Estudio: La detección de cáncer de mama con apoyo de IA ayudó a los médicos a detectar un 20% más de casos de cáncer de mama.
La inteligencia artificial (IA) puede ser capaz de detectar mejor el cáncer de mama en imágenes de mamografía que los médicos capacitados, según un nuevo estudio.
La Sociedad Americana del Cáncer recomienda que las mujeres que no tienen un mayor riesgo de desarrollar cáncer de mama comiencen a realizarse mamografías anuales a los 45 años y que tengan la opción de comenzar a los 40. Hay muchos factores, incluida la densidad mamaria, que pueden dificultar la detección de tumores a simple vista.
Dicho esto, aproximadamente 1 de cada 8 casos de cáncer de mama no se detectan en las mamografías. El nuevo estudio encontró que la IA podría ayudar a resolver ese problema.
La detección de cáncer de mama con apoyo de IA aún no es perfecta, pero podría ayudar a reducir la carga de trabajo de los médicos en el futuro y hacer que las lecturas de mamografías sean más precisas.
"Una parte desafiante de la lectura de exámenes de detección es que la gran mayoría de los exámenes son normales", dijo Kristina Lång, MD, PhD, profesora asociada de diagnóstico radiológico de la Universidad de Lund en Suecia, quien dirigió el estudio.
"Cuando has leído cientos de exámenes normales, a veces los radiólogos pueden pasar por alto un cáncer sutil", dijo.
Para el ensayo aleatorio, controlado y basado en la población, Lång y su equipo analizaron mamografías de 80,000 mujeres suecas que se sometieron a los exámenes entre abril de 2021 y julio de 2022.
La mitad de las mamografías fueron leídas por dos radiólogos altamente capacitados y la otra mitad fueron leídas tanto por un radiólogo experimentado como por IA.
El grupo asistido por computadora detectó un 20% más de cánceres en las mamografías que el equipo formado solo por humanos. En números brutos, esto equivale a una tasa de detección de 6 por cada 1,000 mujeres examinadas, en comparación con 5 por cada 1,000 con lectura estándar.
La tecnología no está diseñada para ser utilizada por sí sola, pero parece ser bastante útil cuando se usa junto con un ojo entrenado.
Los radiólogos pudieron detectar algunos casos de cáncer que la IA pasó por alto, y la combinación sinérgica de humano y computadora no aumentó el riesgo de falsos negativos, cuando una persona tiene cáncer que no se detecta durante una lectura de mamografía.
"Hay tanta información contenida en una imagen de mamografía, mucho más de lo que el ojo humano, incluso un ojo humano altamente capacitado, puede apreciar", dijo Debbie Bennett, MD, Jefa de Radiología, División de Imágenes de Mama en la Universidad de Washington en St. Louis, quien no estuvo involucrada en el nuevo estudio.
"El número de píxeles en cada mamografía supera con creces lo que nuestros ojos y cerebros pueden procesar", dijo.
Los algoritmos de IA se entrenan utilizando millones de casos de cáncer de mama, lo que les proporciona a las computadoras una ventaja cuando se trata de detectar anomalías en las mamografías, dijo Bennett a Health.
Una vez que un algoritmo de IA identifica una anomalía, toma imágenes de la anomalía percibida que un radiólogo entrenado puede evaluar para determinar si es necesario realizar pruebas adicionales, como una ecografía o una biopsia.
Según el Centro Médico de la Universidad de Rochester, aproximadamente el 10% de las personas que se realizan una mamografía requieren pruebas adicionales, pero solo se encuentra cáncer en aproximadamente el 0.5%.
En los Estados Unidos, se diagnostican alrededor de 240,000 casos de cáncer de mama en mujeres cada año. La detección temprana es fundamental para los resultados. Cuanto antes se detecte el cáncer, es probable que el tratamiento sea más efectivo.
Un aspecto que puede dificultar la detección temprana de tumores cancerosos mediante imágenes de mamografía es la densidad mamaria, algo que aproximadamente la mitad de las mujeres mayores de 40 años en los Estados Unidos tienen.
Las mamas densas están compuestas por una mayor cantidad de tejido fibroso o glandular en comparación con el tejido adiposo, lo que crea áreas blancas en una imagen de mamografía, del mismo color que los tumores.
Por eso, la Administración de Alimentos y Medicamentos (FDA) enmendó recientemente la Ley de Normas de Calidad de Mamografía (MQSA) de 1992, una ley promulgada para garantizar una mamografía de calidad, para exigir que las clínicas de mamografía notifiquen a las personas que se determina que tienen mamas densas.
Algunas clínicas ya utilizan un cálculo basado en computadora llamado evaluación volumétrica de la densidad mamaria para determinar quién tiene mamas densas y guiar la evaluación de los médicos sobre quién necesita pruebas adicionales. Este método ofrece un enfoque más estandarizado de la densidad mamaria, que a menudo está a discreción de cada médico individual, dijo Bennett.
Una análisis de imágenes basado en computadora relativamente simplificado, llamado CAD, también se utiliza actualmente para detectar patrones en las mamografías, que pueden revelar anomalías, aunque es mucho menos efectivo que la IA.
Bennett señaló que todavía hay mucho por aprender sobre la IA.
"Debido a que la tecnología es tan nueva, existe una falta de datos sobre el impacto de la IA en la mamografía", dijo. "No sabemos cuál es el verdadero beneficio o daño de la tecnología".
La FDA ya ha aprobado varias tecnologías de IA para la detección del cáncer de mama, pero aún no son generalizadas. En el futuro, es probable que los exámenes de detección del cáncer de mama utilicen tanto métodos estándar para evaluar las mamografías como IA.
“Currently, AI cannot replace humans,' Lång said, 'but it can make our work more effective and accurate.'
Accurate effective work is crucial for the breast cancer screening needs the United States is facing. Last year, the American College of Radiology reported both a shortage of radiologists and an aging population that requires more imaging as part of their health care.
Bennett explained that AI can really lighten the workload for an overburdened radiologist in identifying normal scans. Many scans are definitely cancer-free, and using an AI algorithm that can identify these cases with confidence would free up time for radiologists to review scans that are not definitively normal.
“That is where the expertise and clinical judgment of a trained radiologist is needed,” said Bennett.
Doctors will also still play a vital role in communicating information with patients and making judgment calls on what additional screening is appropriate for specific cases.
“Humans have to be in the steering wheel,” Lång emphasized. In Sweden, her clinic is already confident enough to begin implementing AI in breast cancer screenings.
“We know it is safe and since we performed the trial in the same setting,' she said, 'we feel certain it will work.'
