Las pruebas de detección se utilizan para detectar el cáncer de mama en una etapa temprana en mujeres que no presentan signos evidentes de la enfermedad. Esta tarea de análisis de imágenes es un desafío porque el cáncer a menudo se oculta o enmascara en las mamografías al superponerse el tejido mamario "denso". El problema ha estimulado los esfuerzos para desarrollar sistemas de inteligencia artificial (IA) basados ​​en computadora para mejorar el rendimiento del diagnóstico.McKinney et al . ₁ informan sobre el desarrollo de un sistema de inteligencia artificial que supera a los radiólogos expertos en la interpretación precisa de las mamografías de los programas de detección. El trabajo es parte de una ola de estudios que investigan el uso de la IA en una variedad de contextos de imágenes médicas _{2 .}

A pesar de algunas limitaciones, el estudio de McKinney y sus colegas es impresionante. Sus fortalezas incluyen la gran escala de los conjuntos de datos utilizados para entrenar y, posteriormente, validar el algoritmo de IA.

Se utilizaron mamografías de 25,856 mujeres en el Reino Unido y 3,097 mujeres en los Estados Unidos para entrenar el sistema de IA. Luego, el sistema se utilizó para identificar la presencia de cáncer de mama en mamografías de mujeres que se sabía que tenían cáncer de mama comprobado por biopsia o resultados de imágenes de seguimiento normales al menos 365 días después. Estos resultados son el estándar de oro ampliamente aceptado para confirmar el estado del cáncer de mama en personas que se someten a exámenes de detección de la enfermedad. Los autores informan que el sistema de IA superó tanto las decisiones históricas tomadas por los radiólogos que evaluaron inicialmente las mamografías,y las decisiones de 6 radiólogos expertos que interpretaron 500 casos seleccionados al azar en un estudio controlado.

Los resultados de McKinney y sus colegas sugieren que la IA podría algún día contribuir a la detección temprana del cáncer de mama, pero los autores señalan con razón que se necesitarán ensayos clínicos para evaluar más a fondo la utilidad de esta herramienta en la práctica médica. El mundo real es más complicado y potencialmente más diverso que el tipo de entorno de investigación controlado que se informa en este estudio. Por ejemplo, el estudio no incluyó todas las diferentes tecnologías de mamografía actualmente en uso, y la mayoría de las imágenes se obtuvieron utilizando un sistema de mamografía de un solo fabricante.

El estudio incluyó ejemplos de dos tipos de mamografías: tomosíntesis (también conocida como mamografía 3D) y mamografía digital convencional (2D). Sería útil saber cómo funciona el sistema individualmente para cada tecnología.

El rendimiento de los algoritmos de IA puede depender en gran medida de la población utilizada en los conjuntos de entrenamiento. Por lo tanto, es importante que se utilice una muestra representativa de la población general en el desarrollo de esta tecnología, para garantizar que los resultados sean de amplia aplicación.

Otra razón para moderar el entusiasmo por este y otros estudios similares de IA son las lecciones aprendidas de la detección asistida por computadora (CAD) del cáncer de mama. CAD, un sistema informático anterior destinado a mejorar la interpretación de las mamografías en la clínica, se mostró muy prometedor en las pruebas experimentales, pero se quedó corto en entornos del mundo real ₃ .

Referencias

1. McKinney, SM y col. Nature 577 , 89–94 (2020).

2. Neri, E. et al. Insights Imaging 10 , 44 (2019).

3. Lehman, CD y col. Pasante de JAMA. Medicina. 175 , 1828–1837 (2015).

4. Kohli, A. y Jha, S. J. Am. Coll. Radiol. 15 , 535–537 (2018).