SERAM recurre a la inteligencia artificial (IA) para mejorar la detección del cáncer de mama. Utilizada simultáneamente con la lectura humana en programas de cribado de cáncer de mama aumenta la detección y el valor predictivo positivo de las mujeres con 'rellamadas'. Esta ha sido la principal conclusión de un estudio realizado por
Esperanza Elías, Sara Romero, José Luis Raya y Marina Álvarez, especialistas en imagen mamaria de la
Sociedad Española de Radiología Médica (SERAM). El artículo
‘Impact of real‑life use of artificial intelligence as support for human Reading in a population‑based breast cancer screening program with mammography and tomosynthesis’ se ha publicado en la revista
European Radiology.
SERAM recurre a la IA
El estudio tenía como objetivo evaluar el impacto del uso de un sistema de IA como soporte de la doble lectura humana en un escenario de la vida real, de un programa de detección precoz de cáncer de mama con mamografía digital (DM) o tomosíntesis digital de mama (DBT). Para ello,
se ha comparado la tasa de detección, la tasa de rellamadas y el valor predictivo positivo de las rellamadas entre un grupo de 11.998 mujeres estudiadas de forma prospectiva y consecutiva, en un programa de cribado con doble lectura humana apoyada por un sistema de IA, y un grupo similar estudiadas un año antes en el programa por el mismo grupo de radiólogos, con doble lectura, pero sin el apoyo del sistema de IA.
Valoración de resultados
La valoración global de los
resultados demuestra que el grupo estudiado con el soporte del sistema de IA presentó un aumento en la tasa de detección de cáncer del 3,2 ‰ (9 ‰ vs 5,8 ‰) un aumento en el valor predictivo positivo de las rellamadas del 4% (14,6% vs 10,6%), y un breve aumento de la tasa de rellamadas del 0,7 % (6,1 % vs 5,4 %).
“El discreto aumento en la tasa de rellamadas se acompañó de un aumento importante en el valor predictivo positivo de las rellamadas, lo que indica que
el sistema de IA no aumentó las rellamadas innecesarias o falsos positivos, sino que ayudó al radiólogo a derivar casos relevantes”, ha puntualizado Marina Álvarez.
Se obtienen resultados similares cuando se comparan de forma independiente los estudios de mamografía digital y tomosíntesis, si bien las diferencias o mejoras obtenidas al incluir el soporte de IA son ligeramente superiores en el grupo de tomosíntesis.
Clasificación de la probabilidad de malignidad
Por otra parte, estos sistemas han demostrado su capacidad para clasificar los estudios en función de su probabilidad para malignidad en riesgo bajo, intermedio o alto. Aproximadamente, un 70 % de los estudios se encuentran en riesgo bajo.
La investigación realizada por especialistas de la SERAM ha señalado que prácticamente un 66 % de los estudios se han encontrado en riesgo bajo, y menos de un 3 % de los mismos, en riesgo alto. Sin embargo, de los 108 tumores detectados en el grupo valorado con
IA, sólo uno se ha detectado en el grupo de bajo riesgo, y prácticamente
el 70 % de los cánceres se han detectado en el grupo de riesgo elevado.
Toma de decisiones
Marina Álvarez ha comentado que
“la posibilidad de clasificar los estudios en función de su probabilidad para malignidad supone una ayuda en la toma de decisiones del radiólogo. También abre la puerta a nuevas estrategias de lectura y nuevos flujos de trabajo en los programas de cribado. Asimismo, permite al radiólogo centrar sus esfuerzos en los estudios de alto riesgo”.
