Investigadores del Massachusetts General Hospital (MGH) han desarrollado un modelo de Inteligencia Artificial (IA)– Deep learning– que identifica biomarcadores en las imágenes mamográficas de tamizaje para predecir el riesgo de una paciente de desarrollar cáncer de mama con mayor precisión que los modelos tradicionales de evaluación de riesgo.
Los resultados del estudio se presentan en la reunión anual de la Sociedad Radiológica de América del Norte (RSNA).
«Los modelos tradicionales de evaluación de riesgos no alcanzan el nivel de detalle que contiene una mamografía», dijo Leslie Lamb, M.D., M.Sc., radióloga de mama en MGH. «Incluso los mejores modelos de riesgo tradicionales existentes pueden separar subgrupos de pacientes, pero no son tan precisos a nivel individual».
Los modelos de evaluación de riesgos actualmente disponibles incorporan solo una pequeña fracción de los datos del paciente, como antecedentes familiares, biopsias previas de mama y antecedentes hormonales y reproductivos. Los modelos tradicionales incorporan solamenteun elemento de la mamografía, su densidad.
«¿Por qué deberíamos limitarnos solo a la densidad de los senos cuando hay datos digitales tan ricos incrustados en la mamografía de cada mujer?» dijo la autora de mayor rango jerárquico Constance D. Lehman, M.D., Ph.D., jefa de la división de imágenes mamarias en MGH. «La mamografía de cada mujer es única al igual que su huella digital. Contiene biomarcadores de imágenes que son altamente predictivos del riesgo futuro de cáncer de mama, pero hasta que no tuvimos las herramientas de Deep Learning, no pudimos extraer esta información para mejorar la atención del paciente».
La Dra. Lamb y un equipo de investigadores desarrollaron el nuevo algoritmo de Deep Learning para predecir el riesgo de cáncer de mama utilizando datos de cinco sitios de tamizaje de cáncer de mama de MGH. El modelo se desarrolló en una población que incluía mujeres con antecedentes personales de cáncer de mama, implantes o biopsias previas.
El estudio incluyó 245.753 mamografías digitales bilaterales 2D de screening o tamizaje consecutivas bidimensionales consecutivas realizadas en 80.818 pacientes entre 2009 y 2016. Del total de mamografías, se utilizaron 210.819 exámenes en 56.831 pacientes para capacitación, 25.644 exámenes de 7,021 pacientes para testeo y 9.290 exámenes de 3.961 pacientes para validación.
Mediante análisis estadístico, los investigadores compararon la precisión del modelo de solo imágenes de Deep Learning con un modelo de evaluación de riesgos disponible comercialmente (Tyrer-Cuzick versión 8) para predecir el cáncer de mama futuro dentro de los cinco años posteriores a la mamografía inicial. El modelo de Deep Learning logró una tasa predictiva de 0,71, superando significativamente al modelo de riesgo tradicional, que alcanzó una tasa de 0,61.
«Nuestro modelo de Deep Learning es capaz de traducir una amplia diversidad de biomarcadores de imágenes sutiles en la mamografía que pueden predecir el riesgo futuro de cáncer de mama de una mujer», dijo la Dra. Lamb.
La Dra. Lamb dijo que el nuevo modelo de Deep Learning ha sido validado externamente en Suecia y Taiwán, y se planean estudios adicionales para poblaciones minoritarias y afroamericanas más grandes.
En MGH, la información de riesgo de Deep Learning está disponible en el software de informes cuando el radiólogo lee la mamografía de tamizaje de un paciente.
«Completar los datos de los modelos tradicionales de riesgo puede llevar mucho tiempo y depende de datos inconsistentes o faltantes», dijo la Dra. Lamb. «Un modelo de riesgo de solo imágenes basado en inteligencia artificial solo de imágenes puede proporcionar un mayor acceso a evaluaciones de riesgos más precisas y menos costosas y ayudar a cumplir la promesa de la medicina de precisión».
Los co – autores del artículo son: Adam Yala, M.Eng., Peter Mikhael, B.S., y Regina Barzilay, Ph.D.
