un modelo de frontera ni un equipo de investigación. Requiere que los datos estén etiquetados y accesibles, que sigue siendo la parte cara y la que casi nadie quiere hacer primero. Fuente original: [research.uhs.nhs.uk](https://research.uhs.nhs.uk/news/ai-reveals-hidden-patterns-inside-breast-cancer?ref=digitalbrain.news) --- **Relacionado** [![Thomson Reuters lanza su propio modelo para abogados con 40 millones invertidos](https://storage.ghost.io/c/6d/e3/6de31f63-d0a8-45df-9c6a-481016520347/content/images/size/w300/format/webp/2026/08/thomson-reuters-modelo-thomson-40-millones.jpg)Thomson Reuters lanza su propio modelo para abogados con 40 millones invertidos](https://www.digitalbrain.news/noticias/thomson-reuters-modelo-thomson-40-millones/)