Una mamografía puede permanecer archivada durante años, en silencio, sin que nadie vuelva a consultarla. Luego llega un algoritmo, lo relee al cabo de un tiempo y encuentra algo que en ese momento no se podía rastrear: una puntuación más alta, una pequeña anomalía, una señal todavía demasiado débil para cambiar inmediatamente un diagnóstico, lo suficientemente interesante como para pedir más atención.
Esta es la parte más concreta del estudio publicado en Radiología: Tres sistemas comerciales de inteligencia artificial aplicados a mamografías realizadas previamente mostraron puntuaciones más altas en personas que recibirían un diagnóstico de cáncer de mama en los años siguientes. El trabajo utilizó la base de datos sueca. Validación de inteligencia artificial para imágenes mamariascon datos recopilados en cuatro regiones de Suecia entre enero de 2008 y abril de 2019. En total, se analizaron 88.963 mamografías que abarcaron a 31.394 personas.
La señal antes del diagnóstico.
Los investigadores miraron hacia atrás, hasta diez años antes del diagnóstico, utilizando tres sistemas AI-CAD, es decir, herramientas de apoyo a la detección asistidas por ordenador diseñadas para la mamografía. En la muestra analizada, enriquecida para estudiar numerosos casos oncológicos, 12.072 personas habían recibido un diagnóstico de cáncer de mama. La pregunta era muy práctica: ese software habría asignado puntuaciones diferentes a mamografías anteriores, en comparación con las imágenes de quienes se habrían quedado sin un diagnóstico de cáncer.
La respuesta, con todas las precauciones necesarias, va en dirección afirmativa. Con una especificidad del 90%, es decir, con un umbral diseñado para distinguir con buena precisión los casos positivos de los negativos, la IA informó entre el 19,0% y el 19,7% de futuros cánceres ya seis años antes del diagnóstico registrado. Cuatro años antes la proporción había aumentado al 25,2%, dos años antes al 39,3%. Diez años antes, la señal era más débil, pero estaba presente en un rango entre 12,7% y 17,0%.
Por lo tanto, los datos más sólidos se refieren a aproximadamente el 20% de los tumores de mama que parecen dejar huellas en imágenes mamográficas que pueden ser leídas por inteligencia artificial ya unos seis años antes del diagnóstico. Rastros sutiles, a menudo fuera del alcance del ojo humano en ese momento, o demasiado ambiguos para activar una vía clínica ordinaria.
Una lente más
El sistema sueco ayuda a comprender el contexto. El programa nacional invita a las mujeres entre 40 y 74 años a realizarse una mamografía cada dos años, cuya lectura tradicionalmente la realizan dos radiólogos. Durante el período estudiado, las puntuaciones de la IA estaban disponibles sólo para la investigación: los radiólogos que leían los exámenes trabajaban sin ese apoyo.
Esto cambia mucho la forma de leer los resultados. Aquí la inteligencia artificial mira imágenes del pasado y sabe, a través de los datos, quién habría desarrollado un tumor. El estudio muestra potencial: usar puntuaciones de IA a lo largo del tiempo para identificar quién puede necesitar más vigilancia, tal vez con pruebas adicionales como una resonancia magnética, especialmente cuando el perfil radiológico comienza a cambiar de un examen a otro.
La prudencia sigue siendo necesaria. Los propios autores recuerdan las limitaciones del trabajo: se trata de un estudio retrospectivo, con un conjunto de datos construido para la investigación; la identificación temprana se define como “potencial”; falta un análisis completo de la localización exacta del futuro tumor en las imágenes; y aún queda por entender cómo esas señales pueden convertirse en decisiones clínicas sin aumentar demasiada ansiedad, retiros, costos y pruebas innecesarias.
¿Qué cambios en el cribado?
La idea más interesante se refiere al cribado personalizado. Hoy en día la mamografía sigue principalmente la edad, el calendario y los factores de riesgo conocidos. El uso maduro de la IA podría agregar una capa adicional: observar cómo cambian las puntuaciones con el tiempo, no limitarse a una sola imagen. Una puntuación aislada puede fluctuar, generar dudas, generar falsas alarmas. Dos señales consecutivas, o un fuerte aumento entre evaluaciones, podrían resultar más útiles para decidir a quién evaluar mejor.
En Italia, el cribado mamográfico organizado incluye una mamografía cada dos años para mujeres de entre 50 y 69 años, con posibles extensiones regionales también a los grupos de edad de 45 a 49 y de 70 a 74 años. Traducido a la práctica diaria, esta investigación por sí sola no cambia las indicaciones para los pacientes, pero indica una dirección muy concreta para los programas públicos: comprender si la IA puede ayudar a elegir mejor a quién recordar, a quién seguir más de cerca y a quién dirigir hacia pruebas adicionales.
Además, la propia Suecia ya es uno de los laboratorios más observados en este campo. Otro gran estudio sueco sobre el uso de la IA en las mamografías, el ensayo MASAI, indicó una reducción de los cánceres de intervalo y un aligeramiento de la carga de lectura para los radiólogos, manteniendo el control humano dentro del camino. También en este caso la dirección parece clara: la IA funciona mejor cuando sigue siendo una herramienta clínica, no un atajo automático.
El paso delicado será sacar estos datos de los archivos y colocarlos en protocolos seguros. Necesitamos estudios prospectivos, seguimiento continuo, evaluaciones de costes, falsos positivos, acceso a pruebas adicionales e impacto psicológico en las personas retiradas. Un algoritmo que ve algo antes puede resultar valioso. Si se utiliza incorrectamente, puede multiplicar los retiros, las pruebas innecesarias y la ansiedad.
