La inteligencia artificial permite una estratificación más precisa del riesgo de cáncer de mama
Un modelo de inteligencia artificial entrenado solo con imágenes mamográficas demuestra mayor precisión que la densidad mamaria para estimar el riesgo de cáncer de mama a cinco años y abre la puerta a cribados más personalizados y tempranos.
consalud.es
La predicción del riesgo de cáncer de mama podría experimentar un cambio relevante gracias a la inteligencia artificial. Un nuevo estudio presentado en la reunión anual de la Sociedad Radiológica de Norteamérica (RSNA) muestra que un modelo de IA basado únicamente en imágenes logra una estratificación del riesgo a cinco años más sólida y precisa que la evaluación tradicional de la densidad mamaria.
La investigación pone en cuestión los métodos habituales de estimación del riesgo, que se apoyan en factores como la edad, los antecedentes familiares, la genética o la propia densidad mamaria. La autora principal del trabajo, Constance D. Lehman, doctora en Medicina y profesora de Radiología en la Facultad de Medicina de Harvard, subraya las limitaciones de estos enfoques. “Más de dos millones de mujeres son diagnosticadas con cáncer de mama cada año y, para la mayoría, es una sorpresa total”, afirmó. “Solo entre el 5 % y el 10 % de los casos de cáncer de mama se consideran hereditarios, y la densidad mamaria por sí sola es un indicador muy débil del riesgo”, afirma.
El modelo analizado, Clairity Breast, es el primer sistema de riesgo de cáncer de mama basado exclusivamente en imágenes que ha recibido autorización de la FDA. Para su desarrollo se utilizaron 421.499 mamografías procedentes de 27 centros de Europa, Sudamérica y Estados Unidos, que incluían tanto imágenes de mujeres que desarrollaron cáncer como de aquellas que no lo hicieron en los cinco años posteriores.
“El modelo es capaz de detectar cambios en el tejido mamario que el ojo humano no puede ver”
Este enfoque permitió a la IA aprender patrones y diferencias sutiles en el tejido mamario asociados al riesgo futuro. Posteriormente, el modelo se calibró con un conjunto de pruebas independiente mediante una red neuronal convolucional profunda capaz de generar probabilidades de riesgo a cinco años.
“El modelo es capaz de detectar cambios en el tejido mamario que el ojo humano no puede ver”, sostiene la Dra. Lehman. “Esta es una tarea que los radiólogos simplemente no pueden realizar. Es una tarea distinta de la detección y el diagnóstico, y abrirá un campo completamente nuevo de la medicina, aprovechando el poder de la IA y la información sin explotar de la imagen”.
Para validar su rendimiento, el sistema se aplicó a 236 422 mamografías de cribado bidimensionales bilaterales de cinco centros estadounidenses y a 8810 de un centro europeo, obtenidas entre 2011 y 2017. Los investigadores recopilaron la densidad mamaria comunicada por los radiólogos y los resultados oncológicos a cinco años a partir de los registros médicos y de tumores. Los riesgos estimados por la IA se clasificaron según los umbrales de la Red Nacional Integral del Cáncer en riesgo medio, intermedio y alto. A partir de modelos estadísticos que tuvieron en cuenta el tiempo de seguimiento, se compararon estas categorías con la densidad mamaria.
Los resultados mostraron una diferencia clara. Considerando la densidad mamaria, las mujeres clasificadas como de alto riesgo por la IA presentaron una incidencia de cáncer más de cuatro veces superior a la de las mujeres de riesgo medio. En cambio, la densidad mamaria por sí sola apenas permitió una separación modesta entre grupos.
“Los resultados de este análisis a gran escala demuestran que los modelos de riesgo de IA proporcionan una estratificación del riesgo mucho más sólida y precisa para la predicción del cáncer a cinco años que la densidad mamaria por sí sola”, señaló Christiane Kuhl, doctora en Medicina y directora del Departamento de Radiología Diagnóstica e Intervencionista del Hospital Universitario RWTH de Aquisgrán. “Nuestros hallazgos respaldan el uso de la IA basada únicamente en imágenes como complemento de los marcadores tradicionales, lo que favorece un enfoque más personalizado de las pruebas de detección”.
“Nuestros hallazgos respaldan el uso de la IA basada únicamente en imágenes como complemento de los marcadores tradicionales”
Actualmente, la Sociedad Americana contra el Cáncer recomienda que las mujeres con riesgo medio puedan iniciar las mamografías anuales a partir de los 40 años. No obstante, los diagnósticos de cáncer de mama están aumentando con mayor rapidez en mujeres menores de 40 años, que además presentan más casos de enfermedad avanzada.
“Una puntuación de riesgo basada en imágenes de IA puede ayudarnos a identificar a las mujeres de alto riesgo con mayor precisión que los métodos tradicionales y a determinar quiénes pueden necesitar un cribado a una edad más temprana”, afirmó la Dra. Lehman. “Ya realizamos cribados a algunas mujeres de entre 30 y 39 años cuando presentan un riesgo claramente elevado debido a sus antecedentes familiares o genéticos. En el futuro, una mamografía de referencia a los 30 años podría permitir a las mujeres con una puntuación de riesgo elevada basada en imágenes incorporarse a esa vía de cribado más temprana y eficaz”.
En este contexto, también cobra relevancia la legislación sobre densidad mamaria vigente en 32 estados, que obliga a informar a las mujeres sobre este parámetro tras una mamografía. Para los autores del estudio, esta información podría ampliarse con nuevas herramientas. “Nos gustaría que las mujeres recibieran información sobre la densidad de sus mamas y su puntuación de riesgo basada en imágenes de IA”, indicó la Dra. Lehman que concluyó: “Podemos hacer algo mejor que simplemente mirar una mamografía y decir “es densa o no es densa” para informar a las mujeres sobre su riesgo”.
