Inicio > Oncología > Avances en la detección, diagnóstico y tratamiento del cáncer de mama: enfoques actuales y perspectivas futuras

Avances en la detección, diagnóstico y tratamiento del cáncer de mama: enfoques actuales y perspectivas futuras

Avances en la detección, diagnóstico y tratamiento del cáncer de mama: enfoques actuales y perspectivas futuras

Autor principal: Jonathan González Sáenz

Vol. XX; nº 06; 238

Advances in breast cancer detection, diagnosis and treatment: current approaches and future perspectives

Fecha de recepción: 26/02/2025

Fecha de aceptación: 24/03/2025

Incluido en Revista Electrónica de PortalesMedicos.com Volumen XX. Número 06 Segunda quincena de Marzo de 2025 – Página inicial: Vol. XX; nº 06; 238

Autores:

Dr. Jonathan González Sáenz

Médico General, investigador Independiente. Puntarenas, Costa Rica.

Orcid: 0000-0001-9402-609X

Dra. Dayan González Vargas

Médico General, investigadora Independiente. Puntarenas, Costa Rica.

Orcid: 0009-0007-7604-6151

Dr. Christofher Chacón Vega

Médico General, investigador Independiente. Puntarenas, Costa Rica.

Orcid: 0009-0007-5123-755X

Los autores de este manuscrito declaran que:

Todos ellos han participado en su elaboración y no tienen conflictos de intereses
La investigación se ha realizado siguiendo las Pautas éticas internacionales para la investigación relacionada con la salud con seres humanos elaboradas por el Consejo de Organizaciones Internacionales de las Ciencias Médicas (CIOMS) en colaboración con la Organización Mundial de la Salud (OMS).
El manuscrito es original y no contiene plagio.
El manuscrito no ha sido publicado en ningún medio y no está en proceso de revisión en otra revista.
Han obtenido los permisos necesarios para las imágenes y gráficos utilizados.
Han preservado las identidades de los pacientes.

Resumen:

El cáncer de mama es una de las principales causas de morbilidad y mortalidad a nivel mundial, representando un desafío significativo para los sistemas de salud. Su incidencia es mayor en países desarrollados, mientras que la mortalidad es más elevada en regiones con menores recursos debido a la limitada disponibilidad de atención médica. La detección temprana y el acceso a tratamientos eficaces son esenciales para mejorar los resultados clínicos.

Diversos factores de riesgo influyen en el desarrollo de esta enfermedad, incluyendo predisposición genética, factores hormonales, ambientales y de estilo de vida. Las mutaciones en los genes BRCA1 y BRCA2 son determinantes en la susceptibilidad, mientras que la obesidad, el consumo de alcohol y la inactividad física aumentan el riesgo.

Los avances tecnológicos han mejorado la detección y clasificación del cáncer de mama. La inteligencia artificial optimiza el análisis de imágenes médicas, aumentando la precisión diagnóstica. Además, el uso de biomarcadores y biopsia líquida permite identificar características moleculares del tumor, facilitando estrategias terapéuticas personalizadas.

El tratamiento incluye cirugía, quimioterapia, radioterapia y terapias dirigidas, como los anticuerpos monoclonales e inhibidores de proteínas específicas. La inmunoterapia ha mostrado resultados prometedores en algunos subtipos agresivos.

Asimismo, la microbiota intestinal influye en la respuesta inmune y en la eficacia terapéutica, sugiriendo que intervenciones nutricionales pueden desempeñar un papel en la prevención y tratamiento del cáncer de mama. La investigación continua es clave para optimizar estrategias de manejo y mejorar la supervivencia de las pacientes.

Palabras clave: Cáncer de mama, inteligencia artificial, biomarcadores, biopsia líquida, terapias dirigidas, inmunoterapia.

Abstract:

Breast cancer is one of the leading causes of morbidity and mortality worldwide, representing a significant challenge for health systems. Its incidence is higher in developed countries, while mortality is higher in regions with fewer resources due to limited availability of medical care. Early detection and access to effective treatments are essential to improve clinical outcomes.

Various risk factors influence the development of this disease, including genetic predisposition, hormonal, environmental and lifestyle factors. Mutations in the BRCA1 and BRCA2 genes are determinants of susceptibility, while obesity, alcohol consumption and physical inactivity increase the risk.

Technological advances have improved the detection and classification of breast cancer. Artificial intelligence optimizes the analysis of medical images, increasing diagnostic accuracy. In addition, the use of biomarkers and liquid biopsy allows the identification of molecular characteristics of the tumor, facilitating personalized therapeutic strategies.

Treatment includes surgery, chemotherapy, radiotherapy, and targeted therapies such as monoclonal antibodies and specific protein inhibitors. Immunotherapy has shown promising results in some aggressive subtypes.

In addition, the intestinal microbiota influences the immune response and therapeutic efficacy, suggesting that nutritional interventions may play a role in the prevention and treatment of breast cancer. Continued research is key to optimizing management strategies and improving patient survival.

Keywords: Breast cancer, artificial intelligence, biomarkers, liquid biopsy, targeted therapies, immunotherapy.

Introducción:

El cáncer de mama representa un problema significativo de salud pública debido a su alta prevalencia y tasa de mortalidad en mujeres a nivel mundial. Es el tipo de cáncer más común en esta población y constituye una proporción sustancial de las muertes por neoplasias. Su impacto se ve agravado por las desigualdades en el acceso a la atención médica y en los resultados clínicos, especialmente en regiones en desarrollo. La comprensión de su epidemiología y factores de riesgo es fundamental para diseñar estrategias efectivas de prevención y tratamiento (1; 2)

El cáncer de mama es una de las principales causas de morbilidad y mortalidad oncológica a nivel global, lo que implica una carga significativa para los sistemas de salud (1; 2). Esta carga es particularmente elevada en los países en desarrollo, donde las tasas de mortalidad son mayores debido a la limitada disponibilidad de atención médica y a la presencia de tumores con biología más agresiva (1). Para mitigar su impacto, las iniciativas de salud pública se centran en aumentar la concienciación, fomentar la detección temprana y mejorar el acceso a los tratamientos, con el objetivo de reducir la mortalidad y mejorar la calidad de vida de las pacientes (2).

Desde el punto de vista epidemiológico, el cáncer de mama representa el 25,1% de todas las neoplasias malignas en mujeres, lo que lo convierte en la neoplasia más frecuente en esta población (3). Su incidencia es más elevada en países desarrollados, lo que se atribuye a factores ambientales y de estilo de vida, mientras que la mortalidad es desproporcionadamente alta en regiones con menores recursos sanitarios (1; 3). En los países con mayores avances tecnológicos, la implementación de programas de detección temprana, como la mamografía, ha contribuido a mejorar las tasas de supervivencia. Sin embargo, persisten desafíos en entornos con recursos limitados, donde el acceso a estos métodos sigue siendo insuficiente (1).

Diversos factores de riesgo han sido identificados en la patogénesis del cáncer de mama. Entre ellos, la predisposición genética, en particular la presencia de mutaciones en los genes BRCA1 y BRCA2, constituye un factor determinante en la susceptibilidad a desarrollar la enfermedad. Además, existen factores modificables que influyen en el riesgo individual, tales como el sedentarismo, la obesidad, el consumo de alcohol y la exposición a radiaciones ionizantes (1; 4). Asimismo, aspectos hormonales, comportamientos reproductivos y patrones dietéticos pueden modular la probabilidad de desarrollar esta neoplasia (1; 3). Por otro lado, las disparidades socioeconómicas y étnicas afectan el pronóstico y los resultados clínicos, ya que ciertos grupos presentan subtipos más agresivos y peores desenlaces terapéuticos (1).

El objetivo de esta revisión consta de analizar los avances recientes en el diagnóstico y tratamiento del cáncer de mama, con énfasis en el uso de inteligencia artificial (IA), biomarcadores tumorales, biopsia líquida, clasificación molecular, terapias dirigidas y el impacto del microbioma intestinal en la progresión de la enfermedad. Esta revisión busca integrar hallazgos actuales para identificar tendencias emergentes y su potencial aplicación en la práctica clínica, con el fin de mejorar la precisión diagnóstica, optimizar los enfoques terapéuticos y contribuir al desarrollo de estrategias personalizadas para el manejo del cáncer de mama.

Metodología:

Para el diseño de esta investigación sobre el cáncer de mama y los avances en su diagnóstico y tratamiento, se llevó a cabo una revisión bibliográfica exhaustiva. Esta revisión incluyó aspectos clave como la aplicación de IA en la detección y diagnóstico, el uso de biomarcadores y biopsia líquida, los subtipos moleculares del cáncer de mama, las opciones terapéuticas actuales y el impacto de la dieta y la microbiota intestinal en la progresión de la enfermedad.

Para la selección de información, se consultaron bases de datos científicas de alto impacto, tales como PubMed, Scopus y Web of Science, con el objetivo de garantizar la calidad y relevancia de los estudios analizados en oncología, bioinformática, inmunoterapia y terapias dirigidas.

Se establecieron criterios de inclusión y exclusión rigurosos. Los criterios de inclusión consideraron estudios publicados entre 2020 y 2025, escritos en inglés o español, que abordaran avances en IA  para la detección del cáncer de mama, biomarcadores diagnósticos, terapias emergentes y el papel del microbioma en la enfermedad. Se excluyeron aquellos estudios con datos incompletos, publicaciones duplicadas o investigaciones que no contaran con revisión por pares. Para la búsqueda, se emplearon palabras clave como: Cáncer de mama, inteligencia artificial, biomarcadores, biopsia líquida, terapias dirigidas, inmunoterapia.

La búsqueda inicial resultó en la identificación de 38 fuentes relevantes, incluyendo artículos originales, revisiones sistemáticas, estudios clínicos y documentos oficiales de organismos internacionales de salud y oncología. A partir de estas fuentes, se realizó un análisis detallado para extraer datos sobre la eficacia de modelos de IA en la detección del cáncer, la utilidad de biomarcadores emergentes, la clasificación molecular de los tumores, las estrategias terapéuticas más innovadoras y el impacto del microbioma en la respuesta a los tratamientos.

El análisis se llevó a cabo mediante enfoques cualitativos y comparativos, permitiendo una síntesis estructurada de los hallazgos en diferentes áreas del diagnóstico y tratamiento del cáncer de mama. Se identificaron patrones clínicos, desafíos en la implementación de nuevas tecnologías y oportunidades de mejora en la personalización de los tratamientos. Este enfoque integral proporciona una visión actualizada sobre los avances científicos en la lucha contra el cáncer de mama y su impacto en la práctica clínica.

Etiología y factores de riesgo:

La predisposición genética y hereditaria desempeña un papel fundamental en el desarrollo del cáncer de mama. Las mutaciones en los genes BRCA1 y BRCA2 están asociadas con un riesgo de por vida del 45-65% de desarrollar esta neoplasia, lo que las convierte en los principales factores genéticos de riesgo relacionados con síndromes hereditarios de cáncer de mama (5; 6). Además, existen otras alteraciones genéticas que contribuyen a la susceptibilidad hereditaria. Mutaciones en TP53, junto con otras variantes en genes como CDH1, PTEN y STK11, están implicadas en el cáncer de mama familiar, aunque con distintos niveles de penetrancia. Se estima que estas variaciones genéticas representan entre el 15 y el 25% de los casos en individuos con antecedentes familiares de la enfermedad (6).

Además de la predisposición genética, los factores hormonales y ambientales influyen significativamente en el riesgo de desarrollar cáncer de mama. La historia reproductiva y el uso de terapia de reemplazo hormonal (TRH) modifican la susceptibilidad a esta enfermedad, siendo la exposición a estrógenos un factor clave en su etiología (5). En paralelo, la exposición a ciertos agentes ambientales también puede aumentar el riesgo, aunque su impacto es menor en comparación con los factores genéticos y hormonales. Entre estos factores se encuentran la radiación ionizante y la exposición a compuestos químicos, los cuales pueden contribuir a la carcinogénesis mamaria (7).

El estilo de vida también desempeña un papel determinante en la modulación del riesgo de cáncer de mama. La obesidad, especialmente en la etapa posmenopáusica, y el consumo de alcohol han sido identificados como factores de riesgo modificables con una influencia significativa en la incidencia de la enfermedad (5). Por otro lado, el tabaquismo se ha asociado con un mayor riesgo de desarrollar cáncer de mama, mientras que la actividad física regular ejerce un efecto protector, reduciendo la probabilidad de aparición de la neoplasia (8).

Métodos de detección y diagnóstico:

La detección del cáncer de mama se basa en diversas modalidades de imagen, entre las que se incluyen la mamografía, la ecografía y la resonancia magnética (RM). La mamografía es la herramienta primaria de cribado, aunque su precisión puede verse afectada por la densidad mamaria y las características del tumor. No obstante, los sistemas de mamografía mejorados con IA, particularmente aquellos que emplean modelos de aprendizaje profundo, han demostrado tasas de detección y precisión en la clasificación superiores, alcanzando hasta un 99% de éxito en la identificación de masas mamarias (9; 10). Por otro lado, la ecografía desempeña un papel clave en la evaluación de lesiones mamarias, especialmente en tejidos mamarios densos. Los modelos de IA aplicados a radiómica basada en ecografía han mostrado una precisión prometedora en la predicción de marcadores moleculares como HER2 y Ki67, con valores de sensibilidad y especificidad que oscilan entre 0.76 y 0.80 (11). Finalmente, la RM es reconocida por su alta sensibilidad en la detección de lesiones mamarias. Su combinación con sistemas de detección asistida por computadora basados en arquitecturas de aprendizaje profundo ha mejorado la segmentación y detección de lesiones, aunque persisten desafíos como la elevada tasa de falsos positivos y la necesidad de desarrollar IA explicable para fortalecer la confianza del clínico (12).

El uso de biomarcadores tumorales y biopsias líquidas representa un avance significativo en la detección no invasiva del cáncer de mama. Dentro de este campo, los patrones de metilación del ADN están siendo explorados como potenciales herramientas para la detección temprana de la enfermedad. En particular, las biopsias líquidas han demostrado gran utilidad en el cáncer de mama triple negativo, logrando diferenciar este subtipo de otros tipos de cáncer de mama con una precisión del 84% (13). Además, la biopsia líquida ofrece una alternativa no invasiva a las biopsias tradicionales al emplear muestras sanguíneas para la detección de biomarcadores específicos del cáncer. En este contexto, los modelos de IA han sido desarrollados para analizar firmas lipidómicas plasmáticas, alcanzando niveles de sensibilidad y especificidad comparables a los métodos convencionales (14).

Los avances en IA aplicada a la detección del cáncer de mama han mejorado la precisión diagnóstica y la eficiencia del cribado. Estas herramientas se emplean en la detección por imagen, histopatología y apoyo en la toma de decisiones clínicas, aunque aún persisten desafíos relacionados con la calidad de los datos y la transparencia de los algoritmos (15). En este sentido, la integración de múltiples fuentes de datos, como imágenes histopatológicas y datos genómicos, mediante enfoques multimodales ha optimizado la precisión diagnóstica. La implementación de métodos de IA explicable es esencial para clarificar los procesos de toma de decisiones de la IA, lo que incrementa la confianza del clínico y la participación del paciente en su tratamiento (16). Asimismo, tecnologías emergentes como los transformadores de visión y el aprendizaje profundo han sido aplicadas a la tomosíntesis digital de mama, mejorando la precisión diagnóstica gracias a una visualización 3D optimizada y una mayor capacidad de discernimiento de lesiones. Estos modelos han establecido nuevos estándares en el análisis de imágenes de la tomosíntesis digital de mama, marcando un hito en el diagnóstico del cáncer de mama (17).

Clasificación y caracterización molecular:

El cáncer de mama se clasifica en distintos subtipos moleculares que presentan características biológicas y pronósticos diferenciados. Dentro de estos, los subtipos luminales A y B destacan por su expresión de receptores hormonales y sus diferencias en agresividad y respuesta al tratamiento. El subtipo luminal A se caracteriza por una menor agresividad y un mejor pronóstico, respondiendo favorablemente a la terapia hormonal debido a su alta expresión de receptores de estrógeno y progesterona. En contraste, el subtipo luminal B presenta un microambiente tumoral más inmunosupresor en comparación con el luminal A, con una mayor infiltración de linfocitos T reguladores y una reducción de células NK. Estas características sugieren la necesidad de estrategias terapéuticas más agresivas, combinando terapia hormonal con agentes dirigidos (18).

Otro subtipo relevante es el cáncer de mama HER2-positivo, caracterizado por su alta agresividad y una incidencia del 15-20% entre todos los cánceres de mama. Gracias a la perfilación molecular, se han identificado subtipos dentro de esta categoría, como HER2-CLA y HER2-IM, que muestran respuestas diferenciadas a las terapias. Por ejemplo, HER2-CLA se beneficia significativamente de las terapias anti-HER2, mientras que HER2-IM podría responder mejor a enfoques inmunoterapéuticos (19).

Por otro lado, el cáncer de mama triple negativo (TNBC, por sus siglas en inglés) es altamente heterogéneo, lo que dificulta su manejo clínico. Estudios de transcriptómica espacial han identificado nueve arquetipos espaciales distintos, lo que sugiere la necesidad de estrategias terapéuticas personalizadas para optimizar los resultados clínicos (20). Además, la presencia de linfocitos T CD8+ disfuncionales que expresan CTLA4 en TNBC de tipo basal indica una disfunción inmunitaria, lo que refuerza la necesidad de explorar nuevas estrategias terapéuticas, como el uso de inhibidores de puntos de control inmunológico (21).

En términos de implicaciones clínicas y terapéuticas, la perfilación molecular, que incluye secuenciación de nueva generación y biopsias líquidas, desempeña un papel fundamental en la identificación de subtipos específicos y en la personalización de los tratamientos. Este enfoque permite mejorar la precisión en el pronóstico y las intervenciones terapéuticas, lo que potencialmente se traduce en mejores resultados clínicos para los pacientes (22).

Opciones terapéuticas:

Dentro de las opciones quirúrgicas, la cirugía continúa siendo un pilar fundamental en el manejo del cáncer de mama. Las principales técnicas incluyen la mastectomía, en la que se extirpa completamente la mama, y la cirugía conservadora, que busca preservar la mayor cantidad de tejido mamario posible. La decisión entre una u otra depende de variables como el tamaño y la localización del tumor, así como de las preferencias de la paciente (23).

La radioterapia y la quimioterapia complementan el tratamiento quirúrgico y desempeñan un papel esencial en la reducción de las tasas de recurrencia. La radioterapia se administra comúnmente después de la cirugía para eliminar células tumorales residuales, mejorando el pronóstico y disminuyendo la probabilidad de recaída. Por su parte, la quimioterapia se emplea por su efecto sistémico en la eliminación de células en rápida división, siendo utilizada tanto en el contexto neoadyuvante, para reducir el tamaño del tumor antes de la cirugía, como en el adyuvante, para prevenir recurrencias tras la intervención quirúrgica (23).

Las terapias dirigidas han revolucionado el tratamiento del cáncer de mama al centrarse en dianas moleculares específicas, minimizando los efectos adversos sobre células sanas. Entre ellas, destacan los anticuerpos monoclonales, como el trastuzumab, utilizado en cáncer de mama HER2-positivo, y los inhibidores de PARP, que han demostrado eficacia en tumores con mutaciones en BRCA1/2 (24).

La inmunoterapia ha emergido como una alternativa prometedora en el tratamiento del cáncer de mama, especialmente en el TNBC, un subtipo caracterizado por su agresividad y la ausencia de receptores hormonales. En este contexto, los inhibidores de puntos de control inmunológico, como pembrolizumab, han mostrado resultados alentadores en combinación con quimioterapia (24; 25). Además, se está explorando la combinación de inmunoterapia con terapias dirigidas o quimioterapia para potenciar la respuesta tumoral y superar los mecanismos de resistencia (25; 26).

Finalmente, las estrategias experimentales están avanzando en la búsqueda de tratamientos más eficaces. Entre ellas, la nanotecnología y la modulación del microambiente tumoral buscan transformar tumores con baja respuesta inmune («fríos») en tumores más inmunogénicos («calientes»), lo que podría mejorar la efectividad de la inmunoterapia mediante el uso de nanopartículas diseñadas para modificar el entorno tumoral (27). Asimismo, las terapias celulares, como los linfocitos infiltrantes de tumor (TILs) y los linfocitos T con receptores quiméricos de antígeno (CAR-T), están siendo investigadas en estudios preclínicos, mostrando resultados prometedores en modelos experimentales (25).

Rol de la nutrición y microbiota en la prevención y tratamiento:

La alimentación desempeña un papel fundamental en la progresión del cáncer de mama, principalmente a través de su impacto en la microbiota intestinal. La composición y función de esta comunidad microbiana pueden influir en la respuesta inmune y en los procesos inflamatorios, lo que a su vez afecta el desarrollo tumoral. Diversos componentes de la dieta contribuyen a mantener un microbioma saludable, lo que podría reducir el riesgo de cáncer de mama (28).

Las intervenciones nutricionales, como el aumento en el consumo de fibra, han demostrado beneficios significativos. La fermentación de la fibra en el colon favorece la producción de ácidos grasos de cadena corta, los cuales poseen propiedades antiinflamatorias y pueden inhibir el crecimiento de células tumorales (28).

Además de su impacto en la carcinogénesis, la microbiota intestinal desempeña un papel clave en la eficacia de las terapias oncológicas, como la quimioterapia y la radioterapia. Se ha identificado que ciertas especies bacterianas pueden modificar el metabolismo de los fármacos, afectando su biodisponibilidad y, en consecuencia, la respuesta terapéutica (29; 30).

Por otro lado, la disbiosis, es decir, el desequilibrio en la composición bacteriana del intestino, se ha asociado con un mayor riesgo de cáncer de mama y una progresión más agresiva de la enfermedad. Este desbalance puede influir en la metabolización de hormonas y en la regulación del sistema inmunológico, lo que sugiere el potencial de intervenciones dirigidas al microbioma, como el uso de probióticos, para mejorar el pronóstico de las pacientes (28; 31).

Un hallazgo reciente y relevante es la presencia de comunidades microbianas en el propio tejido mamario, lo que antes se consideraba inexistente. Se ha propuesto que esta microbiota local podría modular el microambiente tumoral, influyendo en el crecimiento y la capacidad metastásica de las células cancerosas (32).

Pronóstico y supervivencia:

Los factores pronósticos desempeñan un papel crucial en la evolución clínica del cáncer de mama, permitiendo estimar la supervivencia y orientar las estrategias terapéuticas. Uno de los principales determinantes es el estadío tumoral, ya que su progresión se asocia con una mayor mortalidad. En particular, los pacientes con tumores en estadíos avanzados presentan un peor pronóstico debido a una mayor diseminación de la enfermedad (33).

Otro factor clave en la evolución del cáncer de mama es el estado de HER2. Se ha identificado que los pacientes con HER2-low, especialmente aquellos con receptores de estrógeno negativos, presentan una menor supervivencia global en comparación con otros subgrupos (34).

Además de los marcadores clínicos y moleculares, los resultados informados por los pacientes (PROs, por sus siglas en inglés) han emergido como predictores relevantes de supervivencia y efectos adversos. Entre ellos, la función física ha demostrado un valor pronóstico significativo, ya que su deterioro puede reflejar la progresión de la enfermedad y la tolerancia al tratamiento. La evaluación de estos parámetros no solo proporciona información sobre la calidad de vida del paciente, sino que también puede guiar la toma de decisiones terapéuticas (35).

En este contexto, la calidad de vida adquiere una importancia central, especialmente en pacientes con enfermedad metastásica. La atención paliativa ha demostrado ser fundamental para mejorar el bienestar de estos pacientes, aunque su acceso presenta disparidades raciales y étnicas. Se ha observado que los pacientes de grupos minoritarios, en particular los afrodescendientes, tienen menos probabilidades de recibir cuidados paliativos en comparación con los pacientes blancos. Esta subutilización se ha asociado con peores resultados de supervivencia, lo que subraya la necesidad de intervenciones dirigidas a garantizar una equidad en la atención oncológica (36).

En los últimos años, el uso de la IA ha revolucionado el pronóstico del cáncer de mama mediante la implementación de modelos de aprendizaje automático. Herramientas como Extra Survival Trees y redes neuronales profundas han sido desarrolladas para predecir los desenlaces clínicos con una mayor precisión. Estos modelos integran múltiples variables clínicas y demográficas, lo que permite mejorar la estratificación del riesgo y la planificación del tratamiento (33; 37).

Conclusiones:

La detección oportuna del cáncer de mama es fundamental para mejorar el pronóstico y reducir la mortalidad, especialmente en regiones con acceso limitado a servicios médicos especializados. Factores como la predisposición genética, los hábitos de vida y el entorno desempeñan un papel clave en el desarrollo de la enfermedad, por lo que es esencial fortalecer estrategias de prevención y educación para minimizar el riesgo.

El uso de inteligencia artificial, biomarcadores y biopsia líquida ha mejorado la precisión del diagnóstico y la personalización del tratamiento. Las terapias dirigidas, la inmunoterapia y la medicina de precisión han permitido un abordaje más eficaz de la enfermedad, aumentando la esperanza y calidad de vida de las pacientes. Sin embargo, es necesario continuar con la investigación para optimizar estos tratamientos y ampliar su accesibilidad.

La relación entre la microbiota intestinal y la respuesta inmune sugiere que intervenciones nutricionales específicas podrían mejorar la prevención y la eficacia del tratamiento del cáncer de mama. La investigación en este campo representa una oportunidad para desarrollar estrategias complementarias que optimicen los resultados clínicos y refuercen el impacto de las terapias convencionales.

Referencias:

  1. Khalid S, Arshad S, Aqeel M, Ameer R, Shaukat A, Ghous M, et al. EPIDEMIOLOGY AND RISK FACTORS OF BREAST CANCER: A GLOBAL PERSPECTIVE ON INCIDENCE, MORTALITY, AND PREVENTION STRATEGIES. Biological And Clinical Sciences Research Journal [Internet]. 30 de diciembre de 2024;2024(1):1465. Disponible en: https://doi.org/10.54112/bcsrj.v2024i1.1465
  2. Nsubuga E. A Comprehensive Review of Breast Cancer: Prevalence, Diagnosis, and Gender Disparities. Research Output Journal Of Public Health And Medicine [Internet]. 3 de noviembre de 2024;4(1):41-6. Disponible en: https://doi.org/10.59298/rojphm/2024/414146
  3. Yara D, Oroszi T. Understanding Breast Cancer: A Comprehensive Review of Epidemiology, Risk Factors, and Treatment Strategies. Advances In Breast Cancer Research [Internet]. 1 de enero de 2025;14(01):1-15. Disponible en: https://doi.org/10.4236/abcr.2025.141001
  4. Gao Y. Research on the Breast Cancer Risk Factors and Possible Therapy. Transactions On Materials Biotechnology And Life Sciences [Internet]. 24 de marzo de 2024;3:28-34. Disponible en: https://doi.org/10.62051/egam8c76
  5. Hoque N, Choudhury A, Baishya D, Deka H. Comprehensive review of breast cancer risk factors, diagnosis, screening, and treatment methods. Journal Of Applied Pharmaceutical Research [Internet]. 31 de octubre de 2024;12(5):16-27. Disponible en: https://doi.org/10.69857/joapr.v12i5.606
  6. Pal M, Das D, Pandey M. Understanding genetic variations associated with familial breast cancer. World Journal Of Surgical Oncology [Internet]. 10 de octubre de 2024;22(1). Disponible en: https://doi.org/10.1186/s12957-024-03553-9
  7. Del Fiol Manna E, Serrano D, Cazzaniga L, Mannucci S, Zanzottera C, Fava F, et al. Hereditary Breast Cancer: Comprehensive Risk Assessment and Prevention Strategies. Genes [Internet]. 13 de enero de 2025;16(1):82. Disponible en: https://doi.org/10.3390/genes16010082
  8. Conte L, Rizzo E, Civino E, Tarantino P, De Nunzio G, De Matteis E. Enhancing Breast Cancer Risk Prediction with Machine Learning: Integrating BMI, Smoking Habits, Hormonal Dynamics, and BRCA Gene Mutations—A Game-Changer Compared to Traditional Statistical Models? Applied Sciences [Internet]. 20 de septiembre de 2024;14(18):8474. Disponible en: https://doi.org/10.3390/app14188474
  9. Ahmad J, Akram S, Jaffar A, Ali Z, Bhatti SM, Ahmad A, et al. Deep learning empowered breast cancer diagnosis: Advancements in detection and classification. PLoS ONE [Internet]. 11 de julio de 2024;19(7):e0304757. Disponible en: https://doi.org/10.1371/journal.pone.0304757
  10. Yaqub M, Jinchao F, Aijaz N, Ahmed S, Mehmood A, Jiang H, et al. Intelligent breast cancer diagnosis with two-stage using mammogram images. Scientific Reports [Internet]. 19 de julio de 2024;14(1). Disponible en: https://doi.org/10.1038/s41598-024-65926-0
  11. Fu Y, Zhou J, Li J. Diagnostic performance of ultrasound-based artificial intelligence for predicting key molecular markers in breast cancer: A systematic review and meta-analysis. PLoS ONE [Internet]. 31 de mayo de 2024;19(5):e0303669. Disponible en: https://doi.org/10.1371/journal.pone.0303669
  12. Jannatdoust P, Valizadeh P, Saeedi N, Valizadeh G, Salari HM, Rad HS, et al. Computer‐Aided Detection (CADe) and Segmentation Methods for Breast Cancer Using Magnetic Resonance Imaging (MRI). Journal Of Magnetic Resonance Imaging [Internet]. 9 de enero de 2025; Disponible en: https://doi.org/10.1002/jmri.29687
  13. Charlton J, Farashahi S, Pettie K, Massaad E, Hubbell J, Hantash F, et al. Abstract A053: Liquid biopsy-based detection of triple negative breast cancer using DNA methylation biomarkers. Clinical Cancer Research [Internet]. 13 de noviembre de 2024;30(21_Supplement):A053. Disponible en: https://doi.org/10.1158/1557-3265.liqbiop24-a053
  14. Lim A, Kehelpannala C, Vafaee F, Koch F, Pascovici D, Li D, et al. Abstract PO4-07-02: Development of an Artificial Intelligence-based breast cancer detection model using Plasma Lipidomic Signature. Cancer Research [Internet]. 2 de mayo de 2024;84(9_Supplement):PO4-02. Disponible en: https://doi.org/10.1158/1538-7445.sabcs23-po4-07-02
  15. Chia JLL, He GS, Ngiam KY, Hartman M, Ng QX, Goh SSN. Harnessing Artificial Intelligence to Enhance Global Breast Cancer Care: A Scoping Review of Applications, Outcomes, and Challenges. Cancers [Internet]. 9 de enero de 2025;17(2):197. Disponible en: https://doi.org/10.3390/cancers17020197
  16. Abdullakutty F, Akbari Y, Al-Maadeed S, Bouridane A, Talaat IM, Hamoudi R. Histopathology in focus: a review on explainable multi-modal approaches for breast cancer diagnosis. Frontiers In Medicine [Internet]. 30 de septiembre de 2024;11. Disponible en: https://doi.org/10.3389/fmed.2024.1450103
  17. Kassis I, Lederman D, Ben-Arie G, Rosenthal MG, Shelef I, Zigel Y. Detection of breast cancer in digital breast tomosynthesis with vision transformers. Scientific Reports [Internet]. 27 de septiembre de 2024;14(1). Disponible en: https://doi.org/10.1038/s41598-024-72707-2
  18. Moura T, Caramelo O, Silva I, Silva S, Gonçalo M, Portilha MA, et al. Early-Stage Luminal B-Like Breast Cancer Exhibits a More Immunosuppressive Tumor Microenvironment than Luminal A-Like Breast Cancer. Biomolecules [Internet]. 7 de enero de 2025;15(1):78. Disponible en: https://doi.org/10.3390/biom15010078
  19. Li Y, Dai L, Wu X, Zhao S, Xu Y, Jin X, et al. Molecular Characterization and Classification of HER2-Positive Breast Cancer Inform Tailored Therapeutic Strategies. Cancer Research [Internet]. 26 de agosto de 2024b;84(21):3669-83. Disponible en: https://doi.org/10.1158/0008-5472.can-23-4066
  20. Wang X, Venet D, Lifrange F, Larsimont D, Rediti M, Stenbeck L, et al. Spatial transcriptomics reveals substantial heterogeneity in triple-negative breast cancer with potential clinical implications. Nature Communications [Internet]. 26 de noviembre de 2024;15(1). Disponible en: https://doi.org/10.1038/s41467-024-54145-w
  21. Iglesia MD, Jayasinghe RG, Chen S, Terekhanova NV, Herndon JM, Storrs E, et al. Differential chromatin accessibility and transcriptional dynamics define breast cancer subtypes and their lineages. Nature Cancer [Internet]. 30 de octubre de 2024;5(11):1713-36. Disponible en: https://doi.org/10.1038/s43018-024-00773-6
  22. Ultimescu F, Hudita A, Popa DE, Olinca M, Muresean HA, Ceausu M, et al. Impact of Molecular Profiling on Therapy Management in Breast Cancer. Journal Of Clinical Medicine [Internet]. 23 de agosto de 2024;13(17):4995. Disponible en: https://doi.org/10.3390/jcm13174995
  23. Naji O, Ghouzlani A, Rafii S, Sadiqi RU, Kone AS, Harmak Z, et al. Investigating tumor immunogenicity in breast cancer: deciphering the tumor immune response to enhance therapeutic approaches. Frontiers In Immunology [Internet]. 23 de octubre de 2024;15. Disponible en: https://doi.org/10.3389/fimmu.2024.1399754
  24. Dvir K, Giordano S, Leone JP. Immunotherapy in Breast Cancer. International Journal Of Molecular Sciences [Internet]. 9 de julio de 2024;25(14):7517. Disponible en: https://doi.org/10.3390/ijms25147517
  25. Heater NK, Warrior S, Lu J. Current and future immunotherapy for breast cancer. Journal Of Hematology & Oncology [Internet]. 25 de diciembre de 2024;17(1). Disponible en: https://doi.org/10.1186/s13045-024-01649-z
  26. Nandi D, Sharma D. Integrating immunotherapy with conventional treatment regime for breast cancer patients- an amalgamation of armamentarium. Frontiers In Immunology [Internet]. 1 de noviembre de 2024;15. Disponible en: https://doi.org/10.3389/fimmu.2024.1477980
  27. Yang L, Hu Q, Huang T. Breast Cancer Treatment Strategies Targeting the Tumor Microenvironment: How to Convert “Cold” Tumors to “Hot” Tumors. International Journal Of Molecular Sciences [Internet]. 29 de junio de 2024;25(13):7208. Disponible en: https://doi.org/10.3390/ijms25137208
  28. Altrawy A, Khalifa MM, Abdelmaksoud A, Khaled Y, Saleh ZM, Sobhy H, et al. Metabolites in the Dance: Deciphering Gut-Microbiota-Mediated Metabolic Reprogramming of the Breast Tumor Microenvironment. Cancers [Internet]. 11 de diciembre de 2024;16(24):4132. Disponible en: https://doi.org/10.3390/cancers16244132
  29. Arnone A, Ansley K, Heeke AL, Howard-McNatt M, Cook KL. Gut microbiota interact with breast cancer therapeutics to modulate efficacy. EMBO Molecular Medicine [Internet]. 16 de enero de 2025; Disponible en: https://doi.org/10.1038/s44321-024-00185-0
  30. Herrera-Quintana L, Vázquez-Lorente H, Silva RCMC, Olivares-Arancibia J, Reyes-Amigo T, Pires BRB, et al. The Role of the Microbiome and of Radiotherapy-Derived Metabolites in Breast Cancer. Cancers [Internet]. 30 de octubre de 2024;16(21):3671. Disponible en: https://doi.org/10.3390/cancers16213671
  31. Neagoe C, Ionică M, Neagoe OC, Trifa AP. The Influence of Microbiota on Breast Cancer: A Review. Cancers [Internet]. 13 de octubre de 2024;16(20):3468. Disponible en: https://doi.org/10.3390/cancers16203468
  32. Guo H. Interactions between the tumor microbiota and breast cancer. Frontiers In Cellular And Infection Microbiology [Internet]. 24 de enero de 2025;14. Disponible en: https://doi.org/10.3389/fcimb.2024.1499203
  33. Kang H, Ko M, Ryu KS. Prediction model for survival of younger patients with breast cancer using the breast cancer public staging database. Scientific Reports [Internet]. 28 de octubre de 2024;14(1). Disponible en: https://doi.org/10.1038/s41598-024-76331-y
  34. Huszno J, Kolosza Z, Stobiecka E, Ponikiewska D, Szcześniak B, Simek J, et al. 2332P Overall survival in breast cancer patients with HER2-low status single- center experience. Annals Of Oncology [Internet]. 1 de octubre de 2023;34:S1190. Disponible en: https://doi.org/10.1016/j.annonc.2023.09.1361
  35. Modi N, Abuhelwa AY, Rowland A, Menz BD, McKinnon RA, Sorich MJ, et al. Association between patient-reported outcomes and therapeutic outcomes in patients with breast cancer: A pooled individual-participant data analysis. Journal Of Clinical Oncology [Internet]. 1 de junio de 2023;41(16_suppl):530. Disponible en: https://doi.org/10.1200/jco.2023.41.16_suppl.530
  36. Freeman JQ, Omoleye OJ, Zhao F, Huo D. Palliative Care Use Trends, Racial/Ethnic Disparities, and Overall Survival Differences Among Patients With Metastatic Breast Cancer. Journal Of Palliative Medicine [Internet]. 1 de febrero de 2024;27(6):763-75. Disponible en: https://doi.org/10.1089/jpm.2023.0547
  37. Kang HYJ, Ko M, Ryu KS. Prediction model for survival of younger patients with breast cancer using the breast cancer public staging database. Scientific Reports [Internet]. 28 de octubre de 2024b;14(1). Disponible en: https://doi.org/10.1038/s41598-024-76331-y
  38. Hamedi SZ, Emami H, Khayamzadeh M, Rabiei R, Aria M, Akrami M, et al. Application of machine learning in breast cancer survival prediction using a multimethod approach. Scientific Reports [Internet]. 3 de diciembre de 2024;14(1). Disponible en: https://doi.org/10.1038/s41598-024-81734-y