IA en la mamografía podría reducir drásticamente la carga de trabajo en radiología

Según un estudio nuevo, el uso de inteligencia artificial (IA) en la detección del cáncer de mama podría reducir la carga de trabajo de los radiólogos hasta en un 70%, sin reducir las tasas de detección de cáncer.

El estudio, realizado por investigadores del Instituto Maimónides de Investigación Biomédica (IMIBIC; Córdoba, España) y ScreenPoint Medical (Nijmegen, Países Bajos), comparó una estrategia de clasificación de IA simulada utilizando el software Transpara AI de ScreenPoint con la lectura doble o simple por radiólogos en un análisis retrospectivo de 15.987 imágenes de tomosíntesis digital de mama (DBT) y de mamografía digital (MD) del ensayo de detección de tomosíntesis, de Córdoba.


Los exámenes incluyeron 98 cánceres detectados por cribado y 15 cánceres de intervalo. Los resultados mostraron que, en comparación con la lectura doble de imágenes DBT, la DBT con IA daría como resultado un 72,5% menos de carga de trabajo, una sensibilidad no inferior y una tasa de recuperación un 16,7% más baja. Se obtuvieron resultados similares para la MD con IA; en comparación con la lectura doble original de imágenes de MD, la MD con IA daría como resultado un 29,7% menos de carga de trabajo, un 25% más de sensibilidad y un 27,1% menos de tasa de recuperación. El estudio fue publicado el 4 de mayo de 2021 en la revista Radiology.

“La lectura de las imágenes DBT puede tardar el doble de tiempo para los radiólogos en comparación con la MD. Sin embargo, con la IA, es posible pasar del uso de mamografías digitales a la tomosíntesis digital de mama”, dijo el autor principal, el radiólogo, José Luis Raya-Povedano, MD, de la Unidad de Cáncer de Mama en el IMIBIC. “El flujo de trabajo de los programas de detección del cáncer de mama se podría mejorar, dada la gran carga de trabajo y la gran cantidad de evaluaciones falsas positivas y falsas negativas”.

Transpara se basa en FusionAI, una combinación de patología, imágenes clínicas, física de rayos X y técnicas de aprendizaje profundo (DL), diseñadas para mejorar la exactitud de la lectura de mamografías, ayudar a interpretar áreas sospechosas, aumentar la confianza en casos normales y sospechosos y acelerar la lectura de mamografías en 2D y 3D.


Enlace relacionado:
Instituto Maimónides de Investigación Biomédica
ScreenPoint Medical