IA ayuda a radiólogos generales a lograr un rendimiento de nivel de especialista en interpretación de mamografías

El cáncer de mama, que afecta a una de cada ocho mujeres a lo largo de su vida, se vuelve mucho más tratable cuando se detecta a tiempo. La tasa de supervivencia relativa a cinco años para el cáncer de mama en etapa 1 es un alentador 99 %, lo que destaca la importancia de la detección temprana. Ahora, una investigación innovadora revela que una tecnología avanzada de inteligencia artificial (IA), diseñada para mamografía, puede mejorar significativamente la detección y el diagnóstico tempranos del cáncer de mama al permitir que los radiólogos generales se desempeñen al nivel de los especialistas.

Saige-Dx de DeepHealth (Los Ángeles, CA, EUA) es un sistema de IA categórico personalizado que detecta automáticamente lesiones sospechosas en mamografías, asignando un nivel de sospecha a cada hallazgo y al caso completo. En un estudio fundamental realizado por DeepHealth, se evaluaron las habilidades interpretativas de 18 médicos, incluidos especialistas en mama y radiólogos generales. Los investigadores analizaron 240 tomosíntesis digitales de mama recopiladas retrospectivamente en busca de indicadores de cáncer. Al utilizar Saige-DX, cada radiólogo demostró una capacidad mejorada para interpretar mamografías. Su precisión diagnóstica promedio, medida por el área bajo la curva característica operativa del receptor, mejoró de 0,87 a 0,93 con la ayuda de la IA.

Imagen: Saige-DX es un sistema de IA categórico personalizado diseñado para ayudar en la detección del cáncer de mama (Fotografía cortesía de DeepHealth)

La mejora fue significativa en ambos grupos de radiólogos: los radiólogos generales agregaron 0,08 a su puntuación de precisión y los especialistas mejoraron en 0,05. Este rendimiento mejorado fue consistente en diversas características del cáncer, como el tipo y tamaño de la lesión, y en todos los subgrupos de pacientes, incluidas diferentes razas y etnias, edades y densidades mamarias. Los investigadores atribuyen este éxito al diseño del sistema de IA, que aborda específicamente casos desafiantes. El algoritmo se entrenó utilizando un conjunto de datos que incluía cánceres que los radiólogos previamente habían pasado por alto en entornos clínicos. Además, el uso mínimo de "cuadros delimitadores" por parte de Saige-Dx para marcar imágenes de mama probablemente evitó que los radiólogos se sintieran abrumados por marcas excesivas, un problema común con herramientas de diagnóstico asistido por computadora menos precisas.

"El rendimiento medio de los radiólogos generales con IA superó al de los especialistas en imágenes mamarias sin ayuda de IA, lo que sugiere que el software de IA podría ayudar a las pacientes a recibir interpretaciones de nivel de especialista para su mamografía de detección, incluso si las interpreta un radiólogo general", señalaron los investigadores. "Los beneficios del uso de la IA no se limitan a los radiólogos generales, ya que los especialistas también mostraron un mejor rendimiento".

"En conclusión, nuestros resultados muestran que los radiólogos generales pueden lograr un desempeño de nivel de especialista al interpretar mamografías de detección DBT con la ayuda de IA y que los especialistas pueden lograr un desempeño aún mayor (mayor sensibilidad y especificidad) en una población diversa con múltiples tipos de cáncer", afirmó Jiye G. Kim, PhD, directora de estudios clínicos de DeepHealth.