La IA mejora la evaluación del riesgo de cáncer de mama

La combinación de sistemas de inteligencia artificial (IA) para el riesgo de cáncer de mama a corto y largo plazo da como resultado una mejor evaluación del riesgo de cáncer, según un estudio publicado en 'Radiology', una revista de la Sociedad Radiológica de Norteamérica (RSNA). La mayoría de los programas de detección del cáncer de mama adoptan un enfoque único y siguen los mismos protocolos a la hora de determinar el riesgo de por vida de una mujer de desarrollar cáncer de mama. El uso de modelos de aprendizaje profundo basados en mamografías puede mejorar la precisión de la evaluación del riesgo de cáncer de mama y también puede conducir a diagnósticos más tempranos.

"Alrededor de 1 de cada 10 mujeres desarrolla cáncer de mama a lo largo de su vida", recuerda el autor del estudio, Andreas D. Lauritzen, del Departamento de Ciencias de la Computación de la Universidad de Copenhague (Dinamarca). "En los últimos años, la IA se ha estudiado con el fin de diagnosticar antes el cáncer de mama mediante la detección automática de cánceres de mama en mamografías y la medición del riesgo de padecerlo en el futuro".

Existen diversas herramientas de IA para ayudar a detectar el riesgo de cáncer. Los modelos de diagnóstico de IA están entrenados para detectar lesiones sospechosas en las mamografías y son muy adecuados para estimar el riesgo de cáncer de mama a corto plazo. Más adecuados para el riesgo de cáncer de mama a largo plazo son los modelos de IA de textura, capaces de identificar la densidad mamaria. Las mujeres con un tejido mamario denso corren un mayor riesgo de desarrollar cáncer de mama y pueden beneficiarse de un cribado suplementario mediante resonancia magnética.

"Es importante permitir una evaluación fiable y sólida del riesgo de cáncer de mama utilizando la información de la mamografía de cribado", afirma Lauritzen.

Evalución del riesgo de cáncer

Para este estudio, el equipo de investigación trató de identificar si una herramienta de IA de diagnóstico disponible en el mercado y un modelo de textura de IA, entrenados por separado y posteriormente combinados, pueden mejorar la evaluación del riesgo de cáncer de mama. Utilizaron la herramienta de diagnóstico por IA Transpara y un modelo de textura desarrollado por ellos. Para entrenar los modelos se utilizó un conjunto de entrenamiento holandés de más de 39.000 exámenes. Los modelos de riesgo a corto y largo plazo se combinaron mediante una red neuronal de tres capas.

El modelo combinado de IA se probó en un grupo de estudio de más de 119.000 mujeres que se incluyeron en un programa de cribado de cáncer de mama en la Región Capital de Dinamarca entre noviembre de 2012 y diciembre de 2015. La edad media de las mujeres era de 59 años.

En comparación con los modelos de diagnóstico y textura por sí solos, el modelo combinado de IA mostró una mejora general en la evaluación del riesgo tanto para la detección de cáncer de intervalo como a largo plazo. Los cánceres de intervalo son aquellos que se detectan entre las revisiones rutinarias. El modelo también permitió identificar a las mujeres con alto riesgo de cáncer de mama. El 44,1 por ciento de los cánceres de intervalo y el 33,7 por ciento de los cánceres de larga duración correspondían a mujeres identificadas por el modelo combinado con el 10 por ciento de mayor riesgo combinado.

Menos trabajo para la sanidad

El uso de la IA para identificar el riesgo de cáncer de mama de una mujer a partir de una sola mamografía no solo dará lugar a una detección más temprana del cáncer, sino que también puede mejorar la presión sobre el sistema sanitario debido a la escasez mundial de radiólogos especializados en mama.

"Los actuales modelos de riesgo clínico más avanzados requieren múltiples pruebas, como análisis de sangre, pruebas genéticas, mamografías y rellenar extensos cuestionarios, todo lo cual aumentaría sustancialmente la carga de trabajo en la clínica de cribado", afirma. "Con nuestro modelo, el riesgo puede evaluarse con el mismo rendimiento que los modelos de riesgo clínico, pero a los pocos segundos del cribado y sin introducir sobrecarga en la clínica".