Método de IA predice el riesgo de cáncer de mama al analizar múltiples mamografías

Si bien existen algunas estrategias de reducción de riesgo, como el uso de tamoxifeno, estos tratamientos pueden causar efectos secundarios no deseados. A la mayoría de las mujeres con alto riesgo se les ofrecen exámenes de detección más frecuentes o la opción de incluir métodos de diagnóstico por imágenes adicionales, como resonancias magnéticas, para detectar el cáncer de forma temprana.

Ahora, un nuevo estudio publicado en JCO Clinical Cancer Informatics presenta un enfoque innovador para analizar las mamografías, mejorando significativamente la precisión de la predicción del riesgo de una mujer de desarrollar cáncer de mama en los próximos cinco años. Al incorporar hasta tres años de mamografías previas, este nuevo método identificó a personas con alto riesgo de desarrollar cáncer de mama con una precisión 2,3 veces mayor que el método estándar, que se basa únicamente en cuestionarios sobre factores de riesgo clínicos como la edad, la raza y los antecedentes familiares.

Este modelo de predicción de riesgos se basa en investigaciones previas realizadas por la Facultad de Medicina de la Universidad de Washington (St. Louis, MO, EUA), que revelaron que las mamografías realizadas en etapas tempranas contienen información valiosa sobre las etapas iniciales del cáncer de mama, la cual puede pasar desapercibida incluso para profesionales altamente capacitados. Esta información incluye cambios sutiles en la densidad mamaria, que mide las cantidades relativas de tejido fibroso y graso en los senos.

En el último estudio, el equipo desarrolló un algoritmo basado en inteligencia artificial (IA) que puede detectar diferencias mínimas en las mamografías, lo que ayuda a identificar a las mujeres con mayor riesgo de desarrollar cáncer de mama durante un período de tiempo específico. Además de la densidad mamaria, el algoritmo evalúa otros patrones, como cambios en la textura, calcificaciones y asimetrías en las imágenes. El nuevo método puede detectar pequeños cambios a lo largo del tiempo en mamografías repetidas, cambios que no son visibles para el ojo humano pero que contienen información crucial para identificar a individuos de alto riesgo.

Los investigadores entrenaron su algoritmo de aprendizaje automático utilizando mamografías de más de 10.000 mujeres que se sometieron a pruebas de detección de cáncer de mama entre 2008 y 2012. Se hizo un seguimiento de estas mujeres hasta 2020, y 478 fueron diagnosticadas con cáncer de mama durante ese período. Luego, el equipo aplicó su método a un conjunto de datos independiente de más de 18.000 mujeres que se habían hecho mamografías entre 2013 y 2020, de las cuales 332 fueron diagnosticadas con cáncer de mama durante el seguimiento.

Según el nuevo modelo de predicción, las mujeres identificadas como de alto riesgo tenían 21 veces más probabilidades de ser diagnosticadas con cáncer de mama en los próximos cinco años en comparación con las del grupo de menor riesgo. En el grupo de alto riesgo, 53 de cada 1.000 mujeres examinadas desarrollaron cáncer de mama, mientras que en el grupo de bajo riesgo, solo 2,6 mujeres de cada 1.000 examinadas desarrollaron cáncer de mama. En comparación, el método más antiguo, basado en cuestionarios, identificó correctamente sólo a 23 mujeres por cada 1.000 como de alto riesgo y pasó por alto 30 casos de cáncer de mama que detectó el nuevo método.

Las mamografías se tomaron tanto en centros médicos académicos como en clínicas comunitarias, lo que demuestra que la precisión de este método se mantiene constante en diversos entornos de atención médica. Es importante destacar que el algoritmo se diseñó con una representación significativa de mujeres negras, un grupo que a menudo está subrepresentado en los modelos de riesgo de cáncer de mama. La precisión predictiva fue constante en todos los grupos raciales. El trabajo en curso incluye probar el algoritmo en mujeres de diversos orígenes raciales y étnicos, incluidas mujeres asiáticas, del sudeste asiático y nativas americanas, para garantizar su eficacia para todas las poblaciones. Los investigadores también están trabajando para obtener patentes y licencias para este nuevo método, con planes de hacerlo ampliamente disponible en todos los lugares donde se realizan mamografías de detección.