Un algoritmo de IA para la detección del cáncer de mama tiene el potencial de mejorar el rendimiento de la tomosíntesis mamaria digital (DBT), reduciendo los cánceres de intervalo hasta en un tercio, según un estudio publicado en Radiology.
Los cánceres de mama de intervalo (cánceres sintomáticos diagnosticados entre mamografías de cribado regulares) tienden a tener peores pronósticos debido a su biología más agresiva y rápido crecimiento. La mamografía tridimensional (DBT) puede mejorar la visualización de las lesiones mamarias y revelar cánceres que podrían estar ocultos por tejido denso. Dado que la DBT es una tecnología de cribado avanzada relativamente nueva, los datos a largo plazo sobre los resultados de las pacientes son limitados en instituciones que no han adoptado la DBT hasta hace poco.
“Dada la falta de datos a largo plazo sobre la mortalidad relacionada con el cáncer de mama, medidos durante 10 años o más tras el inicio del cribado con TCD, la tasa de cáncer de intervalo se utilizó a menudo como marcador indirecto”, explicó la autora del estudio, Dra. Manisha Bahl, MPH, directora de calidad de la división de imágenes mamarias y cojefa de servicio del Hospital General de Massachusetts y profesora asociada de la Facultad de Medicina de Harvard. “Se supone que la reducción de esta tasa reduce la morbilidad y la mortalidad relacionadas con el cáncer de mama”.
En un estudio de 1376 casos, la Dra. Bahl analizó retrospectivamente 224 cánceres de intervalo en 224 mujeres que se sometieron a pruebas de detección con TCD. En estas pruebas, el algoritmo de IA (Lunit INSIGHT DBT v1.1.0.0) localizó correctamente el 32,6 % (73/224) de los cánceres que no se habían detectado previamente.
“Mi equipo y yo nos sorprendimos al descubrir que casi un tercio de los cánceres de intervalo fueron detectados y localizados correctamente por el algoritmo de IA en mamografías de detección que los radiólogos habían interpretado como negativas, lo que destaca el potencial de la IA como un valioso segundo lector”, afirmó la Dra. Bahl.
Según los investigadores, el estudio de Radiology puede representar la primera investigación publicada que examina específicamente la asistencia de IA en la detección de cánceres de intervalo en los exámenes de detección DBT.
“Varios estudios han explorado el uso de IA para detectar cánceres de intervalo en exámenes de mamografía digital bidimensional (DBT) de detección, pero hasta donde sabemos, ninguna publicación previa se ha centrado en el uso de IA para detectar cánceres de intervalo en DBT”, explicó la Dra. Bahl.
Para evitar sobreestimar la sensibilidad del algoritmo de IA, el equipo de la Dra. Bahl empleó un análisis específico de la lesión que “reconoce” el algoritmo de IA solo cuando identifica y localiza correctamente el sitio exacto del cáncer.
“Por el contrario, un análisis a nivel de examen atribuye a la IA cualquier resultado positivo, incluso si su anotación es incorrecta o no está relacionada con la localización real del cáncer, lo que puede inflar la sensibilidad del algoritmo”, explicó la Dra. Bahl. “Centrarse en la precisión a nivel de lesión proporciona un reflejo más preciso del rendimiento clínico del algoritmo de IA”.
Los cánceres detectados por el algoritmo tendían a ser más grandes y era más probable que tuvieran ganglios linfáticos positivos, señaló la Dra. Bahl.
“Estos hallazgos sugieren que la IA puede detectar preferentemente tumores más agresivos o de crecimiento más rápido, o que identifica cánceres no detectados que ya estaban avanzados en el momento de la detección”, dijo.
Entre 1000 pacientes, incluyendo aquellos con cánceres verdaderos positivos según la patología y aquellos con resultados verdaderos negativos y falsos positivos según un seguimiento de un año, el algoritmo localizó correctamente el 84,4 % de 334 cánceres verdaderos positivos. También clasificó correctamente como negativos el 85,9 % de 333 casos verdaderos negativos y el 73,2 % de 333 casos falsos positivos.
“Nuestro estudio demuestra que un algoritmo de IA puede detectar retrospectivamente y localizar correctamente casi un tercio de los cánceres de mama de intervalo en exámenes de cribado DBT, lo que sugiere su potencial para reducir la tasa de cáncer de intervalo y mejorar los resultados del cribado”, afirmó la Dra. Bahl. “Estos hallazgos respaldan la integración de la IA en los flujos de trabajo de cribado DBT para mejorar la detección del cáncer, pero su impacto en el mundo real dependerá en última instancia de la adopción y validación por parte de los radiólogos en diversos entornos clínicos”.