Revista Farmabiotec Número 23

60 farmaBIOTEC #23 mecanísticas y reglas de estratificación comprensibles, no cuando produce predicciones opacas (15) . En PDAC, el modelo ideal debe contextualizar fenotipos y proponer ejes biológicos que deben validarse experimentalmente y con - siderarse en el diseño de ensayos clínicos. Conclusión La estratificación de pacientes en PDAC exige avan - zar hacia un perfil integrativo. Un conjunto coherente de señales multiómicas y clínicas, interpretables y validadas. La inteligencia artificial no sustituye a la biología, la hace navegable cuando se aplica con rigor metodológico y un control de los sesgos. La verdadera ventaja traslacional no está en generar más capas ómicas, sino en construir pipelines reproduci - bles que conecten el descubrimiento con la validación y, en última instancia, con la toma de decisiones clínicas. Referencias • 1. Mannucci A, Goel A. Advances in pancreatic cancer early diagnosis, prevention, and treatment: The past, the present, and the future. CA Cancer J Clin [Internet]. 2026;76(1):e70035. Disponible en: http://dx.doi.org/10.3322/caac.70035 • 2. Ohara Y, Liu H, Moreno P, Suzuki S, Hussain SP. Molecular, metabolic, and histological subtypes of pancreatic ductal ade - nocarcinoma and its tumor microenvironment: Insights into tumor heterogeneity and clinical implications. Pharmacol Ther [Internet]. 2026;277(108946):108946. Disponible en: http:// dx.doi.org/10.1016/j.pharmthera.2025.108946 • 3. Hashimoto A, Hashimoto S. Plasticity and tumor microenvironment in pancreatic cancer: Genetic, metabo - lic, and immune perspectives. Cancers (Basel) [Internet]. 2024;16(23):4094. Disponible en: http://dx.doi.org/10.3390/ cancers16234094 • 4. Jiang X, Zhao B, Wang T, Ma Y, Liu W, Sun H, et al. USP20- driven cholesterol metabolism links inflammatory signaling to malignancy and stromal co-evolution in pancreatic can - cer. Cancer Res [Internet]. 2025; Disponible en: http://dx.doi. org/10.1158/0008-5472.CAN-25-1228 • 5. Thakur R, Mullen NJ, Mehla K, Singh PK. Tumor-stromal metabolic crosstalk in pancreatic cancer. Trends Cell Biol [Internet]. 2025;35(12):1068-83. Disponible en: http://dx.doi. org/10.1016/j.tcb.2025.04.007 • 6. Moffitt RA, Marayati R, Flate EL, et al. Virtual microdis - section identifies distinct tumor- and stroma-specific subtypes of pancreatic ductal adenocarcinoma. Nature Genetics. 2015. • 7. Puleo F, Nicolle R, Blum Y, et al. Stratification of pancrea - tic ductal adenocarcinomas based on tumor and microenvi - ronment features. Gastroenterology. 2018. • 8. Martens S, Lefesvre P, Nicolle R, et al. Different shades of pancreatic ductal adenocarcinoma: molecular subtypes and clinical implications. Annals of Oncology. 2019. • 9. Borgmästars E, et al. Multi-omics profiling to identify early plasma biomarkers in pancreatic ductal adenocarci - noma. 2024. • 10. Hilmi M, Delaye M, Muzzolini M, Nicolle R, Cros J, Hammel P, et al. The immunological landscape in pancrea - tic ductal adenocarcinoma and overcoming resistance to immunotherapy. Lancet Gastroenterol Hepatol [Internet]. 2023;8(12):1129-42. Disponible en: http://dx.doi.org/10.1016/ S2468-1253(23)00207-8 George B, Kudryashova O, Kravets A, Thalji S, Malarkannan S, Kurzrock R, et al. Transcriptomic-based microenvironment classification reveals precision medicine strategies for pan - creatic ductal adenocarcinoma. Gastroenterology [Internet]. 2024;166(5):859-871.e3. Disponible en: http://dx.doi . org/10.1053/j.gastro.2024.01.028 • 11. Perazzoli G, et al. Evaluating metabolite-based biomar - kers for early diagnosis of pancreatic ductal adenocarcinoma. Metabolites. 2023. • 12. Langtry A, Rabadan R, Alonso L, Filip I, Sabroso-Lasa S, Moreno-Oya A, et al. Deciphering the role of complement system genes in pancreatic cancer susceptibility and prog - nosis. Nat Commun [Internet]. 2025 [citado 13 de enero de 2026];16(1):10769. Disponible en: https://www.nature.com/ articles/s41467-025-65811-y • 13. Eze‑Odorukwe A, Rehman A, Ayinla L, et al. Metabolite biomarkers for early detection of pancreatic ductal adenocar - cinoma: a systematic review. 2024. • 14. Wei L, Niraula D, Gates EDH, et al. Artificial intelligence (AI) and machine learning (ML) in precision oncology: enhan - cing discoverability through multiomics integration. British Journal of Radiology. 2023. • 15. Hsu CY, et al. AI-driven multi-omics integration in pre - cision oncology: bridging the data deluge to clinical decisions. 2025. Biomarcadores La estratificación de pacientes en PDAC exige avanzar hacia un perfil integrativo. Un conjunto coherente de señales multiómicas y clínicas, interpretables y validadas.