Cáncer residual: Droplet Biosciences y Nvidia aceleran pruebas con IA de semanas a 24 horas

• curecompass
• 3 marzo, 2026
• I+D, Negocios, Tecnología
• Cáncer, Cleveland Clinic, Droplet Biosciences, enfermedad residual mínima, ERM, Inteligencia Artificial, Mayo Clinic, MRD, Nvidia, Portada, Test Clínicos, The Engine Ventures, University of Pittsburgh Medical Center
• 0 Comments

Droplet Biosciences se alió con Nvidia para usar IA y análisis genómico acelerado que permite detectar enfermedad residual en linfa en solo 24 horas tras la cirugía, acortando semanas los tiempos tradicionales y ya aplicado en cáncer de cabeza y cuello HPV negativo.

Droplet Biosciences, startup de diagnóstico molecular, selló una alianza con Nvidia para usar su infraestructura de inteligencia artificial y reducir drásticamente los tiempos de análisis genómico en cáncer, pasando de procesos que tomaban más de un día a solo horas y permitiendo detectar enfermedad residual en apenas 24 horas tras la cirugía.

El primer test clínico, validado bajo normas CLIA y dirigido a cáncer de cabeza y cuello HPV negativo, ya está disponible en un programa de acceso temprano con centros como Mayo Clinic, Cleveland Clinic y el University of Pittsburgh Medical Center.

Una biopsia “líquida” basada en linfa, no en sangre

A diferencia de la mayoría de las pruebas de enfermedad residual mínima (MRD), que se basan en muestras de sangre tomadas semanas después de la cirugía, Droplet Biosciences desarrolló una plataforma de “biopsia líquida basada en linfa” que analiza fluido linfático recolectado apenas 24 horas después de la resección tumoral. Según la compañía, este fluido contiene “hasta 130 veces más moléculas de ADN derivadas del tumor que el plasma sanguíneo tomado al mismo tiempo”, lo que se traduce en “aproximadamente el doble de sensibilidad para detectar células cancerosas residuales raras”.

Droplet sostiene que, con este enfoque, puede identificar enfermedad residual en 24 horas, frente a las cuatro a seis semanas que suelen requerir los tests basados en sangre para captar restos de tumor en circulación. Esa ventana de tiempo más corta permite a los equipos médicos ajustar antes los planes de tratamiento, por ejemplo intensificando terapia adyuvante en pacientes con enfermedad persistente o evitando sobretratamientos en quienes no presentan señales moleculares de recaída.

Parabricks y GPU: de más de un día de cómputo a unas pocas horas

Para que esa rapidez clínica sea posible, la empresa tuvo que resolver un cuello de botella computacional: el análisis profundo de secuenciación de ADN (deep sequencing) sobre grandes volúmenes de datos. Droplet migró sus flujos de trabajo desde arquitecturas basadas en CPU a la suite Nvidia Parabricks, un software acelerado por GPU diseñado para genómica, reduciendo el tiempo de “variant calling” de 36 a 3 horas y el alineamiento de lecturas de 10 horas a menos de una hora, según un caso de estudio publicado por Nvidia.

“Al aprovechar la aceleración de NVIDIA Parabricks, hemos podido comprimir algunos de nuestros pasos más intensivos en cómputo de más de un día a solo unas pocas horas”, explicó Wendy Winckler, directora científica (CSO) de Droplet Biosciences. La compañía destacó que, pese al “mayor costo horario del cómputo GPU”, el recorte drástico en los tiempos de ejecución “resulta en un menor costo total por muestra”. “Principalmente nos permite paralelizar y correr más de estas pruebas al mismo tiempo y, lo que es clave, mucho más rápido”, añadió Winckler en declaraciones a Reuters.

Según la ejecutiva, el paso siguiente es seguir optimizando el pipeline para llevar el tiempo total de respuesta “de unos 10 días a menos de cinco días” en ciertos escenarios, consolidando un modelo en el que muchos pacientes pueden recibir resultados mientras aún están internados, evitando visitas adicionales y largas esperas asociadas a los análisis tradicionales en sangre.

Primer test: cáncer de cabeza y cuello HPV negativo, con programas en pulmón y vejiga

El primer ensayo clínico de Droplet validado bajo las Clinical Laboratory Improvement Amendments (CLIA) se centra en cáncer de cabeza y cuello HPV negativo, un subtipo con alto riesgo de recurrencia local y regional. El test está disponible en un programa de acceso temprano con socios selectos; entre sus clientes figuran el University of Pittsburgh Medical Center, Cleveland Clinic y Mayo Clinic.

Además, la compañía trabaja en programas de prueba de concepto en estadios avanzados para cáncer de pulmón y de vejiga, y sostiene que la recolección de fluido linfático “es aplicable a una amplia variedad de tumores sólidos” y procedimientos quirúrgicos. Estudios de póster presentados en congresos (como AACR) señalan que el análisis de ADN tumoral circulante en linfa postoperatoria predice mejor la recurrencia que el plasma, incluso en pacientes con enfermedad N0 o sin compromiso ganglionar evidente.

“Al combinar la tecnología de Nvidia, Droplet Biosciences está transformando la detección del cáncer”, afirmó Rory Kelleher, director global de desarrollo de negocios para ciencias de la vida en Nvidia, quien recordó que “la carga computacional del análisis de secuenciación profunda ha sido durante mucho tiempo un cuello de botella en el diagnóstico oncológico”.

Aceleradoras de IA, costos y oportunidades para la región

Droplet forma parte de Nvidia Inception, el programa de aceleración para startups de IA, y es cliente de Nvidia AI Enterprise, lo que le da acceso a hardware, software y soporte especializado para escalar su plataforma. Este tipo de alianzas entre empresas de diagnóstico y proveedores de infraestructura de IA apunta a un mercado global de salud y ciencias de la vida de U$S 10 billones, donde el valor se juega tanto en nuevas biomarcadores como en la capacidad de procesar datos a escala.

Para sistemas de salud de América Latina y la Argentina, donde los tiempos de anatomía patológica y de estudios moleculares suelen extenderse por semanas y limitar el acceso a terapias dirigidas o inmunoterapias, la combinación de nuevas matrices biológicas (como la linfa postoperatoria) con análisis genómicos acelerados por GPU abre una ventana concreta a modelos de diagnóstico más rápidos y, potencialmente, más costo-eficientes por muestra. A medida que estas tecnologías pasen de programas de acceso temprano en grandes centros académicos a redes asistenciales más amplias, la competencia entre startups de diagnóstico, grandes laboratorios y proveedores de nube e IA será un factor central en la configuración de la próxima generación de tests oncológicos de alta precisión en la región.