Examen de mamografía respaldado por IA detecta 20 % más cánceres y reduce a la mitad la carga de trabajo de los radiólogos

Se ha demostrado que la mamografía de detección del cáncer de mama mejora el pronóstico y reduce la mortalidad mediante la detección temprana de la enfermedad, lo que permite un tratamiento oportuno. Sin embargo, se estima que entre el 20 y el 30 % de los cánceres de intervalo, que deberían haberse detectado en el examen previo, se pasan por alto y numerosos hallazgos sospechosos a menudo resultan benignos. Para garantizar una alta sensibilidad, las pautas europeas recomiendan que dos radiólogos revisen las mamografías, pero hay escasez de radiólogos de mama en muchos países y lleva más de una década capacitar a un radiólogo para que sea competente en la lectura de mamografías.

La inteligencia artificial (IA) se ha sugerido como un posible segundo lector automatizado para mamografías, lo que podría disminuir la carga de trabajo del radiólogo y mejorar la precisión de la detección. La tecnología ha mostrado resultados prometedores en estudios retrospectivos que utilizan IA para clasificar los exámenes en lectura simple o doble y ayudar a los radiólogos a identificar características sospechosas para reducir los resultados falsos negativos con el uso de detección asistida por computadora (CAD). Sin embargo, ha habido evidencia muy menos sólida de ensayos prospectivos aleatorizados para respaldar esto. Ahora, un análisis de seguridad provisional del primer ensayo controlado aleatorizado de este tipo, que involucró a más de 80.000 mujeres suecas, descubrió que el análisis de mamografía asistida por IA coincide con la eficacia de dos radiólogos de mama para detectar cáncer de mama, sin un aumento en los falsos positivos y reduciendo la carga de trabajo de lectura de pantalla en casi la mitad.

En un estudio realizado por investigadores de la Universidad de Lund (Lund, Suecia), 80.033 mujeres de entre 40 y 80 años que se sometieron a mamografías en cuatro ubicaciones en el suroeste de Suecia desde abril de 2021 hasta julio de 2022 fueron asignadas aleatoriamente a un análisis respaldado por IA (donde un sistema comercial de lectura de mamografías compatible con IA examinó las mamografías antes de que uno o dos radiólogos también las leyeran) o un análisis estándar realizado por dos radiólogos sin asistencia de IA. Esta evaluación inicial del ensayo Detección de Mamografía con Inteligencia Artificial (MASAI, por sus siglas en inglés) comparó el rendimiento de la detección temprana y la carga de trabajo de lectura de pantalla entre los dos grupos.

El límite mínimo clínicamente aceptable para la seguridad en el grupo respaldado por IA se estableció en una tasa de detección de cáncer superior a tres cánceres por cada 1.000 mujeres examinadas. La suposición era que la tasa de detección podría disminuir ya que la mayoría de los exámenes de detección se someterían a una lectura única en lugar de una lectura doble. La tasa de detección de referencia con doble lectura en el programa de detección actual es de cinco cánceres por cada 1.000 mujeres examinadas. En el análisis respaldado por IA, el sistema de IA analizó inicialmente la imagen de la mamografía y predijo el riesgo de cáncer en una escala del uno al diez, siendo uno el riesgo más bajo y 10 el más alto. Las imágenes con una puntuación de riesgo inferior a 10 fueron analizadas más a fondo por un radiólogo, mientras que las imágenes con una puntuación de riesgo de 10 fueron analizadas por dos radiólogos.

El sistema también ofreció marcas CAD para ayudar a los radiólogos a interpretar las imágenes de mamografía con precisión. Las mujeres fueron llamadas nuevamente para realizar más pruebas en caso de hallazgos sospechosos. Los radiólogos tomaron la decisión final de llamar a las mujeres y recibieron instrucciones de llamar a los casos dentro del 1% superior de riesgo, salvo falsos positivos claros. La IA no dio una puntuación de riesgo en el 0,8% de los casos (306/39.996), que fueron derivados a atención estándar (doble lectura). Las tasas de recuperación promediaron el 2,2 % (861 mujeres) para la detección asistida por IA y el 2,0 % (817 mujeres) para la lectura doble estándar sin IA. Estos fueron similares a la tasa promedio de recuperación del 2,1 % en la clínica seis meses antes de que comenzara el ensayo, lo que indica que no hubo una disminución en las tasas de detección de cáncer.

En general, se diagnosticó cáncer a 244 mujeres (28 %) recuperadas de la detección asistida por IA, en comparación con 203 mujeres (25 %) recuperadas de la detección estándar, lo que resultó en 41 cánceres adicionales detectados mediante IA. La tasa de falsos positivos fue del 1,5 % en ambos grupos. En general, las pruebas de detección respaldadas por IA dieron como resultado una tasa de detección de cáncer de seis por cada 1.000 mujeres examinadas en comparación con cinco por cada 1.000 para la lectura doble estándar sin IA, lo que equivale a detectar un cáncer adicional por cada 1.000 mujeres examinadas. Significativamente, hubo 36.886 lecturas de pantalla menos por parte de los radiólogos en el grupo apoyado por IA que en el grupo de control (46.345 frente a 83.231), lo que resultó en una reducción del 44 % en la carga de trabajo de lectura de pantalla de los radiólogos.

Aunque el tiempo real ahorrado con el uso de IA no se midió en el ensayo, los investigadores estiman que si un radiólogo lee un promedio de 50 mamografías por hora, a un radiólogo le habría llevado 4,6 meses menos leer los aproximadamente 40.000 exámenes de detección con IA en comparación con los aproximadamente 40.000 en el grupo de control que tenían doble lectura. El ensayo MASAI continuará determinando si la mamografía asistida por IA reduce los cánceres de intervalo. Los resultados finales del ensayo que determinan si el uso de IA en la interpretación de imágenes de mamografía conduce a una reducción en los cánceres de intervalo en 100.000 mujeres seguidas durante dos años y, en última instancia, si el uso de IA en la mamografía está justificado, no se esperan hasta dentro de varios años.

“El mayor potencial de la IA en este momento es que podría permitir que los radiólogos se sientan menos cargados por la cantidad excesiva de lecturas”, dijo la autora principal, la Dra. Kristina Lång, de la Universidad de Lund. “Si bien nuestro sistema de detección respaldado por IA requiere al menos un radiólogo a cargo de la detección, potencialmente podría eliminar la necesidad de doble lectura de la mayoría de las mamografías, lo que alivia la presión sobre las cargas de trabajo y permite que los radiólogos se concentren en diagnósticos más avanzados mientras acortan tiempos de espera de los pacientes.”

Enlaces relacionados:
Universidad de Lund

Visitar la expo >

Computed Tomography System

Aquilion ONE / INSIGHT Edition

Floor‑Mounted Digital X‑Ray System

MasteRad MX30+

Mobile X-Ray System

K4W

Diagnostic Ultrasound System

DC-80A