¿Qué puede aportar la IA a los cribados de cáncer de mama?

La inteligencia artificial (IA) demuestra un alto rendimiento en la detección de cánceres de mama en los dos años siguientes a la mamografía de cribado. Así, aplicar la IA a los cribados puede ayudar a evaluar las mamografías de bajo riesgo, reduciendo así la carga de trabajo de los radiólogos. Todo ello sin mermar la calidad del programa de cribado. Así se ha expuesto durante la Revisión Anual GEICAM de Avances en Cáncer de Mama (RAGMA), organizada por el Grupo GEICAM de Investigación del Cáncer de Mama. La investigadora Solveig Hofvind, jefe de la Sección de cribado del cáncer de mama y responsable del BreastScreen Norway del Registro de Cáncer de Noruega daba más datos sobre la evidencia existente. “En un estudio llevado a cabo en Noruega  con 661.695 exámenes mamográficos digitales realizados a 242.629 mujeres, el conjunto de datos incluyó 3.807 cánceres de mama detectados por cribado y 1.110 cánceres de mama de intervalo (es decir, aquellos que se diagnostican entre una mamografía de detección de rutina que parece normal y la siguiente mamografía). Cuando se dividieron en dos los exámenes realizados y la IA utilizó el 50 por ciento como umbral para la puntuación baja frente a la alta, se identificaron como positivos el 99,3 por ciento de los tumores de mama detectados por cribado (3.781 de 3.807) y el 85,2 por ciento de los cánceres de mama de intervalo (946 de 1.110). Por otra parte, se consideraron negativos el 17 por ciento de los resultados falsos positivos (2.725 de 16.040).

Personalización aplicando la IA a los cribados

Gracias a estos avances, se espera que próximamente la IA permita personalizar los cribados, pero antes es necesario realizar más estudios que proporcionen la evidencia necesaria para implementarla con seguridad. Para esa personalización de los cribados, hay que tener en cuenta también la genética. La doctora Montserrat García-Closas, profesora de Epidemiología del Institute of Cancer Research and Imperial College en Londres, ha tratado en RAGMA acerca de estudios recientes a muy gran escala que nos permiten saber el riesgo de desarrollar cáncer de mama de forma mucho más precisa que antes en mujeres con mutaciones en genes de alto riesgo: como BRCA1 y BRCA2. Además, estos estudios están identificando genes adicionales con mutaciones de alto riesgo, por lo que suponen una gran mejora en el asesoramiento de riesgos en mujeres con cáncer hereditario. Esta experta también ha hablado de la puntuación de riesgo poligénico (PRS) que puede mejorar la capacidad para predecir el riesgo de cáncer de mama, especialmente cuando se combina con factores de riesgo tradicionales como los antecedentes familiares, factores hormonales y de reproducción, y densidad mamaria en una mamografía.