En un amplio estudio de miles de mamografías, los algoritmos de inteligencia artificial (IA) superaron al modelo de riesgo clínico estándar para predecir el riesgo a cinco años de padecer cáncer de mama, según publican los investigadores en ´Radiology´, revista de la Sociedad Radiológica de Norteamérica (RSNA).

El riesgo de cáncer de mama de una mujer suele calcularse mediante modelos clínicos como el modelo de riesgo del Consorcio de Vigilancia del Cáncer de Mama (BCSC) de Estados Unidos, que utiliza información autodeclarada y otros datos sobre la paciente, como la edad, los antecedentes familiares de la enfermedad, si ha dado a luz o si tiene mamas densas, para calcular una puntuación de riesgo.

"Los modelos de riesgo clínico dependen de la recopilación de información de diferentes fuentes, que no siempre está disponible o recopilada --explica el investigador principal Vignesh A. Arasu, científico investigador y radiólogo practicante en Kaiser Permanente Northern California (Estados Unidos)--. Los recientes avances en el aprendizaje profundo de IA nos proporcionan la capacidad de extraer cientos a miles de características mamográficas adicionales".

En el estudio retrospectivo, el doctor Arasu utilizó datos asociados con mamografías 2D de cribado negativas (que no muestran evidencia visible de cáncer) realizadas en Kaiser Permanente Northern California en 2016. De las 324.009 mujeres sometidas a cribado en 2016 que cumplían los criterios de elegibilidad, se seleccionó para el análisis una subcohorte aleatoria de 13.628 mujeres.

Además, también se estudiaron las 4.584 pacientes del grupo de elegibilidad que fueron diagnosticadas de cáncer en los cinco años siguientes a la mamografía original de 2016. Se realizó un seguimiento de todas las mujeres hasta 2021.

"Seleccionamos de todo el año de mamografías de cribado realizadas en 2016, por lo que nuestra población de estudio es representativa de las comunidades del norte de California", recuerda Arasu.

Los investigadores dividieron el período de estudio de cinco años en tres períodos de tiempo: riesgo de cáncer de intervalo, o cánceres incidentes diagnosticados entre 0 y 1 años; riesgo de cáncer futuro, o cánceres incidentes diagnosticados de entre uno y cinco años; y todo el riesgo de cáncer, o cánceres incidentes diagnosticados entre 0 y 5 años.

A partir de las mamografías de cribado de 2016, se generaron puntuaciones de riesgo de cáncer de mama en el periodo de cinco años mediante cinco algoritmos de IA, incluidos dos algoritmos académicos utilizados por los investigadores y tres algoritmos disponibles en el mercado. A continuación, las puntuaciones de riesgo se compararon entre sí y con la puntuación de riesgo clínico del BCSC.

"Los cinco algoritmos de IA obtuvieron mejores resultados que el modelo de riesgo del BCSC a la hora de predecir el riesgo de cáncer de mama de 0 a 5 años --indica el doctor Arasu--. Este sólido rendimiento predictivo durante el período de cinco años sugiere que la IA está identificando tanto cánceres no detectados como características del tejido mamario que ayudan a predecir el desarrollo futuro del cáncer. Hay algo en las mamografías que nos permite rastrear el riesgo de cáncer de mama. Esta es la ´caja negra´ de la IA", apunta.

Algunos de los algoritmos de IA destacaron en la predicción de pacientes con alto riesgo de cáncer de intervalo, que suele ser agresivo y puede requerir una segunda lectura de las mamografías, un cribado suplementario o imágenes de seguimiento de intervalo corto. Al evaluar a las mujeres con el 10% de riesgo más alto, por ejemplo, la IA predijo hasta el 28% de los cánceres, frente al 21% que predijo el BCSC.

Incluso los algoritmos de IA entrenados para horizontes temporales cortos (tan bajos como 3 meses) fueron capaces de predecir el riesgo futuro de cáncer hasta cinco años cuando no se detectó clínicamente ningún cáncer mediante mamografía de cribado. Cuando se utilizaron combinados, los modelos de riesgo de IA y BCSC mejoraron aún más la predicción del cáncer.

"Buscamos un medio preciso, eficaz y escalable de conocer el riesgo de cáncer de mama de una mujer --explica el doctor Arasu--. Los modelos de riesgo de IA basados en mamografías ofrecen ventajas prácticas sobre los modelos de riesgo clínicos tradicionales porque utilizan una única fuente de datos: la propia mamografía".

El doctor añade que algunas instituciones ya están utilizando la IA para ayudar a los radiólogos a detectar el cáncer en las mamografías. La puntuación del riesgo futuro de una persona, que la IA tarda segundos en generar, podría integrarse en el informe radiológico compartido con el paciente y su médico.

"La IA para la predicción del riesgo de cáncer nos ofrece la oportunidad de individualizar la atención de cada mujer, algo que no está sistemáticamente disponible --subraya--. Es una herramienta que podría ayudarnos a ofrecer una medicina personalizada y de precisión a nivel nacional".