Los cribados de cáncer de mama con apoyo de inteligencia artificial detectan un 20% más de tumores
Un estudio con 80.000 mujeres constata que la incorporación de la IA para ayudar a leer mamografías es un abordaje seguro y reduce casi a la mitad la carga de trabajo de los radiólogos
En cáncer, tiempo es salud. Cuanto antes se detecte un tumor, mejor: más posibilidades de tratamiento y curación. Por eso, las pruebas de detección precoz se han convertido en un aliado para aumentar la supervivencia y atajar, cuanto antes, tumores incipientes. La literatura científica estima, por ejemplo, que el cribado poblacional mediante mamografía reduce un 20% la mortalidad por cáncer de mama y este descenso puede ser aún más pronunciado si se afinan las pruebas de detección y el análisis de resultados. La inteligencia artificial (IA) ya se ha colado en este campo y, según un estudio sueco publicado en The Lancet Oncology con 80.000 mujeres, los cribados de cáncer de mama que tienen el apoyo de sistemas de inteligencia artificial para leer las mamografías detectan un 20% más de tumores que los que siguen metodología tradicional de lectura con la doble revisión de dos radiólogos. Los resultados preliminares de la investigación, que aún sigue en marcha, concluyen que el uso de la IA para analizar las mamografías es seguro y reduce casi a la mitad la carga de trabajo de los radiólogos.
En un cribado de cáncer de mama, el análisis de la mamografía acostumbran a hacerlo, como recomiendan las guías clínicas europeas, dos radiólogos independientes. Si no coinciden en la lectura, suelen consensuar las discrepancias o hacer prevalecer la decisión más agresiva —entre no rellamar al paciente o derivarlo para hacer más pruebas, por ejemplo, se opta por la segunda—. Un estudio sugiere que con esa técnica de doble lectura se detectarán 0,44 tumores más por cada 1.000 personas examinadas que con una sola lectura. Sin embargo, el ojo del especialista tampoco es infalible: la literatura científica calcula que hasta el 25% de los cánceres visibles mamográficamente todavía no se detectan en el cribado y ya hay investigaciones que sugieren que la precisión de la IA puede ser similar o, incluso, superior a la de los radiólogos.
Para constatar si, efectivamente, la detección asistida por IA no es inferior a la metodología estándar, el estudio sueco reclutó a más de 80.000 mujeres sanas que participaron en el cribado poblacional de cáncer de mama entre abril de 2021 y julio de 2022. Los investigadores las dividieron en dos grupos: el de control, cuyo análisis de mamografías iba a seguir el procedimiento estándar de doble lectura; y el grupo de intervención, que contaría con la ayuda inicial de un sistema de inteligencia artificial para analizar las pruebas médicas —y catalogar su grado de riesgo— antes de ser revisadas e interpretadas por uno o dos radiólogos (uno, si el riesgo marcado por la IA era bajo y dos si la mamografía estaba en el umbral de peligro alto).
“No hubo falsos positivos entre ese 20%. Son casos confirmados de cáncer”
El análisis de las pruebas médicas permitió la detección de 244 mujeres con cáncer en el grupo con apoyo de la IA y otras 203 en el de control. Esto es: la incorporación de los sistemas de IA en el análisis permitió el diagnóstico de un 20% más de tumores. “Con la detección asistida por IA, detectamos un 20% más de cánceres que con la detección estándar (doble lectura sin IA). No hubo falsos positivos entre ese 20%. Son casos confirmados de cáncer. La detección respaldada por IA no condujo a un aumento de falsos positivos, lo cual es muy bueno”, expone Kristina Lång, investigadora de la División de Radiología Diagnóstica de la Universidad de Lund (Malmö, Suecia) y autora del estudio. La tasa de falsos positivos de todas las pruebas realizadas fue similar en ambos grupos: del 1,5%.
Lång explica que estas herramientas de IA se usan como “un soporte de detección en el que destaca hallazgos sospechosos en las imágenes” y eso “puede ayudar al radiólogo a detectar más cánceres que podrían haberse pasado por alto”. “La IA también se puede utilizar para clasificar los exámenes de detección en grupos de bajo y alto riesgo. Un examen clasificado como de alto riesgo puede alertar al radiólogo de que puede haber algo sospechoso de malignidad. Hay un efecto sinérgico cuando la inteligencia humana y la artificial se unen”, conviene la científica sueca.
Reducir cargas de trabajo
Estos resultados preliminares del estudio abren la puerta a incorporar la IA como una herramienta de ayuda en la interpretación de las mamografías, pues aparte de elevar la detección de casos, podría servir para optimizar el papel de los radiólogos y reducir las cargas de trabajo. Los investigadores recuerdan que, si bien las autoridades europeas recomiendan el análisis de las mamografías con la doble lectura por parte de dos radiólogos, eso implica “una gran carga de trabajo para los especialistas y puede aumentar potencialmente los falsos positivos”. Y estos inconvenientes no son baladí, señalan, teniendo en cuenta la escasez de radiólogos expertos en lectura de mamografías. “Además, a pesar de la lectura doble, algunos cánceres pueden pasarse por alto y diagnosticarse como cánceres de intervalo [son los que se detectan entre dos pruebas de cribado]”, inciden los científicos en el artículo.
Los investigadores suecos, de hecho, también están analizando en este estudio —necesitan 100.000 participantes para ello y dos años de seguimiento—, si con el uso de la IA de apoyo al análisis de mamografías se reducen también el cáncer de intervalos, que suelen tener un pronóstico más desfavorable. Una tasa alta de cáncer de intervalos es un indicador de que el programa de detección precoz no está sirviendo para su fin, pues no logra diagnosticar ese tumor de forma temprana. “Tenemos la hipótesis de que la IA puede conducir a un mejor programa de detección con menos cánceres de intervalo. Dado que nuestros primeros resultados muestran que detectamos más cánceres, existe la posibilidad de que podamos tener un programa de detección mejor y más eficiente”, valora Lång.
La IA debe ser una herramienta para el radiólogo y no al revés”
La carga de trabajo de los radiólogos puede llegar a ser muy alta y eso afecta a su capacidad de análisis. Marina Álvarez, especialista en mama de la Sociedad Española de Radiología Médica (SERAM), admite que en una jornada de lectura de mamografías, un radiólogo puede llegar a analizar más de 100. “Y la mayoría van a ser normales y eso, junto al cansancio del radiólogo, favorece que algunas lesiones puedan pasar desapercibidas”, explica la especialista, que es también directora de la unidad de Radiodiagnóstico y cáncer de mama del Hospital Reina Sofía de Córdoba.
Álvarez, que no ha participado en el estudio, tilda la investigación de “buenísima y metodológicamente impecable” y destaca las ventajas de incorporar la IA como apoyo al análisis de las mamografías: “La IA tiene la capacidad de estratificar los estudios en función del riesgo, ahorran tiempo al radiólogo y mejora el rendimiento del especialista”. De hecho, el estudio constata, efectivamente, que en el grupo de intervención, se redujo la lectura de mamografías alrededor de un 44%. “Estos sistemas pueden clasificar el estudio según la capacidad o no de tener cáncer porque puede detectar nódulos, calcificaciones… Esa estratificación del riesgo, que no te la puede hacer un radiólogo en tan poco tiempo, sirve para tratar a cada grupo de riesgo de forma diferente: la mayoría está en riesgo bajo, solo un 30% están en riesgo intermedio-alto y apenas un 3% están en riesgo alto; y en ese 3% se encuentran el 70% de los cánceres. Por eso es tan importante la estratificación”, explica Álvarez. Con ese filtro por delante, el radiólogo puede ir más deprisa en el análisis de las mamografías de bajo riesgo y focalizar más atención en el estudio de aquellas de riesgo alto.
También Josep Munuera, jefe del servicio de Diagnóstico por la Imagen del Hospital Sant Pau de Barcelona y experto en tecnologías digitales aplicadas a la salud, sostiene que este estudio, en el que no ha participado, tiene un diseño “muy bueno” y refuerza unos resultados “esperables”. “Hay algoritmos con tasas de detección alta que, si los combinas con el humano, mejoran las tasas del humano también”. El médico incide también en la importancia de que el lector humano —como ocurre en este estudio— sea un radiólogo con alta experiencia.
En el grupo de intervención, el 75% de los tumores detectados eran invasivos —están más extendidos— y el 25%, in situ —pequeñas lesiones en la mama que pueden ser inofensivas—. En el grupo de control, el 81% eran invasivos y apenas el 19% in situ. Los investigadores admiten que un aumento de la detección de los tumores in situ “podría ser preocupante en términos de sobrediagnóstico” porque esta clase de lesiones puede que nunca avancen a un cáncer o, incluso, desaparezcan por sí solas, y se corre el riesgo de embarcar al paciente en una más pruebas o terapias oncológicas potencialmente innecesarias. Álvarez, con todo, matiza este extremo: “Hay gente que puede pensar que un 25% de tumores in situ detectados es un porcentaje elevado porque no todos acaban siendo cáncer y se tratarían mucho más [de lo necesario], pero no podemos diferenciar cuál avanzará, no tenemos forma de saber si se va a quedar ahí o avanzar”.
El radiólogo manda
Ante este dilema, apostilla Munuera, la clave la tiene el radiólogo. “Estas lesiones, aunque se detecten, son tan sutiles que no tienen por qué acabar evolucionando a cáncer. El radiólogo hará una interpretación de la imagen y decidirá”, expone. Pero añade: “Introducir las herramientas de IA implica ver el 100% de estas lesiones y tendrás que tomar una decisión sobre ellas. Ese es el siguiente paso, ver a ver qué hacemos con ellas”. Munuera celebra, en cualquier caso, que la reducción de la carga de trabajo en las lecturas pueda favorecer “una redistribución muy positiva de los flujos de trabajo para dar al radiólogo más velocidad de lectura y reducir la lista de espera de análisis de mamografías y también para poder hacer más tratamientos intervencionistas y pruebas complementarias” asociadas a los resultados de estos cribados.
Los investigadores suecos hacen mucho hincapié, con todo, en que la IA es una herramienta a disposición del radiólogo, pero el especialista es quien tiene la última palabra. “La IA debe ser una herramienta para el radiólogo y no al revés”, señala Lång. Tampoco estos sistemas son inequívocos: “Según estudios retrospectivos, sabemos que la IA pasa por alto algunos tipos de cáncer. La IA también puede ser demasiado sensible y señala muchos hallazgos que nosotros, como radiólogos, podemos determinar fácilmente como normales. Por lo tanto, el radiólogo es vital para tomar la decisión final si un examen de detección es normal o si se debe volver a llamar a la mujer para un estudio adicional”, zanja la investigadora sueca.
Pese a los resultados favorables de este estudio, todavía falta recorrido para ver la IA sustituyendo la lectura de un humano. “Las pautas europeas actualmente no recomiendan que la IA deba reemplazar a un lector humano”, conviene Lång. Pero estudios como el suyo apuntalan la evidencia para avanzar en ese camino. Siempre, eso sí, bajo la supervisión del radiólogo.
