La inteligencia artificial es una herramienta prometedora para la detección del cáncer de mama en los programas de mamografía de cribado, según un nuevo estudio, el mayor hasta la fecha, publicando en la revista 'Radiology'.
Las mamografías realizadas a través de programas de cribado de cáncer de mama basados en la población suponen una importante carga de trabajo para los radiólogos. La IA se ha propuesto como un segundo lector automatizado de mamografías que podría ayudar a reducir esta carga de trabajo, ya que esta tecnología ha mostrado resultados alentadores para la detección del cáncer, pero las pruebas relacionadas con su uso en entornos reales de cribado son limitadas.
En el nuevo estudio investigadores noruegos dirigidos por la doctora Solveig Hofvind, de la Sección de Cribado del Cáncer de Mama del Registro de Cáncer de Noruega, compararon el rendimiento de un sistema de inteligencia artificial disponible en el mercado con la doble lectura independiente de rutina realizada en un programa de cribado basado en la población. El estudio se basó en casi 123.000 exámenes realizados a más de 47.000 mujeres en cuatro instalaciones de BreastScreen Norway, el programa de cribado de base poblacional del país.
El estudio se basó en casi 123.000 exámenes realizados a más de 47.000 mujeres en cuatro instalaciones de BreastScreen Norway
El conjunto de datos incluía 752 cánceres detectados en el cribado y 205 cánceres de intervalo, o cánceres detectados entre rondas de cribado. El sistema de IA predijo el riesgo de cáncer en una escala del 1 al 10, en la que el 1 representa el menor riesgo y el 10 el mayor. El 87,6% (653 de 752) de los cánceres detectados en el cribado y el 44,9% (92 de 205) de los cánceres de intervalo tenían la puntuación más alta de 10 en el IA.
Los investigadores crearon tres umbrales para evaluar el rendimiento del sistema de IA como herramienta de toma de decisiones. Utilizando un umbral que refleja la tasa media de interpretación positiva de los radiólogos individuales, la proporción de cánceres detectados en el cribado que no fueron seleccionados por el sistema de IA fue inferior al 20%. Aunque el sistema de IA funcionó bien, el hecho de que el estudio se base en datos retrospectivos significa que se necesita más investigación.
Los expertos esperan que la IA sea de gran valor en la interpretación de las mamografías de cribado en el futuro
"En nuestro estudio, asumimos que todos los casos de cáncer seleccionados por el sistema de IA fueron detectados, señala la doctora Hofvind. Esto podría no ser cierto en un entorno de cribado real. Sin embargo, dada esa suposición, la IA probablemente será de gran valor en la interpretación de las mamografías de cribado en el futuro".
Los resultados mostraron características histopatológicas favorables asociadas a un mejor pronóstico para los cánceres detectados en el cribado con puntuaciones de IA bajas frente a las altas. Se observaron resultados opuestos para los cánceres de intervalo. Esto puede indicar que los cánceres de intervalo con puntuaciones bajas de IA son verdaderos cánceres de intervalo no visibles en las mamografías de cribado.
El alto porcentaje de exámenes verdaderamente negativos clasificados con una puntuación de IA baja tiene el potencial de reducir sustancialmente el volumen interpretativo, al tiempo que permite que sólo una pequeña proporción de cánceres no se detecten. Al utilizar la IA como uno de los dos lectores en un entorno de doble lectura, el radiólogo podría seguir identificando estos cánceres, dijeron los investigadores.
"Basándonos en nuestros resultados, esperamos que la IA sea de gran valor en la interpretación de las mamografías de cribado en el futuro, añade Hofvind. Esperamos que el mayor potencial consista en reducir el volumen de lectura mediante la selección de exámenes negativos".
Aunque se necesitan más estudios antes de la implementación clínica de la IA en el cribado del cáncer de mama, los resultados del estudio ayudan a establecer una base para futuras investigaciones, incluyendo estudios prospectivos, destaca la doctora Hofvind. Estamos deseando probar diferentes escenarios para la IA utilizando datos retrospectivos y luego realizar un ensayo prospectivo".