En un estudio de más de 100.000 mamografías de detección muestra el potencial de una herramienta de IA para ayudar a identificar a las mujeres con mayor riesgo de desarrollar cáncer de mama de intervalo, un cáncer de mama que se diagnostica entre mamografías de detección regulares y que tiene mal pronóstico. Los resultados del nuevo estudio se publican en ' Radiology '. «Los cánceres de intervalo generalmente tienen un peor pronóstico en comparación con los cánceres detectados mediante cribado, ya que tienden a ser más grandes o más agresivos», afirma la coautora Fiona J. Gilbert, de la Universidad de Cambridge (Reino Unido). «Por eso es importante minimizar el número de cánceres de intervalo en cualquier programa de cribado». Utilizando un gran conjunto de datos retrospectivos del programa de detección trienal del Reino Unido, Gilbert y el investigador principal Joshua WD Rothwell, emplearon IA para identificar mujeres para imágenes complementarias para encontrar cánceres de intervalo. «La detección personalizada del cáncer de mama depende de la evaluación precisa del riesgo de una persona de desarrollar cáncer de mama en un período de tiempo específico», explica Gilbert. «Podemos utilizar imágenes complementarias y ajustar la frecuencia de las pruebas de detección según la densidad mamaria de la mujer y la probabilidad de desarrollar cáncer de mama en un período corto». La cohorte del estudio incluyó 134.217 mamografías de cribado en el mismo número de mujeres (de 50 a 70 años), con 524 cánceres de intervalo. Los exámenes se realizaron entre 2014 y 2016 en dos centros del Programa Trienal de Cribado Mamario del Reino Unido , utilizando dos sistemas de mamografía diferentes. Las mamografías digitales de detección negativas (sin detección de cáncer) fueron procesadas por un algoritmo basado en aprendizaje profundo, que generó una puntuación de riesgo generalizada para desarrollar cáncer de mama de intervalo. La herramienta de IA utiliza principalmente información de la mamografía, incluyendo las características del tumor y la densidad mamaria, para realizar una predicción del riesgo. «Nuestros resultados sugieren que una evaluación adicional de las mamografías dentro del 20 % superior de puntajes podría arrojar un 42,4 % de cánceres de intervalo, lo que significa que la IA podría usarse para identificar mujeres para imágenes complementarias o un intervalo de detección más corto, en lugar de o además de la densidad mamaria», señala Rothwell. Según Gilbert, la IA podría ayudar a optimizar el programa trienal de detección de cáncer de mama del país al mejorar los criterios de selección de las mujeres que podrían beneficiarse de técnicas de imagen complementarias, como la resonancia magnética o la mamografía con contraste, o al acortar el intervalo entre las pruebas de detección. «Si volviéramos a llamar al 20% de las mujeres para realizarles imágenes complementarias, tendríamos que encontrar la capacidad de ofrecer mamografías o resonancias magnéticas con contraste a 440.000 mujeres», reconoce. «Identificar a las mujeres con mayor riesgo de desarrollar cáncer de mama es un problema complejo y multifactorial», afirma Gilbert. «El objetivo es identificar con precisión a las mujeres con mayor probabilidad de padecer cáncer de intervalo, minimizando al mismo tiempo la cantidad de estudios de imagen complementarios realizados».
