Publicidad
Publicidad

La tomosíntesis digital mamaria identifica más cánceres invasivos en comparación con la mamografía digital

La tomosíntesis digital de mama tiene posibilidades de mejorar la detección del cáncer de mama e identificar más cánceres invasivos en comparación con el rendimiento de la mamografía clásica, según un reciente estudio.

12/04/2023

Hay evidencia de que la tomosíntesis digital mamaria (DBT, por sus siglas en inglés) ha mejorado el desempeño de la detección del cáncer de mama e identifica más cánceres invasivos, en comparación con la mamografía digital. Además, el rendimiento interpretativo de los radiólogos ha mejorado con la DBT, según se ...

Hay evidencia de que la tomosíntesis digital mamaria (DBT, por sus siglas en inglés) ha mejorado el desempeño de la detección del cáncer de mama e identifica más cánceres invasivos, en comparación con la mamografía digital. Además, el rendimiento interpretativo de los radiólogos ha mejorado con la DBT, según se desprende de un estudio publicado en ´Radiology´, de la Sociedad Radiológica de América del Norte (RSNA, por sus siglas en inglés).

"La tomosíntesis digital de mama se ha convertido rápidamente en la modalidad de detección del cáncer de mama más popular en los EE. UU.", según el autor principal de dicho estudio, el Dr. Christoph I. Lee, profesor de radiología en la Escuela de la Universidad de Washington (UW) (EEUU), director de la Empresa de Investigación de Resultados del Cáncer y Detección del Noroeste en la UW, y profesor adjunto de sistemas de salud y salud de la población en la Escuela de Salud Pública de la UW.

El propósito de este estudio fue establecer puntos de referencia de rendimiento para la detección de DBT y evaluar las tendencias de rendimiento basadas en mamografías a lo largo del tiempo en la práctica comunitaria de EE. UU.

Para establecer dichos puntos de referencia de rendimiento para la detección de DBT y evaluar las tendencias de rendimiento a lo largo del tiempo en las prácticas comunitarias de EE. UU., el equipo de investigación recopiló exámenes de detección de DBT de cinco registros de BCSC entre 2011 y 2018.

Las medidas de rendimiento incluyeron tasa de interpretación anormal, tasa de detección de cáncer, sensibilidad, especificidad y tasa de falsos negativos. En comparación con los exámenes de detección de mamografía digital BCSC del mismo período de tiempo y los puntos de referencia de rendimiento de BCSC y National Mammography Database publicados anteriormente, todas las medidas de rendimiento fueron más altas para DBT, excepto la sensibilidad y la tasa de falsos negativos, que fueron similares a las medidas de rendimiento de mamografía digital concurrentes y anteriores.

"Los radiólogos parecen desempeñarse mejor con la tomosíntesis mamaria digital y tienen mayor precisión en la detección de mamografías en 3D que en las mamografías en 2D en los consultorios de EE. UU.", señaló el Dr. Lee. "A medida que se convierta en la modalidad de detección principal, esperamos ver mejores resultados de detección de tumores mamarios para las mujeres".

En el estudio retrospectivo se incluyeron un total de 896 101 mujeres que se sometieron a 2 301 766 exámenes de detección (458 175 DBT y 1 843 591 mamografía digital 2D). La tasa de interpretación anormal fue del 8,3 %, la tasa de detección de cáncer fue del 5,8 por 1000 exámenes, la sensibilidad fue del 87,4 % y la especificidad del 92,2 %.

Con DBT, el 97,6 %, 91,8 %, 75,0 % y 74,0 % de los radiólogos evaluados lograron los rangos de rendimiento aceptables recomendados para la tasa de detección de cáncer, la sensibilidad, la tasa de interpretación anormal y la especificidad, respectivamente. El Dr. Lee señaló que estos puntos de referencia también son muy importantes para el campo emergente de la inteligencia artificial.

"Cualquier nueva herramienta de IA destinada a mejorar la precisión de la mamografía tendrá que revisar sus propios objetivos de rendimiento en función del rendimiento mejorado del radiólogo con DBT", concluyó dicho experto.

Publicidad
Publicidad
Nuestros Podcasts