Usar IA en cribado de cáncer de mama aumenta su detección un 3‰

La inteligencia artificial (IA) utilizada simultáneamente con la lectura humana en programas de cribado de cáncer de mama aumenta la detección y el valor predictivo positivo de las mujeres con “rellamadas”, según publican Esperanza Elías, Sara Romero, José Luis Raya y Marina Álvarez, especialistas en imagen mamaria de la Sociedad Española de Radiología Médica (SERAM) en el artículo “Impact of real-life use of artificial intelligence as support for human Reading in a population-based breast cancer screening program with mammography and tomosynthesis” de revista European Radiology.

El estudio tenía como objetivo evaluar el impacto del uso de un sistema de IA como soporte de la doble lectura humana en un escenario de la vida real, de un programa de detección precoz de cáncer de mama con mamografía digital (DM) o tomosíntesis digital de mama (DBT). Para ello, se ha comparado la tasa de detección, la tasa de rellamadas y el valor predictivo positivo de las rellamadas entre un grupo de 11.998 mujeres estudiadas de forma prospectiva y consecutiva, en un programa de cribado con doble lectura humana apoyada por un sistema de IA, y un grupo similar estudiadas un año antes en el programa por el mismo grupo de radiólogos, con doble lectura, pero sin el apoyo del sistema de IA.

La valoración global de los resultados demuestra que el grupo estudiado con el soporte del sistema de IA presentó un aumento en la tasa de detección de cáncer del 3,2 por mil (9  por mil vs 5,8  por mil ) un aumento en el valor predictivo positivo de las rellamadas del 4 por ciento (14,6 por mil vs 10,6 por mil ), y un breve aumento de la tasa de rellamadas del 0,7 por ciento (6,1 por ciento vs 5,4 por ciento). “El discreto aumento en la tasa de rellamadas se acompañó de un aumento importante en el valor predictivo positivo de las rellamadas, lo que indica que el sistema de IA no aumentó las rellamadas innecesarias o falsos positivos, sino que ayudó al radiólogo a derivar casos relevantes”, apunta Álvarez.

Se obtienen resultados similares cuando se comparan de forma independiente los estudios de mamografía digital y tomosíntesis, si bien las diferencias o mejoras obtenidas al incluir el soporte de IA son ligeramente superiores en el grupo de tomosíntesis.

Clasificación de estudios en función de su malignidad

Por otra parte, estos sistemas han demostrado su capacidad para clasificar los estudios en función de su probabilidad para malignidad en riesgo bajo, intermedio o alto, con la ventaja de que aproximadamente un 70 por ciento de los estudios se van a encontrar en riesgo bajo. En el presente trabajo, prácticamente un 66 por ciento de los estudios se han encontrado en riesgo bajo, y menos de un 3 por ciento de los mismos en riesgo alto. Sin embargo, de los 108 tumores detectados en el grupo valorado con IA, solo uno se ha detectado en el grupo de bajo riesgo, y prácticamente el 70 por ciento de los cánceres se han detectado en el grupo de riesgo elevado.

Según Álvarez, “la posibilidad para clasificar los estudios en función de su probabilidad para malignidad, además de ser una ayuda en la toma de decisiones del radiólogo, abre la puerta a nuevas estrategias de lectura y nuevos flujos de trabajo en los programas de cribado, permitiendo que el radiólogo centre sus esfuerzos en los estudios de alto riesgo. Sin duda, una oportunidad para reducir la carga de trabajo que suponen los programas de cribado, y al tiempo mejorar sus resultados”.