Para la Dra. Marcela Uchida, uno de los cambios más importantes en el diagnóstico mamario de los últimos años no proviene necesariamente de una innovación tecnológica puntual, sino de la evidencia científica acumulada. Diferentes estudios han reforzado el valor de los métodos contrastados para mejorar la detección temprana del cáncer de mama y reducir la aparición de cánceres de intervalo.
Esta evidencia está modificando progresivamente la manera de pensar el diagnóstico y el screening, especialmente en determinados grupos de mujeres. A este escenario se suma ahora la inteligencia artificial, una tecnología que, en su opinión, llegó para quedarse y que tendrá un papel cada vez mayor como herramienta de apoyo al trabajo de los especialistas.
En Latinoamérica, sin embargo, su incorporación todavía se encuentra en una etapa inicial. Entre las aplicaciones que Uchida considera más prometedoras está la posibilidad de optimizar el flujo de trabajo, clasificando los estudios según su grado de sospecha y permitiendo priorizar aquellos que requieren una evaluación más rápida.
Esta capacidad podría resultar particularmente valiosa en centros con una elevada carga asistencial o con menor disponibilidad de médicos especialistas. La IA podría ayudar a organizar mejor los recursos existentes y dirigir la atención hacia los estudios que necesitan una revisión prioritaria.
Pero Uchida identifica otro campo con un potencial todavía mayor: la estratificación del riesgo. En el futuro, estas herramientas podrían ayudar a determinar qué mujeres necesitan estudios de mayor sensibilidad, cuáles requieren controles más frecuentes y cuáles podrían ser seguidas con intervalos diferentes. La inteligencia artificial se convertiría así en un apoyo para definir estrategias diagnósticas más ajustadas al perfil individual de cada paciente.
Esta perspectiva adquiere especial relevancia frente a las mamas densas. Uchida recuerda que estas mujeres presentan un riesgo aumentado de desarrollar cáncer de mama y que, al mismo tiempo, los estudios convencionales tienen menor sensibilidad debido a las características del tejido mamario. Por ese motivo, considera especialmente importante la incorporación de métodos contrastados en este grupo.
El desafío es su disponibilidad. Tanto la resonancia magnética como la mamografía con contraste presentan mayores barreras de acceso que la mamografía convencional. En este sentido, la resonancia abreviada podría contribuir a reducir los tiempos de utilización del resonador y, potencialmente, los costos, mientras que la mamografía con contraste continúa expandiéndose en Latinoamérica, aunque todavía con una disponibilidad limitada de equipamiento.
Es precisamente ante esta limitación de recursos donde la inteligencia artificial podría aportar una herramienta adicional. No todas las mujeres con mamas densas presentan necesariamente el mismo nivel de riesgo. Una mejor estratificación permitiría identificar cuáles podrían beneficiarse especialmente de un método contrastado y cuáles podrían ser estudiadas mediante otras estrategias.
De esta manera sería posible seleccionar mejor a las pacientes que necesitan los estudios de menor disponibilidad, disminuyendo la presión asistencial sobre estas tecnologías y utilizándolas allí donde puedan generar un mayor beneficio.
Para Uchida, el camino conduce claramente hacia un screening personalizado según el riesgo de cada mujer. Pero alcanzar ese objetivo requiere también un cambio cultural y educativo dentro de la medicina.
Uno de los pasos fundamentales será fortalecer la educación de los médicos derivantes y abandonar la idea de que existe una combinación estándar de estudios aplicable a todas las pacientes. Mujeres con características mamarias aparentemente similares pueden presentar perfiles de riesgo diferentes y, por lo tanto, necesitar estrategias distintas.
Este cambio también deberá comenzar durante la formación de los nuevos radiólogos, incorporando desde la residencia el concepto de que la indicación de los métodos debe definirse según el riesgo, los antecedentes y las características del tejido fibroglandular de cada paciente.
Finalmente, Uchida amplía el potencial de la inteligencia artificial más allá de la interpretación de las imágenes. Estas herramientas también podrían colaborar en aspectos administrativos y organizativos de la atención: desde la asignación de turnos hasta la comunicación con las pacientes y la coordinación del acceso a los estudios.
Así, la transformación que anticipa no depende exclusivamente de contar con nuevas tecnologías. El verdadero cambio estará en utilizar mejor la evidencia, estratificar adecuadamente el riesgo y administrar de manera más eficiente los recursos disponibles, para ofrecer a cada mujer el estudio que realmente necesita.