Las mamografías apoyadas por inteligencia artificial aumentan un 20% la detección del cáncer de mama

Un estudio realizado con más de 80.000 mujeres en Suecia revela que el cribado con inteligencia artificial detecta un 20% más de cánceres de mama en comparación con la doble lectura rutinaria de las mamografías por dos radiólogos.

El ensayo aleatorizado, publicado en The Lancet Oncology, subraya el potencial de la inteligencia artificial (IA) para hacer más preciso y eficaz el cribado de mama y constata que este es seguro y reduce casi a la mitad la carga de trabajo de los expertos en radiología.

TE PUEDE INTERESAR

Un fármaco puede ayudar ante la resistencia al principal tratamiento de un cáncer de mama

EFE

"El análisis de mamografías con ayuda de inteligencia artificial es tan bueno como el de dos radiólogos trabajando juntos para detectar el cáncer de mama, sin aumentar los falsos positivos y reduciendo casi a la mitad la carga de trabajo de lectura de las mamografías (44%)", resumen los investigadores, entre otros de la Universidad de Lund y del Hospital Universitario de Skåne.

Se trata de resultados provisionales, las conclusiones definitivas del ensayo no se esperan hasta dentro de varios años, cuando se compruebe si el uso de la IA en la interpretación de las imágenes se traduce en una reducción de los cánceres de intervalo.

TE PUEDE INTERESAR

El nuevo medicamento contra el cáncer de mama que reduce un tratamiento a 5 minutos

F. S. B.

Estos son tumores detectados entre revisiones que suelen tener peor pronóstico que los vistos en las revisiones.

Este último objetivo se estudiará en 100.000 mujeres, con al menos dos años de seguimiento. En última instancia, los investigadores deberán establecer si está justificado el uso de la IA en el cribado mamográfico, indica un comunicado de la revista. "Estos prometedores resultados provisionales de seguridad deben utilizarse para fundamentar nuevos ensayos y evaluaciones basados en programas para hacer frente a la acusada escasez de radiólogos en muchos países", señala Kristina Lång, de la Universidad de Lund.

TE PUEDE INTERESAR

El complemento alimenticio que ayuda a combatir el cáncer de mama, según un nuevo estudio

F. S. B.

Pero "no bastan por sí solos para confirmar que la IA está lista para implantarse en el cribado mamográfico". "Todavía tenemos que entender las implicaciones en los resultados de las pacientes, especialmente si la combinación de la experiencia de los radiólogos con la IA puede ayudar a detectar cánceres de intervalo que a menudo no se detectan con el cribado tradicional, así como la rentabilidad de la tecnología".

La IA se ha propuesto como un segundo lector automatizado de mamografías que podría ayudar a reducir la carga de trabajo de los expertos y mejorar la precisión del cribado. Si bien ha mostrado resultados alentadores en estudios retrospectivos, faltan pruebas sólidas de ensayos prospectivos aleatorizados, insisten los autores.

TE PUEDE INTERESAR

Cuando el cáncer de mama les afecta a ellos: síntomas y diagnóstico de un tumor 'invisible'

Fran Sánchez Becerril

Para el estudio que ahora se publica, 80.033 mujeres de entre 40 y 80 años, que se habían sometido a un cribado mamográfico en cuatro centros del suroeste de Suecia, fueron asignadas aleatoriamente a un análisis apoyado por IA, entre abril de 2021 y julio de 2022.

En él, un sistema de lectura de mamografías apoyado por una IA disponible comercialmente analizó las mamografías antes de que fueran leídas por uno o dos radiólogos; al otro grupo de mujeres se les realizó un análisis estándar por dos radiólogos sin IA (grupo control).

TE PUEDE INTERESAR

La nueva forma para prevenir la 'bomba de relojería' del cáncer de mama

Alimente

Los resultados provisionales revelan que el cribado con IA detectó un 20% más de cánceres en comparación con la doble lectura rutinaria de las mamografías por dos radiólogos.

A pesar de los "prometedores resultados", los autores señalan varias limitaciones, entre ellas que el análisis se limitó a un tipo de mamógrafo y un sistema de IA, lo que podría limitar la generalización de los resultados.