El uso de la IA como segundo lector en las mamografías de cribado incrementa la tasa de detección, identifica más cánceres de intervalo y reduce la carga de elaboración de informes. El cáncer de mama es una de las enfermedades malignas más frecuentes en las mujeres. En el Reino Unido, se diagnostica un caso aproximadamente cada diez minutos, con unos 55 000 nuevos diagnósticos anuales. Los programas de cribado mamográfico poblacionales son esenciales para la detección precoz y para mejorar los resultados del tratamiento.
Sin embargo, el aumento de casos también incrementa la presión organizativa sobre estos programas. En este contexto, cobra relevancia la posibilidad de que tecnologías como la inteligencia artificial (IA) puedan apoyar los procesos diagnósticos. Una colaboración multicéntrica entre el Imperial College de Londres, varias universidades y los servicios de cribado del NHS investigó el rendimiento diagnóstico y la integración práctica de un sistema de IA para interpretar mamografías. Los resultados se publicaron en Nature Cancer.
Resultados de una investigación con 175.000 mujeres, el mayor estudio realizado hasta ahora por el NHS
En el programa británico, las mamografías suelen ser revisadas de forma independiente por dos radiólogos especializados. Este estudio comparó ese enfoque con un flujo de trabajo en el que un radiólogo humano y un sistema de IA actúan como segundo lector.
La primera fase consistió en un análisis retrospectivo de mamografías de 125 000 mujeres de entre 50 y 70 años procedentes de cinco servicios de cribado. El análisis final incluyó 115 973 mamografías. Para garantizar la validez del estándar de referencia, se realizó un seguimiento de 39 meses, incluyendo cánceres de intervalo y tumores detectados en la siguiente ronda.
El criterio principal fue la sensibilidad y especificidad del sistema de IA frente al primer evaluador, con un margen de no inferioridad de cinco puntos porcentuales. Los análisis secundarios compararon su rendimiento con segundos evaluadores o evaluadores de consenso.
En la segunda parte, se analizaron 9266 casos actuales en dos centros de Londres para evaluar la integración técnica y el rendimiento en condiciones reales. Un tercer análisis examinó el uso de la IA en casos con discrepancias entre evaluadores.
Mayor sensibilidad y mayor tasa de detección en el cribado
La IA aumenta la detección del cáncer e identifica cánceres de intervalo. Como lector de segunda línea, el sistema de IA logró una tasa de detección superior a la del primer lector, pasando de 7,54 a 9,33 casos por cada 1000 mujeres examinadas. Además, identificó alrededor del 25% de los cánceres de intervalo que, de otro modo, solo se habrían diagnosticado entre rondas o en el siguiente cribado.
Efectos especialmente marcados en cribados iniciales y tumores invasivos
La mejora fue especialmente notable en las pruebas iniciales sin estudios previos. En estas, se registró un 39,3% menos de repeticiones y la tasa de detección aumentó un 8,8%. Asimismo, el sistema detectó con mayor frecuencia carcinomas invasivos, de especial relevancia pronóstica.
Sustituir al segundo evaluador por IA podría reducir el tiempo de evaluación
Las simulaciones mostraron que reemplazar al segundo lector por IA podría reducir el tiempo de evaluación en torno a un 32%. Además, los modelos revelaron una tasa de detección un 17,7% mayor.
La IA puede integrarse en los procesos de cribado y ahorrar tiempo
La fase prospectiva confirmó que el sistema puede integrarse en los procesos existentes. Inicialmente, la tasa de recuperación superó los valores objetivo, por lo que se ajustaron los criterios de decisión durante el estudio. Aun así, se observó una clara ventaja temporal: mientras la IA analizaba un examen en unos 18 minutos, el primer lector necesitaba más de dos días de media.
La IA se evalúa por primera vez en el arbitraje de resultados
Un tercer análisis examinó su uso en el arbitraje, donde un tercer evaluador revisa casos con discrepancias. En unas 50 000 mujeres examinadas, la IA mostró un rendimiento comparable al de los evaluadores humanos. A pesar de una mayor tasa de arbitraje, la carga global de trabajo disminuyó.
Conclusión: la IA podría hacer más eficientes los procesos de cribado
Los estudios actuales muestran que los sistemas basados en IA pueden aumentar la sensibilidad diagnóstica en la mamografía de cribado y, al mismo tiempo, reducir la carga de trabajo de los radiólogos. La mejora fue especialmente evidente en cribados iniciales y en la detección de tumores invasivos.
Se prevén más estudios para analizar cómo afecta la IA a los procesos diagnósticos posteriores, a los costes y a la colaboración entre personal médico y sistemas automatizados.