La IA superó al modelo de riesgo estándar para predecir el cáncer de mama

Comparación de algoritmos de IA de mamografía con un modelo de riesgo clínico para la predicción del riesgo de cáncer de mama a 5 años: un estudio observacional

Resumen

Antecedentes

Aunque se utilizan varios modelos clínicos de riesgo de cáncer de mama para guiar la detección y la prevención, solo tienen una discriminación moderada.

Objetivo

Comparar los algoritmos de inteligencia artificial (IA) de mamografía existentes seleccionados y el modelo de riesgo del Consorcio de Vigilancia del Cáncer de Mama (BCSC) para la predicción del riesgo a 5 años.

Materiales y métodos

Este estudio retrospectivo de cohortes de casos incluyó datos de mujeres con un examen mamográfico de detección negativo (sin evidencia visible de cáncer) en 2016, que fueron seguidas hasta 2021 en Kaiser Permanente Northern California. Se excluyeron las mujeres con cáncer de mama previo o una mutación genética altamente penetrante. De las 324 009 mujeres elegibles, se seleccionó una subcohorte aleatoria, independientemente del estado del cáncer, a la que se agregaron todas las pacientes adicionales con cáncer de mama.

El examen mamográfico de detección índice se utilizó como entrada para cinco algoritmos de IA para generar puntajes continuos que se compararon con el puntaje de riesgo clínico BCSC. Las estimaciones de riesgo de cáncer de mama incidente de 0 a 5 años después del examen mamográfico inicial se calcularon utilizando un área dependiente del tiempo bajo la curva característica operativa del receptor (AUC).

Resultados

La subcohorte incluyó 13.628 pacientes, de los cuales 193 tenían cáncer incidente. También se incluyeron cánceres incidentes en pacientes elegibles (4391 adicionales de 324 009). Para los cánceres incidentes entre los 0 y los 5 años, el AUC dependiente del tiempo para BCSC fue de 0,61 (IC del 95 %: 0,60, 0,62).

Los algoritmos de IA tenían AUC dependientes del tiempo más altas que BCSC, que oscilaban entre 0,63 y 0,67 (p ajustado por Bonferroni < 0,0016). Las AUC dependientes del tiempo para los modelos combinados de BCSC e IA fueron ligeramente más altas que las de la IA sola (IA con rango de AUC dependiente del tiempo de BCSC, 0,66–0,68; P ajustada por Bonferroni < 0,0016).

Conclusión

Cuando se utilizó un examen de detección negativo, los algoritmos de IA funcionaron mejor que el modelo de riesgo BCSC para predecir el riesgo de cáncer de mama de 0 a 5 años. Los modelos combinados de IA y BCSC mejoraron aún más la predicción.