La mamografía guiada por IA reduce la carga de trabajo en un 33% y aumenta la detección del cáncer de mama

En un estudio reciente publicado en la revista Radiology, investigadores de Dinamarca y los Países Bajos realizaron un análisis retrospectivo de la efectividad del cribado y la carga general del cribado mamográfico antes y después de la introducción de sistemas de inteligencia artificial (IA).

La mamografía de cribado regular para el cáncer de mama reduce significativamente la mortalidad por esta enfermedad. Sin embargo, la mamografía de cribado masiva aumenta la carga de trabajo de los radiólogos, quienes deben analizar numerosas mamografías, la mayoría de las cuales no presentan lesiones sospechosas.

Además, el doble cribado, que se utiliza para reducir los falsos positivos y mejorar la detección, aumenta aún más la carga de trabajo de los radiólogos. La escasez de radiólogos especializados capaces de interpretar mamografías agrava esta situación.

Estudios recientes han explorado ampliamente el uso de la IA para analizar eficientemente los informes radiológicos, manteniendo al mismo tiempo altos estándares de cribado. Se cree que un enfoque combinado, en el que la IA ayuda a los radiólogos a resaltar las mamografías con lesiones marcadas, reduce la carga de trabajo de los radiólogos, manteniendo al mismo tiempo la sensibilidad del cribado.

El presente estudio utilizó medidas de desempeño preliminares de dos cohortes de mujeres sometidas a mamografías de detección como parte del programa nacional danés de detección de cáncer de mama para comparar el cambio en la carga y el desempeño de las mamografías después de la introducción de herramientas de IA.

El programa invitó a mujeres de entre 50 y 69 años a realizarse pruebas de detección cada dos años hasta los 79 años. Las mujeres con marcadores que indicaban un mayor riesgo de cáncer de mama, como los genes BRCA, fueron examinadas según diferentes protocolos.

Los investigadores utilizaron dos cohortes de mujeres: una examinada antes de la introducción del sistema de IA y otra después. El análisis incluyó únicamente a mujeres menores de 70 años para excluir a las de un subgrupo de alto riesgo.

Todas las participantes se sometieron a protocolos estandarizados mediante mamografía digital con proyecciones craneocaudal y oblicua mediolateral. Todos los casos positivos de este estudio se identificaron mediante pruebas de detección de carcinoma ductal o cáncer invasivo, confirmadas mediante biopsia con aguja. Los datos sobre informes patológicos, tamaño de la lesión, afectación ganglionar y diagnósticos también se obtuvieron de un registro nacional de salud.

El sistema de IA utilizado para analizar las mamografías se entrenó con modelos de aprendizaje profundo para detectar, resaltar y puntuar cualquier calcificación o bulto sospechoso en la mamografía. Posteriormente, la IA clasificó las pruebas de detección en una escala del 1 al 10, indicando la probabilidad de cáncer de mama.

Un equipo de radiólogos, en su mayoría con amplia experiencia, revisó las mamografías de ambas cohortes. Antes del sistema de IA, cada prueba de detección era revisada por dos radiólogos, y a cada paciente se le recomendaba un examen clínico y una biopsia por punción solo si ambos radiólogos consideraban que la prueba requería una evaluación adicional.

Tras la implementación del sistema de IA, las mamografías con una puntuación de 5 o menos fueron revisadas por un radiólogo experimentado, sabiendo que solo recibirían una lectura. Las que requerían un examen más profundo fueron analizadas con un segundo radiólogo.

El estudio encontró que la implementación del sistema de IA redujo significativamente la carga de trabajo de los radiólogos que analizan mamografías como parte de la detección masiva del cáncer de mama, al tiempo que mejoraba la eficacia de la detección.

La cohorte examinada antes de la implementación del sistema de IA incluyó a más de 60.000 mujeres, mientras que la cohorte examinada con IA incluyó a aproximadamente 58.000 mujeres. El cribado con IA resultó en un aumento de los diagnósticos de cáncer de mama (0,70 % antes de la IA frente a 0,82 % con IA), a la vez que redujo el número de falsos positivos (2,39 % frente a 1,63 %).

El cribado basado en IA tuvo un mayor valor predictivo positivo y el porcentaje de cánceres invasivos fue menor con los métodos basados en IA. Si bien el porcentaje de cánceres sin afectación ganglionar se mantuvo sin cambios, otras medidas de rendimiento mostraron que el cribado basado en IA mejoró significativamente los resultados. La carga de lectura también se redujo en un 33,5 %.

En resumen, el estudio evaluó la eficacia de un sistema de detección basado en IA para reducir la carga de trabajo de los radiólogos y mejorar las tasas de detección en el análisis de mamografías como parte de la detección masiva del cáncer de mama en Dinamarca.

Los resultados mostraron que el sistema basado en IA redujo significativamente la carga de trabajo de los radiólogos al tiempo que mejoró las tasas de detección, como lo demuestra un aumento significativo en los diagnósticos de cáncer de mama y una reducción significativa de los falsos positivos.