La IA mejora la detección temprana de los cánceres de mama de intervalo

La detección temprana puede reducir la necesidad de tratamientos agresivos y mejorar el pronóstico. Un nuevo estudio sugiere que la inteligencia artificial (IA) podría ayudar a identificar estos cánceres antes de que progresen a etapas más avanzadas y difíciles de tratar, lo que podría conducir a mejores prácticas de detección, tratamientos más tempranos y mejores resultados para las pacientes.

El estudio, dirigido por investigadores del Centro Oncológico Integral Jonsson de UCLA Health (Los Ángeles, CA, EUA.), demostró que la IA era capaz de detectar ciertos tipos de cánceres de intervalo "visibles mamográficamente" en etapas tempranas, señalándolos durante el proceso de cribado. Esto incluye tumores que son visibles en la mamografía pero que pasan desapercibidos para los radiólogos, o aquellos con señales sutiles que son difíciles de detectar debido a su baja intensidad o porque están por debajo del umbral perceptible del ojo humano.

Los investigadores estiman que la integración de la IA en el cribado podría reducir la incidencia de cánceres de mama de intervalo hasta en un 30 %. Aunque ya se han realizado estudios similares en Europa, este es uno de los primeros en explorar el uso de IA para detectar cánceres de intervalo en los Estados Unidos. Los investigadores también destacan diferencias importantes entre los sistemas de detección europeos y estadounidenses. En Estados Unidos, la mayoría de las mamografías se realizan mediante tomosíntesis digital de mama (TDM), comúnmente conocida como mamografía 3D, y las pacientes suelen someterse a un cribado anual. En cambio, en Europa se emplea comúnmente la mamografía digital (MD), o mamografía 2D, con una frecuencia de cada dos o tres años.

El estudio retrospectivo, publicado en el Journal of the National Cancer Institute, analizó datos de casi 185.000 mamografías tomadas entre 2010 y 2019, que incluyeron tanto MD como TDM. El análisis se centró en 148 casos en los que mujeres fueron diagnosticadas con cáncer de mama de intervalo. Los radiólogos revisaron estos casos para comprender por qué el cáncer no se detectó antes. Los investigadores adaptaron un sistema de clasificación europeo para categorizar los cánceres de intervalo en seis tipos: error de lectura omitida, signos mínimos procesables, signos mínimos no procesables, cáncer de intervalo verdadero, oculto (realmente invisible en la mamografía) y omitido debido a un error técnico.

Luego, los investigadores aplicaron el software de inteligencia artificial llamado Transpara, desarrollado por ScreenPoint Medical (Nijmegen, Países Bajos), a las mamografías de detección realizadas antes del diagnóstico. El objetivo era evaluar si la IA podía detectar señales sutiles de cáncer que habían pasado desapercibidas para los radiólogos o, al menos, marcarlas como sospechosas. La herramienta calificó cada mamografía en una escala del 1 al 10 según el riesgo de cáncer, considerando como preocupantes aquellas con puntuaciones de 8 o más.

El sistema de IA detectó el 76% de las mamografías que inicialmente se interpretaron como normales, pero que posteriormente se vincularon con casos de cáncer de mama de intervalo. Detectó el 90 % de los casos clasificados como errores de lectura, en los que el cáncer era visible en la mamografía pero fue pasado por alto o malinterpretado por el radiólogo. También identificó aproximadamente el 89 % de los casos con signos mínimos accionables, es decir, aquellos con indicios sutiles que razonablemente podrían haber motivado una intervención, y marcó el 72 % de los casos con signos mínimos no accionables, demasiado sutiles para justificar una acción clínica.

En el caso de los cánceres ocultos, o completamente invisibles en la mamografía, la IA detectó el 69 % de los casos. Fue algo menos eficaz en la identificación de verdaderos cánceres de intervalo, aquellos que no estaban presentes durante la prueba de detección pero se desarrollaron posteriormente, detectando alrededor del 50 % de esos casos. Los investigadores señalan que se necesitan estudios prospectivos a gran escala para comprender cómo los radiólogos podrían incorporar la IA en la práctica clínica diaria y abordar cuestiones clave, como qué hacer cuando la IA marca áreas que no son visibles al ojo humano, especialmente considerando que la herramienta no siempre identifica con precisión la ubicación exacta del tumor.

“Aunque la IA no es perfecta y no debe utilizarse de forma aislada, estos hallazgos respaldan la idea de que podría ayudar a que la mayoría de los cánceres de mama de intervalo se conviertan en verdaderos cánceres de intervalo”, afirmó la Dra. Tiffany Yu, profesora adjunta de Radiología en la Facultad de Medicina David Geffen de la UCLA y primera autora del estudio. “Tiene potencial para servir como una valiosa segunda mirada, especialmente para los tipos de cáncer más difíciles de detectar a tiempo. Se trata de brindar a los radiólogos mejores herramientas y a los pacientes la mejor oportunidad de detectar el cáncer a tiempo, lo que podría salvar más vidas”.

Enlaces relacionados:
UCLA Health Jonsson Comprehensive Cancer Center
ScreenPoint Medica