<\/p>\n
Una mamograf\u00eda puede permanecer archivada durante a\u00f1os, 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 pod\u00eda rastrear: una puntuaci\u00f3n m\u00e1s alta, una peque\u00f1a anomal\u00eda, una se\u00f1al todav\u00eda demasiado d\u00e9bil para cambiar inmediatamente un diagn\u00f3stico, lo suficientemente interesante como para pedir m\u00e1s atenci\u00f3n.<\/p>\n
Esta es la parte m\u00e1s concreta del estudio publicado en Radiolog\u00eda<\/em>: Tres sistemas comerciales de inteligencia artificial aplicados a mamograf\u00edas realizadas previamente mostraron puntuaciones m\u00e1s altas en personas que recibir\u00edan un diagn\u00f3stico de c\u00e1ncer de mama en los a\u00f1os siguientes. El trabajo utiliz\u00f3 la base de datos sueca. Validaci\u00f3n de inteligencia artificial para im\u00e1genes mamarias<\/em>con datos recopilados en cuatro regiones de Suecia entre enero de 2008 y abril de 2019. En total, se analizaron 88.963 mamograf\u00edas que abarcaron a 31.394 personas.<\/p>\n Los investigadores miraron hacia atr\u00e1s, hasta diez a\u00f1os antes del diagn\u00f3stico, utilizando tres sistemas AI-CAD, es decir, herramientas de apoyo a la detecci\u00f3n asistidas por ordenador dise\u00f1adas para la mamograf\u00eda. En la muestra analizada, enriquecida para estudiar numerosos casos oncol\u00f3gicos, 12.072 personas hab\u00edan recibido un diagn\u00f3stico de c\u00e1ncer de mama. La pregunta era muy pr\u00e1ctica: ese software habr\u00eda asignado puntuaciones diferentes a mamograf\u00edas anteriores, en comparaci\u00f3n con las im\u00e1genes de quienes se habr\u00edan quedado sin un diagn\u00f3stico de c\u00e1ncer.<\/p>\n La respuesta, con todas las precauciones necesarias, va en direcci\u00f3n afirmativa. Con una especificidad del 90%, es decir, con un umbral dise\u00f1ado para distinguir con buena precisi\u00f3n los casos positivos de los negativos, la IA inform\u00f3 entre el 19,0% y el 19,7% de futuros c\u00e1nceres ya seis a\u00f1os antes del diagn\u00f3stico registrado. Cuatro a\u00f1os antes la proporci\u00f3n hab\u00eda aumentado al 25,2%, dos a\u00f1os antes al 39,3%. Diez a\u00f1os antes, la se\u00f1al era m\u00e1s d\u00e9bil, pero estaba presente en un rango entre 12,7% y 17,0%.<\/p>\n Por lo tanto, los datos m\u00e1s s\u00f3lidos se refieren a aproximadamente el 20% de los tumores de mama que parecen dejar huellas en im\u00e1genes mamogr\u00e1ficas que pueden ser le\u00eddas por inteligencia artificial ya unos seis a\u00f1os antes del diagn\u00f3stico. Rastros sutiles, a menudo fuera del alcance del ojo humano en ese momento, o demasiado ambiguos para activar una v\u00eda cl\u00ednica ordinaria.<\/p>\n El sistema sueco ayuda a comprender el contexto. El programa nacional invita a las mujeres entre 40 y 74 a\u00f1os a realizarse una mamograf\u00eda cada dos a\u00f1os, cuya lectura tradicionalmente la realizan dos radi\u00f3logos. Durante el per\u00edodo estudiado, las puntuaciones de la IA estaban disponibles s\u00f3lo para la investigaci\u00f3n: los radi\u00f3logos que le\u00edan los ex\u00e1menes trabajaban sin ese apoyo.<\/p>\n Esto cambia mucho la forma de leer los resultados. Aqu\u00ed la inteligencia artificial mira im\u00e1genes del pasado y sabe, a trav\u00e9s de los datos, qui\u00e9n habr\u00eda desarrollado un tumor. El estudio muestra potencial: usar puntuaciones de IA a lo largo del tiempo para identificar qui\u00e9n puede necesitar m\u00e1s vigilancia, tal vez con pruebas adicionales como una resonancia magn\u00e9tica, especialmente cuando el perfil radiol\u00f3gico comienza a cambiar de un examen a otro.<\/p>\n 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 investigaci\u00f3n; la identificaci\u00f3n temprana se define como \u201cpotencial\u201d; falta un an\u00e1lisis completo de la localizaci\u00f3n exacta del futuro tumor en las im\u00e1genes; y a\u00fan queda por entender c\u00f3mo esas se\u00f1ales pueden convertirse en decisiones cl\u00ednicas sin aumentar demasiada ansiedad, retiros, costos y pruebas innecesarias.<\/p>\n La idea m\u00e1s interesante se refiere al cribado personalizado. Hoy en d\u00eda la mamograf\u00eda sigue principalmente la edad, el calendario y los factores de riesgo conocidos. El uso maduro de la IA podr\u00eda agregar una capa adicional: observar c\u00f3mo cambian las puntuaciones con el tiempo, no limitarse a una sola imagen. Una puntuaci\u00f3n aislada puede fluctuar, generar dudas, generar falsas alarmas. Dos se\u00f1ales consecutivas, o un fuerte aumento entre evaluaciones, podr\u00edan resultar m\u00e1s \u00fatiles para decidir a qui\u00e9n evaluar mejor.<\/p>\n En Italia, el cribado mamogr\u00e1fico organizado incluye una mamograf\u00eda cada dos a\u00f1os para mujeres de entre 50 y 69 a\u00f1os, con posibles extensiones regionales tambi\u00e9n a los grupos de edad de 45 a 49 y de 70 a 74 a\u00f1os. Traducido a la pr\u00e1ctica diaria, esta investigaci\u00f3n por s\u00ed sola no cambia las indicaciones para los pacientes, pero indica una direcci\u00f3n muy concreta para los programas p\u00fablicos: comprender si la IA puede ayudar a elegir mejor a qui\u00e9n recordar, a qui\u00e9n seguir m\u00e1s de cerca y a qui\u00e9n dirigir hacia pruebas adicionales.<\/p>\n Adem\u00e1s, la propia Suecia ya es uno de los laboratorios m\u00e1s observados en este campo. Otro gran estudio sueco sobre el uso de la IA en las mamograf\u00edas, el ensayo MASAI, indic\u00f3 una reducci\u00f3n de los c\u00e1nceres de intervalo y un aligeramiento de la carga de lectura para los radi\u00f3logos, manteniendo el control humano dentro del camino. Tambi\u00e9n en este caso la direcci\u00f3n parece clara: la IA funciona mejor cuando sigue siendo una herramienta cl\u00ednica, no un atajo autom\u00e1tico.<\/p>\n El paso delicado ser\u00e1 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 psicol\u00f3gico 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.<\/p><\/p>\n","protected":false},"excerpt":{"rendered":" Una mamograf\u00eda puede permanecer archivada durante a\u00f1os, en silencio, sin que nadie vuelva a consultarla. Luego llega un algoritmo, lo relee al cabo de un<\/p>\n","protected":false},"author":1,"featured_media":10412,"comment_status":"closed","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[762],"tags":[209,553,917,23,3517,9548,918,406,149],"class_list":["post-10411","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-salud","tag-anos","tag-antes","tag-cancer","tag-del","tag-diagnostico","tag-interceptar","tag-mama","tag-puede","tag-senales","generate-columns","tablet-grid-50","mobile-grid-100","grid-parent","grid-50"],"yoast_head":"\nLa se\u00f1al antes del diagn\u00f3stico.<\/h2>\n
Una lente m\u00e1s<\/h2>\n
\u00bfQu\u00e9 cambios en el cribado?<\/h2>\n