Revista Científica Arbitrada en Investigaciones de la Salud ‘‘GESTAR”. Vol. 8, Núm. 16 (Ed. Jul – Dic  
025) ISSN: 2737-6273  
2
Detección temprana de cáncer en perros y gatos mediante biomarcadores e inteligencia artificial.  
DOI: https://doi.org/10.46296/gt.v8i16.0310  
DETECCIÓN TEMPRANA DE CÁNCER EN PERROS Y GATOS MEDIANTE  
BIOMARCADORES E INTELIGENCIA ARTIFICIAL  
EARLY DETECTION OF CANCER IN DOGS AND CATS USING  
BIOMARKERS AND ARTIFICIAL INTELLIGENCE  
1
2
Coloma-Chasi Andrea Michelle ; Chávez-Vaca Vinicio Alexander  
1
2
Escuela Superior Politécnica Agropecuaria de Manabí Manuel Félix López. Calceta, Ecuador.  
Correo: andrea.coloma@espam.edu.ec. ORCID ID: https://orcid.org/0009-0002-2411-8487.  
Escuela Superior Politécnica Agropecuaria de Manabí Manuel Félix López. Calceta, Ecuador.  
Correo: vachavez@espam.edu.ec. ORCID ID: https://orcid.org/0000-0003-3623-4178.  
Resumen  
La detección temprana del cáncer en animales de compañía representa un desafío actual por las  
limitaciones en los métodos de diagnóstico tradicionales que suelen identificar enfermedades en  
etapas avanzadas. El objetivo de esta investigación fue evaluar la información disponible sobre  
los métodos para detectar cáncer de manera temprana en perros y gatos. Se analizó el uso de  
biomarcadores, tecnologías de imagen avanzadas y la incorporación de la inteligencia artificial  
(
IA). Para ello, se realizó una revisión sistemática de la literatura entre 2014 y 2024; los criterios  
de inclusión y exclusión se basaron en la validez metodológica y el uso de bases de datos como  
PubMed, Frontiers y Elsevier. Además, la búsqueda se complementó con herramientas de  
inteligencia artificial para incluir estudios de relevancia científica. Los hallazgos han demostrado  
que la biopsia líquida mediante la detección de ADN es una técnica no invasiva que permite  
identificar neoplasias en etapas iniciales. Asimismo, los biomarcadores transcriptómicos facilitan  
interpretar la progresión tumoral y obtener diagnósticos más precisos y personalizados. En este  
sentido, la implementación de la IA por imagen evidenció tener un alto potencial para reconocer  
patrones y clasificar los casos según el nivel de exactitud. La evidencia disponible señala que  
estas tecnologías reducen los errores humanos, agilizando los procesos de diagnóstico,  
combinados con procesos de validación científica; y que en conjunto son prometedoras para  
contribuir significativamente en el bienestar y calidad de vida de las mascotas.  
Palabras claves: cáncer en mascotas; inteligencia artificial; biopsia líquida; biomarcadores;  
diagnóstico por imagen.  
Abstract  
The early detection of cancer in companion animals represents a current challenge due to the  
limitations of traditional diagnostic methods that usually identify diseases in advanced stages.  
The aim of this research was to evaluate the available information on methods for detecting  
cancer early in dogs and cats. The use of biomarkers, advanced imaging technologies, and the  
incorporation of artificial intelligence (AI) were analyzed. To this end, a systematic review of the  
literature was carried out between 2014 and 2024; the inclusion and exclusion criteria were based  
on methodological validity and the use of databases such as PubMed, Frontiers and Elservier. In  
addition, the search was complemented with artificial intelligence tools to include studies of  
scientific relevance. The findings have shown that liquid biopsy using DNA detection is a non-  
invasive technique that allows the identification of neoplasms in early stages. In addition,  
transcriptomic biomarkers make it easier to interpret tumour progression and obtain more  
accurate and personalised diagnoses. In this sense, the implementation of image AI showed a  
high potential to recognize patterns and classify cases according to the level of accuracy. The  
available evidence indicates that these technologies reduce human errors, streamlining  
diagnostic processes, combined with scientific validation processes; and that together they are  
promising to contribute significantly to the well-being and quality of life of pets.  
Información del manuscrito:  
Fecha de recepción: 14 de septiembre de 2025.  
Fecha de aceptación: 27 de noviembre de 2025.  
Fecha de publicación: 15 de diciembre de 2025.  
1092  
Coloma-Chasi et al. (2025)  
Keywords: cancer in pets; artificial intelligence; liquid biopsy; biomarkers; diagnostic imaging.  
implementando cambios notables en  
1. Introducción  
la oncología veterinaria a través del  
diagnóstico por imágenes (Burti et  
al., 2024). Su uso nos permite  
identificar tumores en animales y al  
mismo tiempo abordar los desafíos  
con la disponibilidad de servicios  
La salud de los animales de  
compañía es cada vez más  
significativa para los dueños de las  
mascotas, ya que priorizan su  
bienestar y calidad de vida. Por ello,  
las enfermedades letales o crónicas  
son un desafío en la detección  
temprana. En este contexto, el  
cáncer es considerado como la  
principal causa de muertes en  
animales de compañía, presentando  
consecuencias muy profundas y  
especializados  
diagnóstico  
y
favorecer el  
temprano de la  
enfermedad (Appleby, 2022).  
Existen algunos tipos de cáncer muy  
frecuentes en perros, tales como el  
linfoma, mastocitoma mamario en  
perras, carcinoma de células  
escamosas y linfoma en gatos  
causando  
pacientes  
dolor  
con  
en muchos  
enfermedades  
(
Jordan, 2024). Y se detectan a  
terminales y reduciendo su calidad  
de vida (Garden et al., 2018).Esto se  
convierte en un problema de salud y  
causa la muerte en perros mayores  
de dos años. Así, uno de cada cuatro  
perros muere por esta enfermedad  
través de inspección, palpación y  
métodos de imagen (rayos X,  
ecografía, resonancia magnética,  
tomografía),  
seguida  
de  
y
investigaciones  
citológicas  
posiblemente inmunohistoquímicos  
Aupperle et al., 2024). La  
distribución de los tipos de cáncer en  
perros gatos demuestra la  
(
Timothy, 2014).  
(
En medicina veterinaria, detectar a  
tiempo el cáncer en nuestras  
mascotas es un área crucial que  
afecta la calidad de vida y la  
supervivencia de nuestra mascota  
y
importancia de la detección y un  
manejo oportuno (Pinello et al.,  
2022). En perros, los tumores  
(
Pinho y Reis, 2015). Actualmente, la  
cutáneos son los más frecuentes,  
constituyendo el 49,5% de los cuales  
inteligencia artificial está  
Revista Científica Arbitrada en Investigaciones de la Salud ‘‘GESTAR”. Vol. 8, Núm. 16 (Ed. Jul – Dic  
025) ISSN: 2737-6273  
Detección temprana de cáncer en perros y gatos mediante biomarcadores e inteligencia artificial.  
2
el 48,4% son malignos; en hembras,  
los tumores mamarios presentan una  
malignidad del 50% y los tumores  
orales constituyen el 6% con una  
malignidad del 39% (Varshney et al.,  
biopsias líquidas, la caracterización  
molecular y genética, y el cribado  
que utiliza nematodos (Greco et al.,  
2023). Estas innovaciones ofrecen  
opciones  
no  
invasivas  
o
2
016).  
mínimamente invasivas, lo que  
favorece la detección temprana de  
tumores, mejora el pronóstico y  
permite implementar estrategias  
terapéuticas más precisas (Kumar et  
al., 2015). Esto resalta la importancia  
de desarrollar métodos de alta  
precisión para detectar el cáncer en  
sus primeras etapas (Henriksen et  
al., 2020).  
La incidencia de cáncer en los gatos  
es alta; los tumores cutáneos  
constituyen el 39.6%  
malignidad del 63% (Nascimento,  
021). Por otro lado, los mamarios  
y
una  
2
se aproximan al 85%, lo que excede  
el porcentaje observado en perros;  
los tumores orales constituyen entre  
el 3% y el 12%, con un 78% de  
malignidad (Clifford, 2024). A pesar  
de que son poco comunes, la mayor  
parte (más del 90%) de los tumores  
óseos en gatos se consideran  
malignos (Simpson et al., 2022).  
El método de biopsia líquida (MCED)  
puede ser beneficioso como nuevo  
modelo de detección en mascotas,  
ya que permite detectar el cáncer de  
manera no invasiva antes de que se  
manifiesten los síntomas (Clarke et  
al., 2021). Esta tecnología no  
invasiva utilizada en la oncología  
humana ofrece una oportunidad  
similar en el campo veterinario,  
facilitando el acceso al diagnóstico,  
fomentando la detección temprana y  
brindando opciones de tratamiento  
para nuestras mascotas (Kruglyak et  
al., 2021).La mezcla de biopsias  
líquidas con secuenciación de nueva  
Los métodos para detectar el cáncer,  
como la biopsia y los análisis  
histopatológicos,  
procedimientos  
han  
sido  
que  
invasivos  
generalmente se utilizan en etapas  
más avanzadas de la enfermedad  
(Ahmad et al., 2021).Sin embargo, la  
creciente necesidad de diagnósticos  
más efectivos y accesibles ha  
impulsado el desarrollo de nuevas  
técnicas. Entre estas, se destacan la  
imagenología con ayuda de IA, las  
generación  
(NGS)  
y
perfiles  
genómicos da a los veterinarios  
1094  
Coloma-Chasi et al. (2025)  
información actualizada sobre la  
biología de los animales. Esto  
múltiples  
perfiles  
moleculares,  
funcionales y fisiológicos con un solo  
examen del paciente (Schwenck et  
al., 2023). En medicina veterinaria, la  
precisión del diagnóstico puede ser  
variable a causa de las diferencias  
entre clínicas en cuanto a los  
recursos disponibles y la experiencia  
mejora  
la  
precisión  
de  
los  
diagnósticos y permite tratamientos  
terapéuticos más ajustados a cada  
caso (O’Kell et al., 2023).  
Las biopsias líquidas permiten medir  
la diversidad genérica en los  
tumores, lo que incluye subclones  
que las biopsias de tejido líquido  
pueden no identificar (Knappskog et  
al., 2023). Las biopsias líquidas  
examinan biomarcadores que se  
de los radiólogos (Khalifa  
y
Albadawy 2024). Las herramientas  
que emplean la inteligencia artificial  
ayudan a resolver problemas al  
proporcionar análisis precisos y  
estandarizados, lo cual hace que los  
resultados sean más confiables  
encuentran  
en  
el  
sistema  
circulatorio; de esta manera, es  
posible llevar un control de la  
evolución del tumor en tiempo real  
(
Pereira et al., 2023).  
El estudio se enfoca en la eficacia de  
los biomarcadores emergentes para  
detectar el cáncer de las mascotas  
de compañías en sus etapas  
iniciales; y en tecnologías como MRI,  
CT y PET para un diagnóstico  
temprano. Por lo tanto, el objetivo de  
la investigación consiste en evaluar  
la evidencia existente sobre los  
métodos de detección temprana de  
(Fittall y Van, 2019). Esta ventaja es  
muy importante en oncología  
veterinaria, donde la detección  
temprana sigue siendo un desafío y  
los tumores se diagnostican en  
etapas avanzadas (Chibuk et al.,  
2021).  
En la actualidad, las tecnologías  
avanzadas han permitido detectar el  
cáncer en etapas más tempranas,  
aumentando significativamente las  
posibilidades de curación (London,  
cáncer gatos,  
enfocándose en la identificación de  
biomarcadores, tecnologías de  
en  
perros  
y
imagen y el uso de la inteligencia  
artificial, con el fin de mejorar el  
diagnóstico precoz y el pronóstico en  
perros y gatos.  
2023). La tomografía por emisión de  
positrones (PET), la tomografía  
computarizada (CT) o la resonancia  
magnética  
(MRI)  
proporcionan  
1095  
Revista Científica Arbitrada en Investigaciones de la Salud ‘‘GESTAR”. Vol. 8, Núm. 16 (Ed. Jul – Dic  
025) ISSN: 2737-6273  
Detección temprana de cáncer en perros y gatos mediante biomarcadores e inteligencia artificial.  
2
2
. Metodología  
o Revisiones sistemáticas  
o Investigaciones  
experimentales  
El propósito del trabajo investigativo  
fue analizar los avances  
tecnológicos empleados en la  
detección temprana de cáncer en  
perros y gatos. Por ende, el estudio  
es una revisión sistemática de  
literatura científica. Se llevó a cabo  
un proceso de búsqueda, selección,  
organización y análisis de las fuentes  
bibliográficas de los últimos diez  
años. Para garantizar la calidad y  
relevancia de los estudios incluidos,  
se aplicaron criterios de inclusión y  
exclusión, los cuales se detallan a  
continuación.  
Cabe mencionar que se priorizaron  
trabajos de revisión por pares,  
estudios clínicos con muestras  
significativas  
sistemáticas  
y
revisiones  
aportaran  
que  
evidencia sólida sobre los métodos  
de detección temprana de cáncer en  
mascotas.  
Criterios de exclusión  
o Estudios  
metodológica  
sin  
validez  
o Artículos no arbitrados o de  
divulgación  
Criterios de inclusión  
o Estudios no relacionados con el  
tema de investigación  
Se recopilaron datos significativos de  
cada  
artículo  
seleccionado,  
del  
Los artículos seleccionados a través  
del uso de gestores bibliográficos  
como Mendeley y Zotero que  
permitieron no solo organizar y  
analizar información, sino también  
eliminar documentos duplicados,  
clasificación temática y el registro de  
incluyendo  
características  
estudio, tipo de cáncer, método de  
detección, resultados y limitaciones.  
Donde  
se  
consideraron  
los  
siguientes criterios:  
•
Estudios publicados entre 2014 y  
024  
2
metadatos  
y
extracción  
de  
información relevante. Además, para  
fortalecer el rigor metodológico se  
aplicaron los criterios del método  
SANRA, evaluando:  
•
•
Artículos en inglés y español  
Publicaciones arbitradas, tales  
como:  
o Ensayos clínicos  
o Estudios de casos y controles  
1096  
Coloma-Chasi et al. (2025)  
Justificación  
cáncer en perros y gatos en sus  
etapas iniciales?  
En la actualidad, el cáncer es la  
principal causa de muertes en  
animales de compañía de dos o más  
años. Por lo que detectarlo a tiempo  
es esencial para mejorar su calidad  
de vida y sus posibilidades de  
sobrevivir. A pesar de los avances en  
las tecnologías diagnósticas, como  
la imagenología mejorada con  
inteligencia artificial, el diagnóstico  
molecular y las biopsias líquidas, aún  
existen barreras significativas como  
costos elevados, acceso limitado a  
equipos especializados y necesidad  
de formación técnica, lo que  
obstaculiza su uso generalizado  
•
¿Cómo pueden las tecnologías  
de imagen de vanguardia, como  
MRI, CT y PET, optimizar el  
diagnóstico temprano  
y
la  
gestión clínica del cáncer en  
animales de compañía?  
Búsqueda de la literatura  
La búsqueda de información se  
realizó en plataformas académicas  
reconocidas  
Académico,  
como  
Google  
PubMed,  
PubMed  
Central, Frontiers y Elsevier. Se  
emplearon términos clave como  
“
“
“
early detection of cáncer”, “pets”,  
canine oncology”, “feline oncology,  
liquid biopsy in pets”, AI imaging  
(
Lone et al., 2022). La aplicación  
eficaz accesible de estas  
tecnologías posibilitaría un  
y
veterinary”, “biomarkers in dogs” y  
biomarkers in cats”. La búsqueda se  
“
diagnóstico más temprano y exacto,  
lo que optimizaría las posibilidades  
de intervención y aumentaría la  
esperanza y la calidad de vida de las  
mascotas (Yitbarek, 2022).  
complementó con herramientas de  
inteligencia artificial como Semantic  
Scholar, Elicit, Consensus y Rabbit  
para identificar estudios relevantes  
que pudieran haber sido pasados por  
alto en las búsquedas tradicionales.  
Formulación de preguntas claras:  
La investigación se enfoca en dos  
preguntas fundamentales:  
Evaluación crítica de las fuentes  
Cada estudio incluido fue evaluado  
•
¿Cuál es la eficacia y la exactitud  
de los biomarcadores  
emergentes para detectar el  
en  
función  
de  
su  
calidad  
metodológica, relevancia clínica, uso  
de la inteligencia artificial  
y
1097  
Revista Científica Arbitrada en Investigaciones de la Salud ‘‘GESTAR”. Vol. 8, Núm. 16 (Ed. Jul – Dic  
025) ISSN: 2737-6273  
Detección temprana de cáncer en perros y gatos mediante biomarcadores e inteligencia artificial.  
2
contribución al campo de la  
oncología veterinaria. Se utilizaron  
criterios como el tamaño de la  
muestra, la claridad de los métodos  
y la validez de los resultados. Los  
estudios con muestras reducidas o  
metodologías poco claras fueron  
Se enfatiza la necesidad de más  
estudios longitudinales la  
y
colaboración interdisciplinaria para  
avanzar en el campo de la detección  
temprana del cáncer en mascotas  
(Chibuk et al., 2021).  
excluidos  
para  
mantener  
la  
3
. Resultados y discusión  
integridad de la revisión (Crosby et  
al., 2022).  
A continuación, se presentan los  
hallazgos obtenidos a través de las  
diferentes fuentes bibliográficas.  
Síntesis de los resultados  
Los resultados de los estudios  
seleccionados se sintetizaron de  
manera narrativa, destacando los  
Biopsia líquida  
El análisis de la literatura evidencia  
que la biopsia líquida es uno de los  
avances más relevantes en la  
oncología veterinaria, puesto que  
puede cambiar drásticamente la  
forma en que se diagnostica, se  
monitorea y se trata el cáncer en los  
perros (Amirouchene et al., 2017).  
Esta técnica detecta el ADN tumoral  
que circula en la sangre (ctDNA) y, al  
ser no invasiva, elude los problemas  
que pueden surgir con las biopsias  
quirúrgicas o las citologías por  
aspiración con aguja fina en tumores  
difíciles de alcanzar (Heitzer et al.,  
2019).  
hallazgos  
clave  
sobre  
y
biomarcadores  
emergentes  
tecnologías de imagen avanzadas a  
través de la inteligencia artificial. Se  
prestó especial atención la  
a
comparación entre métodos  
tradicionales y nuevos enfoques, así  
como a las limitaciones y desafíos en  
la estas  
tecnologías en la práctica clínica  
Colombe et al., 2022).  
implementación  
de  
(
Conclusión y recomendación  
El estudio concluye con una  
discusión sobre las implicaciones  
clínicas de los hallazgos y ofrece  
Se estima que su uso clínico  
permitirá identificar el cáncer en  
recomendaciones  
para  
futuras  
investigaciones y prácticas clínicas.  
1098  
Coloma-Chasi et al. (2025)  
etapas tempranas, mejorar la  
temprana que varían entre el 20% y  
el 70%, con especificidades que  
rebasan el 98%. Estos valores se  
fijan como meta para la creación de  
pruebas análogas en el ámbito  
veterinario (tabla 1). La posibilidad  
de que esto sea viable se apoya en  
otros factores, como la semejanza a  
nivel molecular y genómico entre  
perros y humanos y en ejemplos  
selección  
de  
tratamientos  
la  
específicos,  
monitorear  
enfermedad mínima residual (MRD)  
y hacer un seguimiento en tiempo  
real de las recaídas  
y
del  
tratamiento. Además, su habilidad  
para analizar el perfil genético  
completo del tumor usando una sola  
muestra de sangre es mejor que la  
desventaja  
que  
presenta  
la  
documentados,  
descubrimiento  
como el  
mutaciones  
variabilidad del tumor que se  
observa en biopsias de un solo lugar  
de  
BRAF V595E o c-kit; sin embargo, la  
validación a gran escala en perros  
aún está avanzando (Flory et al.,  
2022).  
(Sakthikumar,  
2020).  
Investigaciones citadas en la  
medicina humana han mostrado  
sensibilidades  
de  
detección  
Tabla 1. Aplicaciones clínicas y efectividad esperada de la biopsia líquida en oncología  
veterinaria  
Aplicación clínica  
Descripción  
Beneficio esperado Ejemplos documentados Efectividad esperada  
Evaluaciones  
periódicas en  
razas de  
perros con  
predisposición  
o caninos  
La sensibilidad  
Detección temprana  
Tamizaje en  
poblaciones de  
riesgo  
Alrededor del 50% de los  
perros que tienen más de  
diez años padecen cáncer  
calculada oscila entre  
el 20 y 70% mientras  
que la especificidad  
supera el 98%  
de cáncer antes de  
que surjan signos  
clínicos  
geriátricos  
Alternativa  
cuando no se  
puede realizar  
una biopsia de  
tejido o  
Reducción de  
riesgos y del tiempo  
que toma el  
Tumores con mucha  
vacuolización,  
intratorácicos y del  
sistema nervioso central  
Elevada especificidad,  
evita los falsos  
negativos de la FNA  
Ayuda  
diagnostica  
diagnostico  
cuando es  
riesgosa.  
Identificación  
de mutaciones  
que puedan  
ser  
empleadas  
para elegir  
medicamentos  
concretos  
Elevada eficacia en  
tumores que  
presentan mutaciones  
activadoras  
Mayor tasa de  
respuesta de  
supervivencia  
Alteraciones de c-kit que  
han recibido tratamiento  
con toceranib  
Selección de  
terapia dirigida  
Examen  
postquirúrgico  
Modificación  
oportuna del  
Fuerte relación con el  
riesgo de recaída  
Detección de MRD  
1099  
Revista Científica Arbitrada en Investigaciones de la Salud ‘‘GESTAR”. Vol. 8, Núm. 16 (Ed. Jul – Dic  
025) ISSN: 2737-6273  
Detección temprana de cáncer en perros y gatos mediante biomarcadores e inteligencia artificial.  
2
para detectar  
células  
tumorales  
remanentes  
tratamiento  
adyuvante  
La presencia de ctDNA  
después de la resección  
del tumor  
Seguimiento  
en tiempo real  
de la carga  
tumoral  
Monitoreo de  
respuesta y  
recurrencia  
Detección precoz de  
la recaída o del  
progreso  
Disminución de ctDNA  
asociada con una  
respuesta positiva  
Comunicación directa  
con el progreso clínico  
entre los que se encuentran el ARN  
mensajero (ARNm) y el ARN no  
codificante (ncRNA) (Slack, 2019).  
Biomarcadores  
Los artículos revisados muestran  
que el uso de la tecnología RNA-seq  
Algunos estudios en revistas  
especializadas muestran que la  
RNA-seq es una herramienta útil  
para estudiar el cáncer, encontrar las  
rutas relacionadas y describir cómo  
progresa el tumor en gatos y perros.  
Esta tecnología también se utiliza  
para estudiar cómo reaccionan las  
células tumorales a los fármacos  
anticancerosos (Arun et al., 2018).  
En las ilustraciones 1 y 2 se presenta  
un resumen sobre biomarcadores  
identificados para tipos de cáncer en  
perros y gatos.  
ha  
ayudado  
a
encontrar  
biomarcadores y posibles objetivos  
de tratamiento para el diagnóstico  
temprano del cáncer en mascotas.  
Esta técnica proporciona beneficios  
notables en comparación con  
tecnologías tradicionales, como una  
sensibilidad más alta, un rango  
dinámico más extenso una  
cuantificación exacta (Rao et al.,  
018). En medicina veterinaria, para  
y
2
llevar a cabo diagnósticos más  
rápidos y certeros, es fundamental  
reconocer estos biomarcadores,  
Ilustración 1. Biomarcadores de cáncer en perros  
Tipo de cancer canino  
Cancer de prostata  
Biomarcadores identificados  
Funcion y relevancia  
las propiedades invasivas estan relacionadas con la  
VIM, citokeratina 8, citokeratina 18, expresion de vimentina (VIM). El progreso de cancer y de la  
miR - 95, miR - 18a  
metastasis distante tiene que ver con el incremento de la  
expresion de miR - 95 y miR - 18a  
El gen TP53, que tiene un efecto de suspensión sobre los  
tumores, esta regulado a la baja, en cambio , el gen ERBB2  
presenta una regulacion al alza.  
Carcinoma uroterial  
Melanoma  
TP53, ERBB2, FGFR3, PD - L1  
La progresion esta relacionada con la regulacion a la baja  
de las vias PI3K/AKT y MAPK. Se conoce que el gen NOS2  
produce metastasis y su regulacion se incrementa. La  
metastasis aumenta debido a que la sobreexpresion de  
miR - 450b promueve a MMP9 y suprime a BMP4.  
MEK1,MEK2,NOS2, miR - 450b  
1100  
Coloma-Chasi et al. (2025)  
la supervivencia se reduce y se produce un  
comportamiento maligno cuando el miR - 9 se expresa en  
exceso. Un factor que interfiere en la activacion de miR -9  
es la regulacion de la gelsolina, que se incrementa  
osteosarcoma  
Tumores mamarios  
Linfoma  
miR - 9, gelsolina  
las mutaciones de PIK3CA se han identificado como  
mutaciones conductoras cruciales. En los tumores  
malignos se encuentran sobreexpresados miR - 19b y miR -  
PIK3CA, miR - 29b, miR - 19b  
miR - 155, miR - 21, PTEN  
29b.  
la expresion de miR - 155 y miR 21 disminuye en el linfoma  
de celulas T, pero en la linfomagenesis de las celulas B,  
miR - 155 esta sobreactuado.  
Ilustración 2. Biomarcadores de cáncer en gatos  
tipo de cancer felino  
Gliobastoma  
Biomarcadores identificados  
Funcion y relevancia  
Se ha confirmado la funcion de miR - 219 en la proliferacion  
y migracion de las celulas de glioma. El miR - 124  
promueve la conversion de las celulas madre del cancer  
cerebral y reduce su multiplicacion. La expresion de miR -  
miR - 219, miR - 124, miR - 192  
192 se eleva en los carcinomas y linfomas de celulas B.  
de muestras y ensayos (Choi et al.,  
023).  
A pesar de que la investigación en  
esta especie es menos extensa, la  
caracterización de los miARN en  
gatos ha proporcionado datos  
relevantes para detectar el cáncer.  
La aplicación de la secuenciación de  
ARN aún enfrenta retos, a pesar de  
los progresos. Uno de estos retos es  
elegir biomarcadores adecuados  
entre muchos genes que muestran  
diferentes niveles de expresión. Se  
2
Inteligencia  
artificial  
en  
diagnóstico por imagen  
Los resultados revisados evidencian  
que la inteligencia artificial (IA)  
incorporada al diagnóstico por  
imagen puede tener la capacidad de  
optimizar  
el  
descubrimiento  
temprano de cáncer en perros y  
gatos.La utilización de redes  
neuronales convolucionales (CNN) y  
las técnicas radiómicas posibilitará la  
detección de alteraciones diminutas  
han  
descubierto  
muchos  
biomarcadores, pero la mayor parte  
aún no se ha convertido en kits de  
diagnóstico eficaces. Para llevar a  
cabo un diagnóstico más preciso de  
en  
ecografías,  
resonancias  
tomografías  
radiografías  
enfermedades  
y
tratamientos  
magnéticas,  
específicos en animales domésticos,  
es necesaria una investigación y  
desarrollo más extensos, que  
incluyan una variedad considerable  
computarizadas  
y
(Sollini et al., 2019). Asimismo, se  
anticipa que los algoritmos de IA  
puedan automatizar la etapa de  
cribado de imágenes, clasificando  
1101  
Revista Científica Arbitrada en Investigaciones de la Salud ‘‘GESTAR”. Vol. 8, Núm. 16 (Ed. Jul – Dic  
025) ISSN: 2737-6273  
Detección temprana de cáncer en perros y gatos mediante biomarcadores e inteligencia artificial.  
2
estudios y dando prioridad a aquellos  
que muestren sospechas de  
tratamiento. Esto reducirá el sesgo  
asociado a la interpretación subjetiva  
del observador (Yoon et al., 2018)  
(ver tabla 2).  
malignidad para que un especialista  
los analice. Este tipo de aplicación,  
además de agilizar el flujo de trabajo  
en la práctica clínica, reducirá el  
peso del error humano durante la  
evaluación inicial, lo que contribuirá  
a lograr un diagnóstico más fiable  
Se espera que los clasificadores  
basados en inteligencia artificial  
ayuden a distinguir con precisión  
diferentes tipos de tumores, como  
meningiomas y gliomas en perros,  
en cuanto a la forma en que se  
caracterizan. Esto permitirá que las  
decisiones clínicas sobre la biopsia,  
la terapia y la derivación se tomen  
(Alzubaidi et al., 2021).  
La literatura ha probado que la  
inteligencia artificial tiene un  
potencial de superar las técnicas  
convencionales para la clasificación  
de imágenes torácicas, alcanzando  
sensibilidades superiores al 90% y  
precisiones cercanas al 97%  
con  
antelación.  
ser  
Además,  
útil en  
ha  
la  
demostrado  
clasificación automática de úlceras  
corneales, logrando una precisión  
superior al 90% en oftalmología  
veterinaria. Esto sugiere un efecto  
positivo en otras áreas de la  
oncología (Basran et al., 2020).  
(Kalendralis et al., 2019). Otro  
resultado anticipado es el uso de la  
radiómica  
para  
incorporar  
imagen  
biomarcadores  
de  
subvisuales. Estas características  
numéricas, que se obtienen  
Finalmente, se cree que usar estas  
tecnologías, junto con estrategias  
mediante computadoras, pueden  
identificar cambios en la variedad,  
forma y textura de los tejidos antes  
de que sean visibles (Boissady et al.,  
para  
validar  
clínicamente  
y
programas de capacitación, asegura  
que los sistemas de IA sean un  
apoyo seguro para los radiólogos  
veterinarios. Así que, la inteligencia  
artificial y la radiómica no van a  
sustituir la experiencia de los  
profesionales, sino que la van a  
fortalecer para hacer diagnósticos en  
2020). Por lo tanto, la radiómica no  
solo hará más sencillo detectar  
neoplasias en etapas tempranas.  
Además, permitirá un monitoreo más  
exacto del progreso de los tumores o  
de cómo responde el paciente al  
1102  
Coloma-Chasi et al. (2025)  
oncología  
de  
mascotas  
más  
tempranos, precisos y adaptados a  
cada caso (Wanamaker et al., 2021).  
Tabla 2. Revisión bibliográfica de estudios de IA/radiómica en aplicaciones de imagenología  
veterinaria, con precisiones reportadas y conclusiones. CNN: redes neuronales convolucionales.  
Algoritmo IA  
Radiomica  
Exactitud  
/Sensibilidad  
Referencia  
Tema  
Escala  
Especie  
Conclusión  
/
tanto CNN como BOF  
son capaces de  
distinguir radiografías  
torácicas anormales,  
CNN mostro mayor  
precisión y  
detección de  
lesiones:  
radiográficas  
y torácicas  
CNN: 92.9 -  
96.9%  
BOF: 79.6% -  
96.9%  
aprendizaje  
automático  
CNN y BOF  
Yoon et  
al.,2018  
N clínico=  
3122 casos  
Canino  
sensibilidad que BOF.  
los modelos de  
clasificación de  
imágenes de CNN se  
pueden utilizar para  
determinar  
eficazmente la  
gravedad de las  
ulceras corneales en  
perros  
Caracterizac  
ión de la  
> 90%  
modelos para  
ulceras  
corneales  
superficiales y  
profundas:  
Resentí y  
lesión:  
aprendizaje  
automático  
CNN  
Kim et  
al.,2019  
clasificación  
de imágenes  
de ulceras  
corneales  
caninas  
N clínico=  
281 casos  
Canino  
Vegeten  
Caracterizac  
ión de la  
lesión:  
diferenciació  
n por (RM)  
entre  
neoplasia y  
células  
gliales  
caninas y la  
meningoenc  
efalitis  
inflamatoria  
no  
el análisis de textura  
con algoritmo de  
bosque aleatorio logro  
una precisión similar a  
la de los radiólogos  
para clasificar lesiones  
inflamatorias y  
neoplásicas, pero  
mostro bajo  
rendimiento al  
la precisión  
del clasificador  
del bosque  
aleatorio fue el  
76% para  
diferenciar el  
glioma de la  
meningoencef  
alitis  
clasificació  
n et  
al.,2021  
N clínico=  
Canino  
Radiomica  
119 casos  
inflamatoria no  
infecciosa  
diferenciar grados y  
tipos de tumores  
infecciosa  
La red escrita puede  
ayudar a detectar  
lesiones, pero no  
proporciona un  
diagnóstico: tiene  
potencial para ser  
utilizada como  
herramienta para  
ayudar a los médicos  
generales  
detección de  
lesiones:  
radiográficas  
y torácicas  
caninas y  
felinas  
Aprendizaje  
automático y  
CNN  
Boissady  
et al.,2020  
N clínico=  
6584 casos  
Caninos  
y felinos  
N/A  
9
4% de  
Detección  
de lesiones:  
diferenciació  
n por RM de  
hemangiom  
as y gliomas  
caninos  
imágenes T1  
automático  
91% en  
imágenes T1  
precontrato y  
La CNN puede  
distinguir de forma  
fiable entre diferentes  
hemangiomas y  
gliomas en imágenes  
de RM  
Aprendizaje  
automático y  
CNN  
Benzoato  
et al.,2018  
N clínico=  
80 casos  
Caninos  
90% en  
imágenes T2  
Fuente: Elaboración propia de los autores.  
1103  
Revista Científica Arbitrada en Investigaciones de la Salud ‘‘GESTAR”. Vol. 8, Núm. 16 (Ed. Jul – Dic  
025) ISSN: 2737-6273  
Detección temprana de cáncer en perros y gatos mediante biomarcadores e inteligencia artificial.  
2
Discusión  
los RNAs no codificantes (ncRNAs),  
que son biomarcadores potenciales  
para el avance del cáncer y posibles  
objetivos para tratamientos (Clifford,  
Los resultados de la revisión  
sistemática muestran un progreso  
importante en el uso de nuevas  
tecnologías, como la inteligencia  
artificial (IA) y la secuenciación de  
ARN (RNA-seq). Estas herramientas  
han cambiado el procedimiento para  
2024).  
Un aspecto importante son las  
nuevas oportunidades en el área  
veterinaria gracias a la identificación  
de microARNs relacionados con la  
identificar  
y
caracterizar  
los  
biomarcadores oncológicos, tanto en  
medicina veterinaria como en la  
medicina humana. Por una parte, la  
IA ha evidenciado que es capaz de  
examinar ingentes cantidades de  
metástasis,  
la  
resistencia  
a
medicamentos o la multiplicación de  
células. Además, estos microARNs  
se  
utilizan  
como  
modelos  
comparativos para enfermedades  
humanas (Caputo et al., 2022). La  
radiómica y la inteligencia artificial en  
la medicina veterinaria afrontan retos  
particulares, lo cual no sucede con la  
medicina humana. El obstáculo  
principal es la dificultad para  
conseguir amplios conjuntos de  
datos homogéneos, debido a la  
diversidad inherente a los pacientes,  
las razas y las especies; asimismo, si  
no se incorporan a los conjuntos de  
entrenamiento, la falta de ejemplos  
de enfermedades poco comunes  
podría dificultar que los algoritmos  
de inteligencia artificial las detecten  
correctamente (Abuzaid et al., 2022).  
datos  
clínicos,  
imágenes  
perfiles  
histopatológicas  
y
moleculares a través de algoritmos  
de aprendizaje profundo (Aubreville  
et al., 2020).  
Lo cual ha permitido una detección  
más temprana y precisa del cáncer,  
así como una predicción más exacta  
de la reacción del paciente al  
tratamiento. Estas herramientas no  
solo mejoran el trabajo del  
especialista, sino que además  
posibilitan disminuir los errores  
diagnósticos  
y
optimizar  
el  
tratamiento personalizado (Burti et  
al., 2024). Por otro lado, el uso de la  
tecnología RNA-seq ha permitido  
entender mejor los transcriptomas de  
No obstante, a pesar de estos  
obstáculos, es necesario tratar la  
1104  
Coloma-Chasi et al. (2025)  
falta de conocimiento que hay entre  
los profesionales del sector, porque  
el avance de la IA en la práctica  
veterinaria es inevitable. Según las  
investigaciones, la escasez de  
confianza y experiencia con las  
herramientas de inteligencia artificial  
es una amenaza para su labor  
mejoras en la inteligencia artificial y  
en la secuenciación de RNA han  
demostrado cómo se aborda el  
diagnóstico y tratamiento del cáncer  
para examinar datos clínicos  
complejos e imágenes médicas. Esto  
aumenta la exactitud de los  
diagnósticos  
y
promueve  
la  
(
Bhandari et al., 2021). Para el  
categorización de pacientes para  
terapias personalizadas.  
futuro, es necesario que se colabore  
para producir conjuntos de datos de  
código abierto grandes y para curar  
los datos con el fin de que sean  
El RNA-seq ha hecho posible  
encontrar nuevos biomarcadores en  
el transcriptoma, como los RNAs no  
accesibles  
y
recuperables  
codificantes,  
que  
son  
muy  
fácilmente. Así, uno de los mayores  
impedimentos para el avance de la  
inteligencia artificial en el diagnóstico  
por imágenes veterinarias podrá ser  
superado.  
importantes en el desarrollo del  
tumor y en la reacción a los  
tratamientos en perros y gatos. Por  
lo tanto, se ha vuelto una  
herramienta crucial para la oncología  
veterinaria;  
sin  
embargo,  
4
. Conclusiones  
actualmente existen desafíos que  
deben superarse antes de una  
implementación a amplia escala,  
como la necesidad de validar  
Los avances tecnológicos aplicados  
en el campo de la medicina  
veterinaria demuestran un progreso  
significativo para la detección  
temprana del cáncer en perros y  
gatos. Las evidencias bibliográficas  
indican que las biopsias líquidas,  
biomarcadores transcriptómicos y el  
diagnóstico por imagen asistido por  
IA son herramientas que permiten  
intervenciones oportunas. En el  
ámbito de la medicina veterinaria, las  
biomarcadores  
extensas,  
en  
cohortes  
las  
estandarizar  
metodologías y garantizar que estas  
tecnologías estén disponibles en  
entornos clínicos. Por otro lado, la  
radiómica y la inteligencia artificial  
son herramientas con un alto  
potencial la  
para  
mejorar  
identificación, el diagnóstico y la  
1105  
Revista Científica Arbitrada en Investigaciones de la Salud ‘‘GESTAR”. Vol. 8, Núm. 16 (Ed. Jul – Dic  
025) ISSN: 2737-6273  
Detección temprana de cáncer en perros y gatos mediante biomarcadores e inteligencia artificial.  
2
caracterización de las lesiones en el  
ámbito veterinario.  
Bibliografía  
Abuzaid, M. M., Elshami, W., Tekin,  
H.,  
&
Issa, B. (2022).  
of the  
El uso de algoritmos avanzados,  
Assessment  
como  
las  
redes  
neuronales  
ha  
Willingness of Radiologists  
and Radiographers to Accept  
the Integration of Artificial  
Intelligence Into Radiology  
Practice [Evaluación de la  
disposición de los radiólogos y  
radiólogos la  
integración de la inteligencia  
artificial  
radiológica].  
Radiology,  
convolucionales  
(CNN),  
demostrado que permite detectar  
con precisión diferentes tipos de  
anomalías y lesiones. A veces,  
incluso reduce el margen de error en  
comparación con los observadores  
humanos. Aunque la aplicación de la  
inteligencia artificial en el campo  
aceptar  
en  
la  
práctica  
Academic  
87-94.  
29(1),  
https://doi.org/10.1016/j.acra.  
020.09.014  
veterinario  
está  
atrasada  
en  
2
comparación con la medicina  
humana, su adopción continúa  
Ahmad, Z., Rahim, S., Zubair, M., &  
Abdul, J. (2021). Artificial  
intelligence (AI) in medicine,  
current applications and future  
role with special emphasis on  
its potential and promise in  
pathology: Present and future  
impact, obstacles including  
costs and acceptance among  
pathologists, practical and  
philosophical considerations.  
creciendo.  
Las  
tecnologías  
analizadas y su integración en el  
diagnóstico de cáncer en los  
animales de compañía permiten a la  
medicina veterinaria transitar a datos  
más preventivos y personalizados,  
mejorando la calidad de vida de las  
mascotas. Cabe señalar que, para  
que este avance sea sostenible, es  
necesario fortalecer los procesos de  
validación clínica a través de la  
formación especializada de los  
profesionales del sector.  
A
comprehensive review  
[Inteligencia artificial (IA) en  
medicina, aplicaciones  
actuales y rol futuro, con  
especial énfasis en su  
potencial  
y
promesa en  
patología: impacto presente y  
futuro, obstáculos, incluyendo  
costos y aceptación entre  
patólogos, consideraciones  
prácticas y filosóficas. Una  
revisión  
exhaustiva].  
Diagnostic Pathology, 16(24),  
1106  
Coloma-Chasi et al. (2025)  
1
-16.  
https://doi.org/10.1186/s1300  
-021-01085-4  
RNAs in Cancer [Dirigido  
terapéuticamente ARN  
a
0
largos no codificantes en el  
cáncer]. Trends in Molecular  
Medicine, 24(3), 257-277.  
https://doi.org/10.1016/j.molm  
ed.2018.01.001  
Alzubaidi, L., Zhang, J., Humaidi, A.  
J., Al-Dujaili, A., Duan, Y., Al-  
Shamma, O., Santamaría, J.,  
Fadhel, M. A., Al-Amidie, M.,  
&
Farhan, L. (2021). Review of  
Aubreville, M., Bertram, C. A.,  
Marzahl, C., Gurtner, C.,  
Dettwiler, M., Schmidt, A.,  
Bartenschlager, F., Merz, S.,  
Fragoso, M., Kershaw, O.,  
Klopfleisch, R., & Maier, A.  
deep learning: Concepts,  
CNN  
challenges,  
future directions [Revisión del  
aprendizaje  
conceptos,  
architectures,  
applications,  
profundo:  
arquitecturas  
(2020).  
Deep  
learning  
CNN, desafíos, aplicaciones y  
direcciones futuras]. Journal  
algorithms  
out-perform  
veterinary pathologists in  
detecting the mitotically most  
active tumor region [Los  
algoritmos de aprendizaje  
of Big Data, 8(53),  
.
https://doi.org/10.1186/s4053  
7-021-00444-8  
profundo superan  
a
los  
Amirouchene, N., Swanton, C., &  
Bardelli, A. (2017). Tumor  
Evolution as a Therapeutic  
Target [La evolución tumoral  
como diana terapéutica].  
Cancer Discovery, 7(8), 805-  
patólogos veterinarios en la  
detección de la región tumoral  
mitóticamente más activa].  
Scientific Reports, 10(16447).  
https://doi.org/10.1038/s4159  
8-020-73246-2  
8
17.  
https://doi.org/10.1158/2159-  
290.CD-17-0343  
Aupperle-Lellbach, H., Kehl, A., de  
Brot, S., & Van der Weyden, L.  
8
(
2024). Clinical Use of  
Appleby, R. B., & Basran, P. S.  
2022). Artificial intelligence in  
veterinary medicine  
Inteligencia artificial en  
Molecular Biomarkers in  
(
Canine and Feline Oncology:  
Current and Future [Uso  
clínico de biomarcadores  
moleculares en oncología  
canina y felina: actualidad y  
futuro]. Veterinary Sciences,  
[
medicina veterinaria]. Journal  
of the American Veterinary  
Medical Association, 260(8),  
8
19-824.  
https://doi.org/10.2460/javma.  
2.03.0093  
1
1(5).  
https://doi.org/10.3390/vetsci  
1050199  
2
1
Arun, G., Diermeier, S. D., & Spector,  
D. L. (2018). Therapeutic  
Targeting of Long Non-Coding  
Basran, P. S., Gao, J., Palmer, S., &  
Reesink, H. L. (2020). A  
1107  
Revista Científica Arbitrada en Investigaciones de la Salud ‘‘GESTAR”. Vol. 8, Núm. 16 (Ed. Jul – Dic  
025) ISSN: 2737-6273  
Detección temprana de cáncer en perros y gatos mediante biomarcadores e inteligencia artificial.  
2
radiomics  
computing imaging features  
from µCT images of  
Thoroughbred racehorse  
platform  
for  
lesiones torácicas primarias  
tiene una tasa de error  
general  
más  
baja  
con  
en  
comparación  
los  
proximal sesamoid bones:  
Benchmark performance and  
evaluation [Una plataforma  
radiómica para calcular las  
veterinarios o los veterinarios  
en conjunto con la inteligencia  
artificial].  
Veterinary  
Radiology & Ultrasound: The  
características  
de  
las  
Official  
American  
Veterinary Radiology and the  
International Veterinary  
Journal  
of  
the  
of  
imágenes µCT de los huesos  
sesamoideos proximales de  
caballos de carreras pura  
College  
sangre:  
rendimiento  
de  
Radiology Association, 61(6),  
referencia  
y
evaluación].  
619-627.  
Equine Veterinary Journal, 53,  
77-286.  
https://doi.org/10.1111/evj.13  
21  
https://doi.org/10.1111/vru.12  
912  
2
Burti, S., Banzato, T., Coghlan, S.,  
Wodzinski, M., Bendazzoli,  
M., & Zotti, A. (2024). Artificial  
3
Bhandari, A., Purchuri, S. N.,  
Sharma, C., Ibrahim, M., &  
Prior, M. (2021). Knowledge  
and attitudes towards artificial  
intelligence in imaging: A look  
at the quantitative survey  
literature [Conocimientos y  
actitudes hacia la inteligencia  
artificial en imágenes: una  
mirada a la literatura de  
intelligence  
diagnostic  
in  
veterinary  
imaging:  
Perspectives and limitations  
[Inteligencia artificial en el  
diagnóstico  
por  
imagen  
veterinario: perspectivas y  
limitaciones]. Research in  
Veterinary  
Science,  
175(105317)  
encuestas  
cuantitativas].  
https://doi.org/10.1016/j.rvsc.  
2024.105317  
Clinical Imaging, 80, 413-419.  
https://doi.org/10.1016/j.clinim  
ag.2021.08.004  
Caputo, V., De Falco, V., Napolitano,  
S., Ventriglia, A., Famiglietti,  
V., Martinelli, E., Morgillo, F.,  
Boissady, E., de La Comble, A., Zhu,  
X., & Hespel, A. (2020).  
Martini,  
G.,  
Corte,  
C.,  
Artificial  
intelligence  
Ciardiello, D., Poliero, L., De  
Vita, F., Orditura, M., Fasano,  
M., Franco, R., Caraglia, M.,  
Avitabile, A., Scalamogna, R.,  
Marchi, B., Ciardiello, F., &  
evaluating primary thoracic  
lesions has an overall lower  
error rate compared to  
veterinarians or veterinarians  
in conjunction with the artificial  
intelligence [La inteligencia  
artificial que evalúa las  
Troiani,  
T.  
(2022).  
Comprehensive  
genome  
profiling by next generation  
1108  
Coloma-Chasi et al. (2025)  
sequencing of circulating  
Choi, Y., Nam, M.-W., Lee, H. K., &  
Choi, K.-C. (2023). Use of  
cutting-edge RNA-sequencing  
tumor DNA in solid tumors: A  
single academic institution  
experience [Perfil genómico  
technology  
to  
identify  
integral  
mediante  
biomarkers and potential  
therapeutic targets in canine  
and feline cancers and other  
diseases [Uso de tecnología  
de secuenciación de ARN de  
vanguardia para identificar  
secuenciación de próxima  
generación de ADN tumoral  
circulante en tumores sólidos:  
la experiencia de una única  
institución  
Therapeutic Advances in  
Medical Oncology, 14,  
7588359221096878.  
https://doi.org/10.1177/17588  
59221096878  
académica].  
biomarcadores  
y
posibles  
objetivos terapéuticos en  
cánceres caninos y felinos y  
otras enfermedades]. Journal  
of Veterinary Science, 24(5),  
e71.  
1
3
Chibuk, J., Flory, A., Kruglyak, K. M.,  
Leibman, N., Nahama, A.,  
Dharajiya, N., van den Boom,  
D., Jensen, T. J., Friedman, J.  
S., Shen, M. R., Clemente, F.,  
Chorny, I., Tynan, J. A., Lytle,  
K. M., Holtvoigt, L. E.,  
Murtaza, M., Diaz, L., Tsui, D.,  
https://doi.org/10.4142/jvs.23  
036  
Clarke, C. A., Hubbell, E., & Ofman,  
J. J. (2021). Multi-cancer early  
detection: A new paradigm for  
reducing cancer-specific and  
all-cause mortality [Detección  
&
in  
Grosu, D. (2021). Horizons  
Veterinary Precision  
temprana  
cánceres:  
de  
un  
múltiples  
nuevo  
Oncology: Fundamentals of  
Cancer Genomics and  
Applications of Liquid Biopsy  
paradigma para reducir la  
mortalidad por cáncer y por  
todas las causas]. Cancer  
for  
the  
Detection,  
and  
Cell,  
39(4),  
447-448.  
Characterization,  
Management of Cancer in  
Dogs [Horizontes en  
Oncología Veterinaria de  
Precisión: Fundamentos de la  
https://doi.org/10.1016/j.ccell.  
2021.02.004  
Clifford, C. A., & Bergman, P. J.  
(2024). Advancements in  
Veterinary  
Avances  
veterinaria]. Veterinary Clinics  
of North America: Small  
Animal Practice, 54(3), xi-xii.  
https://doi.org/10.1016/j.cvsm  
Oncology  
oncología  
Genómica del Cáncer  
y
[
en  
Aplicaciones de la Biopsia  
Líquida para la Detección,  
Caracterización y Tratamiento  
del Cáncer Canino]. Frontiers  
in Veterinary Science, 8.  
https://doi.org/10.3389/fvets.2  
.
2023.12.001  
021.664718  
1109  
Revista Científica Arbitrada en Investigaciones de la Salud ‘‘GESTAR”. Vol. 8, Núm. 16 (Ed. Jul – Dic  
025) ISSN: 2737-6273  
Detección temprana de cáncer en perros y gatos mediante biomarcadores e inteligencia artificial.  
2
Colombe,  
P.,  
Béguin,  
J.,  
validation of a next-generation  
sequencing-based multi-  
cancer early detection “liquid  
biopsy” blood test in over  
Benchekroun, G., & Le Roux,  
D. (2022). Blood biomarkers  
for canine cancer, from human  
to  
veterinary  
oncology  
1,000  
dogs  
using  
an  
[
Biomarcadores sanguíneos  
independent testing set: The  
cancer detection in Dogs  
(CANDiD) study [Validación  
clínica de una prueba de  
sangre de “biopsia líquida”  
para la detección temprana de  
múltiples cánceres basada en  
para el cáncer canino, desde  
la oncología humana hasta la  
veterinaria]. Veterinary and  
Comparative Oncology, 20(4),  
7
67-777.  
https://doi.org/10.1111/vco.12  
48  
8
secuenciación  
de  
última  
generación en más de 1000  
perros utilizando un conjunto  
de pruebas independiente: El  
estudio detección de cáncer  
en perros (CANDiD)]. PLOS  
Crosby, D., Bhatia, S., Brindle, K. M.,  
Coussens, L. M., Dive, C.,  
Emberton, M., Esener, S.,  
Fitzgerald, R. C., Gambhir, S.  
S., Kuhn, P., Rebbeck, T. R.,  
ONE, e0266623.  
https://doi.org/10.1371/journal  
pone.0266623  
17(4),  
&
Balasubramanian, S.  
(2022). Early detection of  
.
cancer [Detección temprana  
del cáncer]. Ciencia JF-  
Garden, O. A., Volk, S. W., Mason,  
N. J., & Perry, J. A. (2018).  
Ciencia,  
375(6586),  
eaay9040.  
Companion  
animals  
in  
https://doi.org/10.1126/scienc  
e.aay9040  
comparative oncology: One  
Medicine in action [Animales  
de compañía en oncología  
comparada: Una Medicina en  
Fittall, M., & Van, P. (2019).  
Translating insights into tumor  
evolution to clinical practice:  
Promises and challenges  
acción].  
Journal,  
The  
240,  
Veterinary  
6-13.  
https://doi.org/10.1016/j.tvjl.2  
18.08.008  
[
Trasladar los conocimientos  
0
sobre la evolución tumoral a la  
práctica clínica: promesas y  
Greco, A., Meomartino, L., Gnudi, G.,  
Brunetti, A., & Giancamillo, M.  
D. (2023). Imaging techniques  
in veterinary medicine. Part II:  
desafíos].  
Genome  
Medicine,11(20),  
https://doi.org/10.1186/s1307  
-019-0632-z  
3
Computed  
tomography,  
magnetic resonance imaging,  
nuclear medicine [Técnicas  
de imagen en medicina  
Flory, A., Kruglyak, K. M., Tynan, J.  
A., McLennan, L. M., Rafalko,  
J. M., Fiaux, P. C., … Tsui, D.  
veterinaria. II:  
Parte  
W.  
Y.  
(2022).  
Clinical  
Tomografía computarizada,  
1110  
Coloma-Chasi et al. (2025)  
resonancia  
medicina nuclear]. European  
Journal of Radiology Open,  
magnética,  
Jordan, E. por M. (2024). Dog  
Cancer Q&A: Types,  
Symptoms, Prevention, and  
More [Tipos, síntomas,  
1
0(100467).  
https://doi.org/10.1016/j.ejro.2  
22.100467  
prevención y más]. WebMD.  
https://www.webmd.com/pets/  
dogs/features/dogs-and-  
cancer-get-the-facts  
0
Heitzer, E., Haque, I. S., Roberts, C.  
E. S., & Speicher, M. R.  
(
2019). Current and future  
Kalendralis, P., Traverso, A., Shi, Z.,  
Zhovannik, I., Monshouwer,  
R., Starmans, M. P. A., Klein,  
S., Pfaehler, E., Boellaard, R.,  
Dekker, A., & Wee, L. (2019).  
Multicenter CT phantoms  
public dataset for radiomics  
reproducibility tests [Conjunto  
perspectives of liquid biopsies  
in genomics-driven oncology  
[
Perspectivas  
actuales  
y
futuras de las biopsias  
líquidas en la oncología  
impulsada por la genómica].  
Nature Reviews. Genetics,  
2
0,  
https://doi.org/10.1038/s4157  
-018-0071-5  
71-88.  
de  
datos  
públicos  
de  
de  
TC  
fantasmas  
6
multicéntricos para pruebas  
de reproducibilidad  
radiómica]. Medical Physics,  
6(3), 1512-1518.  
https://doi.org/10.1002/mp.13  
85  
Henriksen, T. V., Reinert, T.,  
Christensen, E., Sethi, H.,  
Birkenkamp-Demtröder, K.,  
Gögenur, M., Gögenur, I.,  
4
3
Zimmermann,  
IMPROVE  
B.  
Study  
G.,  
Group,  
Khalifa, M., & Albadawy, M. (2024).  
AI in diagnostic imaging:  
Revolutionising accuracy and  
efficiency [IA en diagnóstico  
por imagen: revolucionando la  
precisión y la eficiencia].  
Dyrskjøt, L., & Andersen, C. L.  
2020). The effect of surgical  
(
trauma on circulating free  
DNA levels in cancer patients-  
implications for studies of  
circulating tumor DNA [El  
efecto del trauma quirúrgico  
sobre los niveles de ADN libre  
circulante en pacientes con  
cáncer: implicaciones para los  
estudios de ADN tumoral  
Computer  
Programs in Biomedicine  
Update, 5(100146).  
https://doi.org/10.1016/j.cmpb  
up.2024.100146  
Methods  
and  
Knappskog, S., Grob, T., Venizelos,  
A., Amstutz, U., Hjortland, G.  
O., Lothe, I. M., Kersten, C.,  
Hofsli, E., Sundlöv, A.,  
Elvebakken, H., Garresori, H.,  
Couvelard, A., Svensson, J.,  
circulante].  
Oncology, 14(8), 1670-1679.  
https://doi.org/10.1002/1878-  
Molecular  
0261.12729  
1111  
Revista Científica Arbitrada en Investigaciones de la Salud ‘‘GESTAR”. Vol. 8, Núm. 16 (Ed. Jul – Dic  
025) ISSN: 2737-6273  
Detección temprana de cáncer en perros y gatos mediante biomarcadores e inteligencia artificial.  
2
Sorbye, H., & Perren, A.  
2023). Mutation Spectrum in  
https://doi.org/10.3389/fvets.2  
021.664718  
(
Liquid Versus Solid Biopsies  
From Patients With Advanced  
Gastroenteropancreatic  
Kumar, R., Srivastava, R.,  
&
Srivastava,  
S.  
(2015).  
Detection and Classification of  
Cancer from Microscopic  
Neuroendocrine Carcinoma  
[
Espectro de mutaciones en  
Biopsy  
Images  
Significant  
Interpretable  
[Detección  
Using  
and  
biopsias líquidas y sólidas de  
pacientes con carcinoma  
neuroendocrino  
gastroenteropancreático  
avanzado]. JCO Precision  
Clinically  
Biologically  
Features  
y
clasificación del cáncer a  
partir de imágenes de biopsia  
Oncology, e2200336.  
https://doi.org/10.1200/PO.22  
00336  
7,  
microscópica  
utilizando  
características clínicamente  
significativas  
.
y
Kruglyak, K. M., Leibman, N.,  
Nahama, A., Dharajiya, N.,  
van den Boom, D., Jensen, T.  
J., Friedman, J. S., Shen, M.  
R., Clemente-Vicario, F.,  
Chorny, I., Tynan, J. A., Lytle,  
K. M., Holtvoigt, L. E.,  
Murtaza, M., Diaz, L. A., Tsui,  
D. W. Y., & Grosu, D. S.  
biológicamente  
interpretables]. Journal of  
Medical Engineering, 2015, 1-  
14.  
https://doi.org/10.1155/2015/  
457906  
London, C. (2023). Advances in the  
detection,  
characterization,  
and monitoring of cancer in  
pets [Avances en la detección,  
caracterización y seguimiento  
del cáncer en mascotas].  
(2021). Horizons in Veterinary  
Precision Oncology:  
Fundamentals of Cancer  
Genomics and Applications of  
DVM360,  
54(3),  
32.  
Liquid  
Biopsy  
for  
the  
https://www.dvm360.com/vie  
w/advances-in-the-detection-  
characterization-and-  
Detection, Characterization,  
and Management of Cancer in  
Dogs  
[Horizontes  
en  
monitoring-of-cancer-in-pets  
Oncología Veterinaria de  
Precisión: Fundamentos de la  
Lone, S. N., Nisar, S., Masoodi, T.,  
Singh, M., Rizwan, A.,  
Hashem, S., El-Rifai, W.,  
Bedognetti, D., Batra, S. K.,  
Haris, M., Bhat, A. A., &  
Macha, M. A. (2022). Liquid  
biopsy: A step closer to  
Genómica del Cáncer  
y
Aplicaciones de la Biopsia  
Líquida para la Detección,  
Caracterización y Tratamiento  
del Cáncer Canino]. Frontiers  
in Veterinary Science, 8,  
664718.  
transform  
diagnosis,  
prognosis and future of cancer  
1112  
Coloma-Chasi et al. (2025)  
treatments [Biopsia líquida:  
clínica con pruebas de biopsia  
líquida basadas en  
secuenciación de próxima  
generación para la detección  
de cáncer en perros: una  
revisión de 1500 casos  
Un paso más cerca de  
transformar el diagnóstico, el  
pronóstico y el futuro de los  
tratamientos  
cáncer.]. Molecular Cancer,  
1(79), 1-22.  
https://doi.org/10.1186/s1294  
-022-01543-7  
contra  
el  
2
clínicos  
Journal of the American  
Veterinary Medical  
consecutivos].  
3
Association, 261(6), 827-836.  
https://doi.org/10.2460/javma.  
Nascimento, C., & Ferreira, F.  
2021). Tumor  
(
22.11.0526  
microenvironment of human  
breast cancer, and feline  
mammary carcinoma as a  
Pereira, A. I., Franco, P., Leite, P.,  
Ribeiro, A., Alves, M. S.,  
Colaço, B., Loureiro, C.,  
Gonçalves, L., Filipe, V., &  
Ginja, M. (2023). Artificial  
Intelligence in Veterinary  
potential model  
study  
[
Microambiente tumoral del  
cáncer de mama humano y  
carcinoma mamario felino  
como posible modelo de  
Imaging:  
An  
Overview  
en  
estudio].  
Biochimica  
et  
[Inteligencia  
artificial  
Biophysica Acta (BBA) -  
Reviews on Cancer, 1876(1),  
imágenes veterinarias: una  
visión general]. Veterinary  
188587.  
Sciences,  
10(5).  
https://doi.org/10.1016/j.bbca  
n.2021.188587  
https://doi.org/10.3390/vetsci  
10050320  
O’Kell, A. L., Lytle, K. M., Cohen, T.  
A., Wong, L. K., Sandford, E.,  
Rafalko, J. M., Brandstetter,  
G., DiMarzio, L. R., Phelps-  
Dunn, A., Rosentel, M. C.,  
Warren, C. D., McCleary-  
Wheeler, A. L., Fiaux, P. C.,  
Marass, F., Marshall, M. A.,  
Ruiz-Perez, C. A., Kruglyak,  
K. M., Tynan, J. A., Hicks, S.  
C., … Flory, A. (2023). Clinical  
Pinello, K., Amorim, I., Pires, I.,  
Cañadas, A., Catarino, J.,  
Faísca, P., Branco, S.,  
Peleteiro, M. C., Silva, D.,  
Severo, M., & Niza, J. (2022).  
Vet-OncoNet:  
Malignancy  
Analysis of Neoplasms in  
Dogs and Cats [Vet-OncoNet:  
Análisis  
de  
neoplasias  
malignas en perros y gatos].  
Veterinary Sciences, 9(10),  
535.  
https://doi.org/10.3390/vetsci  
9100535  
experience  
generation  
with next-  
sequencing–  
based liquid biopsy testing for  
cancer detection in dogs: A  
review of 1,500 consecutive  
clinical cases [Experiencia  
Pinho, S., & Reis, C. (2015).  
Glycosylation  
in  
cancer:  
1113  
Revista Científica Arbitrada en Investigaciones de la Salud ‘‘GESTAR”. Vol. 8, Núm. 16 (Ed. Jul – Dic  
025) ISSN: 2737-6273  
Detección temprana de cáncer en perros y gatos mediante biomarcadores e inteligencia artificial.  
2
mechanisms and clinical  
implications [Licosilación en el  
Pichler,  
B.  
J.  
(2023).  
Advances in PET imaging of  
cancer [Avances en la imagen  
PET del cáncer]. Nature  
Reviews Cancer, 23, 474-490.  
https://doi.org/10.1038/s4156  
8-023-00576-4  
cáncer:  
implicaciones  
Nature reviews  
5,540-555  
mecanismos  
e
clínicas].  
cáncer,  
1
https://doi.org/10.1038/nrc398  
2
Simpson, S., Rizvanov, A. A.,  
Jeyapalan, J. N., de Brot, S.,  
& Rutland, C. S. (2022).  
Rao, M. S., Van Vleet, T. R.,  
Ciurlionis, R., Buck, W. R.,  
Mittelstadt, S. W., Blomme, E.  
A. G., & Liguori, M. J. (2018).  
Comparison of RNA-Seq and  
Microarray Gene Expression  
Canine  
osteosarcoma  
in  
comparative  
Molecular  
through  
oncology:  
mechanisms  
treatment  
to  
Platforms  
Toxicogenomic Evaluation of  
Liver From Short-Term Rat  
for  
the  
discovery  
canino  
[Osteosarcoma  
en oncología  
comparada:  
desde  
mecanismos moleculares  
hasta el descubrimiento del  
los  
Toxicity  
Studies  
[
Comparación de plataformas  
de expresión génica de ARN-  
Seq y microarrays para la  
tratamiento].  
Veterinary  
Frontiers  
Science,  
in  
9.  
evaluación  
toxicogenómica  
https://doi.org/10.3389/fvets.2  
022.965391  
del hígado a partir de estudios  
de toxicidad a corto plazo en  
ratas]. Frontiers in Genetics,  
Slack, F. J., & Chinnaiyan, A. M.  
(2019). The Role of Non-  
9
(636).  
https://doi.org/10.3389/fgene.  
018.00636  
coding RNAs in Oncology [El  
papel de los ARN no  
codificantes en oncología].  
2
Sakthikumar,  
S.  
(2020).  
Cell,  
179(5),  
1033-1055.  
Characterizing the spectrum  
of somatic alterations in  
canine and human cancers  
https://doi.org/10.1016/j.cell.2  
019.10.017  
Sollini, M., Antunovic, L., Chiti, A., &  
Kirienko, M. (2019). Towards  
clinical application of image  
mining: A systematic review  
on artificial intelligence and  
radiomics [Hacia la aplicación  
clínica de la minería de  
[
Caracterización del espectro  
de alteraciones somáticas en  
cánceres  
caninos  
y
humanos].  
Dissertations  
ProQuest  
Theses.  
&
https://n9.cl/x55rs  
Schwenck, J., Sonanini, D., Cotton,  
J. M., Rammensee, H.-G., la  
Fougère, C., Zender, L., &  
imágenes:  
sistemática sobre inteligencia  
artificial radiómica].  
una  
revisión  
y
1114  
Coloma-Chasi et al. (2025)  
European Journal of Nuclear  
Zwingenberger, A. L. (2021).  
Classification of neoplastic  
Medicine  
Imaging,  
and  
46,  
Molecular  
2656-2672.  
and  
inflammatory  
brain  
https://doi.org/10.1007/s0025  
-019-04372-x  
disease using MRI texture  
9
analysis  
Clasificación  
enfermedades  
in  
119  
dogs  
de  
[
Suarez, A. (2023). Cáncer de  
estómago en animales  
cerebrales  
neoplásicas e inflamatorias  
mediante análisis de textura  
por resonancia magnética en  
pequeños: La importancia de  
un diagnóstico temprano.  
Royal Veterinary College.  
https://www.rvc.ac.uk/clinical-  
connections/stomach-cancer-  
in-small-animals-the-  
1
19  
Radiology  
2(4),  
perros].  
Veterinary  
Ultrasound,  
445-454.  
&
6
https://doi.org/10.1111/vru.12  
62  
importance-of-an-early-  
diagnosis  
9
Yitbarek, D., & Dagnaw, G. G.  
2022). Application of  
Timothy,  
M.  
(2014).  
Pain  
(
Management in Veterinary  
Patients with Cancer [Manejo  
del dolor en pacientes  
veterinarios con cáncer].  
Veterinary Clinics of North  
Advanced Imaging Modalities  
in Veterinary Medicine: A  
Review  
[Aplicación  
de  
modalidades avanzadas de  
imagenología en medicina  
veterinaria: una revisión].  
America:  
Small  
Animal  
Practice, 44(5), 989-1001.  
https://doi.org/10.1016/j.cvsm  
Veterinary  
Auckland, N.Z.), 13, 117-130.  
https://doi.org/10.2147/VMRR  
S367040  
Medicine  
(
.
2014.05.005  
.
Varshney, J., Scott, M. C.,  
Largaespada, D. A.,  
Subramanian, S. (2016).  
Understanding the  
Osteosarcoma Pathobiology:  
Comparative Oncology  
Approach [Comprensión de la  
patobiología del  
osteosarcoma: un enfoque  
oncológico comparativo].  
&
Yoon, Y., Hwang, T., & Lee, H.  
2018). Prediction of  
(
radiographic abnormalities by  
the use of bag-of-features and  
convolutional neural networks  
A
[
Predicción de anomalías  
radiográficas mediante el uso  
de bolsas de características y  
redes  
neuronales  
Veterinary Sciences, 3(1), 3.  
https://doi.org/10.3390/vetsci  
convolucionales]. Veterinary  
Journal (London, England:  
3010003  
1
997), 43-48.  
https://doi.org/10.1016/j.tvjl.2  
18.05.009  
237,  
Wanamaker, M. W., Vernau, K. M.,  
Taylor, S. L., Cissell, D. D.,  
0
Abdelhafez,  
Y.  
G.,  
&
1115