Las mamografías deben incluir inteligencia artificial

En la última década, el aprendizaje profundo se ha aplicado cada vez más a la interpretación de imágenes médicas, pero sin consenso sobre si la práctica médica debería cambiar. Muchos estudios muestran que la inteligencia artificial (IA) mejora la precisión más allá del rendimiento de los radiólogos.

La evidencia más convincente proviene del seguimiento del ensayo aleatorizado Mammography Screening with Artificial Intelligence (MASAI), que evaluó la lectura de dos radiólogos en comparación con un radiólogo más un algoritmo de IA. Los resultados, contextualizados por muchos otros informes recientes, apuntan a un nuevo estándar de atención para el cribado del cáncer de mama.

El Instituto Nacional del Cáncer de EE. UU. estima que el 20 % de los cánceres de mama se pierden en las mamografías, tal y como se interpretan actualmente. Esa proporción parece ser detectable por la IA. En el ensayo MASAI, el uso de IA llevó a una mejora del 29 % en la detección de cáncer de mama, sin aumento en los falsos positivos ni en la tasa de recordatorio. En el seguimiento de 2 años, hubo un 12 % menos de diagnósticos de cáncer intervalo, reflejo de la mayor tasa de detección precoz. Eso indica cierta prevención mediada por la IA. Varios estudios reales prospectivos respaldan lo encontrado en MASAI, incluyendo los de Alemania, Hungría, Corea del Sur, Suecia y Estados Unidos: mejor detección del cáncer sin aumentar la tasa de recordatorio.

Mientras tanto, se han validado algoritmos que predicen el riesgo de cáncer durante los próximos 5 años en una paciente con una mamografía normal. Uno de estos algoritmos (Clairity Breast) recibió la aprobación por la Administración de Alimentos y Medicamentos de EE. UU. (FDA) en 2025. Esto se basó en la formación de unas 420 000 mamografías realizadas en 27 centros de EE. UU., Europa y Sudamérica.

Este uso de la IA tiene el potencial de avanzar en el objetivo preventivo, ya que una paciente con alto riesgo podría someterse a métodos de cribado más frecuentes o sensibles, como mamografía 3D, resonancia magnética o ecografía.

Otro algoritmo (CureMetrix) para mamografía se centra en la calcificación arterial mamaria y se ha correlacionado con el riesgo de eventos cardiovasculares adversos importantes en los próximos 4 a 5 años. Este algoritmo está aprobado por la FDA y ahora se utiliza en algunos sistemas de salud en Estados Unidos. Esto puede interpretarse como un cribado oportunista, en el que la IA ofrece una ventana inesperada a una condición no relacionada.

¿Por qué estos algoritmos aún no se han incorporado a la revisión rutinaria con mamografía? Algunos sistemas de salud ofrecen estos sistemas, pero con un costo de bolsillo para el paciente. La adopción probablemente varíe según la diversidad de programas de cribado en cada región.

Existen muchos algoritmos diferentes para la detección del cáncer. Pero hay varios que no han tenido validación extensa en ensayos clínicos. Aún menos consolidados en la práctica están los algoritmos para predecir cáncer a partir de una mamografía normal.

El trabajo hasta la fecha se ha basado en modelos antiguos de IA sin IA generativa, que podrían integrar todas las capacidades en un solo modelo fundamental: detección mejorada del cáncer, perfilamento de alto riesgo y predicción de enfermedades cardiovasculares. La investigación y el desarrollo en esta área deberían ser una prioridad si queremos utilizar el demostrado rendimiento sobrehumano de la IA para detectar y prevenir mejor el cáncer, reduciendo la carga de las enfermedades.

Dado el costo de tratar a una paciente con cáncer de mama en estadio 3, el argumento económico para una actualización de IA parece justificado.

La mamografía de cribado puede considerarse el prototipo para cambiar la medicina en la era de la IA. Ahora que hemos visto pruebas contundentes, con más ensayos grandes y aleatorizados en marcha, puede ser difícil justificar el hecho de no tomar medidas para construir y validar modelos de última generación que sean completamente informativos, permitiendo una implementación amplia sin imponer a los pacientes la carga de sufragar el coste.

Ampliar este uso de la IA proporcionará a los pacientes la mejor información para la prevención y detección precoz de una enfermedad potencialmente mortal. Se necesitan esfuerzos en diferentes tipos de sistemas de salud para acelerar la implementación de mamografías soportadas por IA.