GraphBEAT: un grafo temporal de la historia clínica para estimar el riesgo de cáncer de páncreas, hígado e intestino 12 a 36 meses antes del diagnóstico, validado en un solo sistema de salud
Un equipo de la Mayo Clinic propone GraphBEAT, un modelo que convierte el historial de diagnósticos y análisis de sangre de un paciente en un grafo temporal para estimar el riesgo de cáncer de páncreas, hígado o intestino 12, 24 o 36 meses antes del diagnóstico. Sobre 201 322 pacientes de cuatro sedes de Mayo, alcanza un AUROC de 0,919 para el páncreas a 12 meses, por delante de otras redes de grafos por 0,004 a 0,009 de AUROC y de un Transformer y un LSTM por 0,07 a 0,10, con unas 20 veces menos parámetros que estos dos últimos. El resultado es interesante como primera etapa de cribado, pero se trata de un preprint, de un solo sistema de salud, con casos definidos por códigos de facturación y probabilidades cuya calibración no se ha estudiado.
El contexto
El cáncer de páncreas suele diagnosticarse tarde. Sin embargo, las historias clínicas electrónicas contienen huellas tempranas: una diabetes reciente, pérdida de peso, una anomalía hepática, análisis de sangre que se desvían. Explotarlas es difícil porque estos registros son irregulares (no se mide lo mismo en todos), dispersos e incompletos. Los enfoques habituales aplanan el historial en una secuencia tratada con un LSTM (red recurrente que lee los eventos en orden) o un Transformer (arquitectura de atención que pondera cada evento frente a los demás), ambos costosos en cálculo.
GraphBEAT, publicado en arXiv el 15 de octubre de 2026 por Leo Li-Han, Hojjat Salehinejad y colegas del Departamento de Cirugía y del Kern Center de la Mayo Clinic (Rochester), propone otra representación: un grafo, es decir, un conjunto de nodos (aquí eventos clínicos) unidos por aristas. El texto no ha sido revisado por pares. No encontramos en él ni una declaración de financiación ni una de conflictos de intereses.
El método
Los datos. Datos de historias clínicas electrónicas desidentificados de la Mayo Clinic Platform, de 1985 a 2024, con hasta 20 años de historial por paciente: códigos diagnósticos ICD-9/10 truncados a tres caracteres (2 698 códigos) y 31 análisis de sangre predefinidos, un vocabulario de 2 729 elementos. La cohorte cuenta con 201 322 pacientes en cuatro sedes: Rochester (93 558), la red de 17 hospitales comunitarios Mayo Clinic Health System, MCHS (57 457), Arizona (25 418) y Florida (24 889). Los casos son 6 017 cánceres de páncreas (prevalencia indicada del 3,0 %), 5 330 de hígado (2,6 %) y 13 043 de intestino (6,5 %), todos comparados con un mismo grupo de 177 081 controles emparejados por edad y sexo. Se exigen al menos tres años de historial y tres mediciones de laboratorio.
El grafo. El historial se corta en tramos de 30 días. Cada paciente recibe un grafo en el que un nodo representa un elemento observado en un tramo (un código, o un análisis con su valor medio), unido a todos los nodos del tramo siguiente. Cada nodo suma tres informaciones: la identidad del elemento, su valor y su posición en el tiempo. Los mensajes circulan de un tramo al siguiente con una atenuación exponencial según el intervalo de tiempo (message passing: cada nodo actualiza su representación a partir de sus predecesores), y luego un pooling por atención resume todo en un vector de paciente. El modelo tiene 0,361 millones de parámetros.
La validación. Leave-one-site-out: MCHS, Arizona y Florida se reservan por turnos para la prueba, mientras que Rochester siempre permanece en el entrenamiento. Diez modelos por configuración (validación cruzada en diez pliegues), con media e intervalo de confianza del 95 %. Los controles se submuestrean a 1 por 3 durante el entrenamiento. Las métricas son el AUROC (probabilidad de que un paciente con cáncer reciba una puntuación más alta que uno sin cáncer) y el AP, la precisión media, que resume el equilibrio entre sensibilidad y precisión y depende mucho de la prevalencia. Los comparadores son tres redes de grafos (GraphSAGE, GAT, GCN), un Transformer y un LSTM.
Los resultados
Métricas de ML. Páncreas a 12 meses: AUROC 0,919 [0,914–0,924] y AP 0,523 para GraphBEAT, frente a 0,913 y 0,499 de GraphSAGE, 0,837 y 0,341 del Transformer, 0,808 y 0,264 del LSTM. A 36 meses, GraphBEAT conserva un AUROC de 0,862 y un AP de 0,331. Para el hígado, el AUROC va de 0,938 a 12 meses a 0,895 a 36 meses; para el intestino, de 0,900 a 0,852. Frente a la mejor red de grafos, la ganancia es de 0,004 a 0,009 en AUROC y de 0,024 a 0,042 en AP; frente al mejor modelo secuencial, de 0,070 a 0,102 en AUROC y de 0,125 a 0,202 en AP.
Coste de cálculo. En la tarea de páncreas a 12 meses, GraphBEAT requiere 12,5 millones de operaciones (FLOPs) por paciente frente a 3 995 millones del Transformer y 3 231 millones del LSTM, y 0,361 millones de parámetros frente a 8,3 y 7,2 millones.
Ablaciones. En la sede MCHS, páncreas a 12 meses, el AUROC es 0,936 con identidad, valor y tiempo; 0,922 sin el tiempo; 0,712 solo con la identidad de los elementos y 0,549 solo con el tiempo. Los valores de los análisis aportan la mayor parte de la señal.
Traducción clínica. Los autores informan, en MCHS, de un beneficio neto de 0,018, 0,016 y 0,015 a 12, 24 y 36 meses para el cáncer de páncreas, con un umbral de 0,03, es decir, unas 18, 16 y 15 detecciones verdaderas positivas netas por cada 1 000 pacientes. El análisis de beneficio neto pondera los verdaderos positivos frente a los falsos positivos según el umbral elegido. A modo de ilustración (cálculo de la redacción), una prevalencia del 3,0 % equivale a unos 30 casos por 1 000 pacientes en esta cohorte, y un AP de 0,523 es unas 17 veces el valor de una clasificación al azar (0,03). Pero esa prevalencia es la de la cohorte construida, no la de una población de cribado: si la enfermedad fuera diez veces menos frecuente, el valor predictivo positivo sería, con igual capacidad de discriminación, aproximadamente diez veces menor, y el número de falsos positivos por caso detectado, mucho mayor.
Lo que está bien
Una cohorte amplia y validación por sede. 201 322 pacientes, cuatro sedes, hasta 20 años de historial y prueba en sedes nunca vistas en el entrenamiento, incluidos 17 hospitales comunitarios, una población distinta de la de los centros terciarios. La ventana de antelación (12, 24, 36 meses) se excluye de los datos de prueba, lo que limita la fuga de información sobre el diagnóstico inminente.
Ablaciones que aíslan lo que importa. El tiempo solo no predice casi nada (AUROC 0,549) y la identidad sola sigue siendo modesta (0,712): la señal procede de la combinación entre lo observado, su valor y su momento. Esto hace menos plausible un simple efecto de frecuencia de consultas, sin descartarlo.
Un modelo ligero y resultados con sus intervalos. 0,36 millones de parámetros y un coste por paciente varios cientos de veces inferior al de los modelos secuenciales: un argumento concreto para desplegarlo sobre millones de historias. Los autores reconocen las principales limitaciones (sistema único, casos definidos por códigos, calibración).
Lo que está peor
Un comparador incompleto (comparador sesgado). La ganancia sobre GraphSAGE es de 0,004 a 0,009 de AUROC, del mismo orden que la anchura de los intervalos de confianza de la tabla, que se solapan (0,914–0,924 frente a 0,907–0,919 para el páncreas a 12 meses), mientras que el Transformer y el LSTM quedan claramente rezagados, en particular con un AUROC de 0,760 del Transformer en intestino, por detrás del LSTM (0,830): esto sugiere líneas base poco optimizadas. En los resultados que leímos no hay regresión logística ni árboles potenciados sobre variables agregadas, ni una puntuación de riesgo publicada para el páncreas.
Una validación «externa» que no lo es (sesgo de población, posible fuga). Las tres sedes de prueba pertenecen al mismo sistema, con la misma historia electrónica, y Rochester siempre está en el entrenamiento. Los casos se definen solo por códigos diagnósticos, sin registro. Los controles tienen una fecha índice fijada un año antes de su última consulta, mientras que la de los casos es el primer código de cáncer: los dos grupos no se observan, pues, de la misma manera, y la exigencia de tres años de historial y tres análisis selecciona pacientes muy seguidos. Estas decisiones pueden crear atajos (shortcut learning) que las ablaciones no excluyen del todo.
Métricas favorecedoras (métrica engañosa) y ausencia de calibración. El AP depende de la prevalencia, aquí artificial (3,0 %, emparejamiento, controles submuestreados a 1 por 3). Los autores reconocen que el submuestreo modificó las probabilidades a priori y que la calibración debe estudiarse antes de cualquier uso clínico: el umbral de 0,03 del análisis de beneficio neto descansa, por tanto, en probabilidades cuya exactitud se desconoce. Las ablaciones se presentan sobre el propio conjunto de prueba MCHS. Por último, no se menciona el código y los datos no pueden compartirse.
Lo que cambia
Para la comunidad investigadora. Un argumento a favor de las representaciones en grafo temporal para registros irregulares, con un coste de cálculo mucho menor. El siguiente paso lógico es una comparación con modelos tabulares sólidos y con puntuaciones publicadas, en un sistema de salud externo, con calibración y casos confirmados por registro.
Para los clínicos. Nada en la práctica actual: es un preprint retrospectivo. A medio plazo, el uso que prevén los autores es un cribado de primer nivel previo a pruebas dirigidas. La pregunta decisiva será cuántos pacientes hay que estudiar para encontrar un cáncer, en una población real y no en una cohorte de casos y controles.
Para los pacientes y el público. No hay ninguna herramienta disponible. Una puntuación de riesgo extraída de una historia clínica no dice que se tenga cáncer: puede servir para decidir a quién examinar más de cerca, y su valor depende de lo rara que sea la enfermedad.
Para ir más lejos
Preprint: Li-Han L. Y., Varghese C., Habermann E. B., Truty M. J., Perry W. R. G., Thiels C. A., Salehinejad H., «GraphBEAT: Graph-based Bucketized Event Aggregation Over Time for Early Risk Stratification of Gastrointestinal Cancers», arXiv:2610.22014, 15 de octubre de 2026 (licencia CC BY-NC-ND 4.0). Comparadores: GraphSAGE, GAT, GCN, Transformer, LSTM. Datos: Mayo Clinic Platform, no compartibles; aprobación del comité de ética de la Mayo Clinic.
Transparencia editorial: este artículo se elaboró con ayuda de herramientas de inteligencia artificial a partir del preprint; las cifras proceden del artículo, salvo las conversiones y comparaciones calculadas por la redacción. Las versiones en inglés, español y chino son traducciones automáticas.