Un trabajo del Instituto Oulton, presentado en EUSOBI 2026, evaluó en una cohorte argentina el modelo de inteligencia artificial MIRAI, desarrollado para estimar el riesgo futuro de cáncer de mama a partir de una mamografía. Los resultados aportan evidencia local y acompañan un cambio de paradigma hacia estrategias de screening cada vez más personalizadas.
Paciente mama densa. MIRAI score bajo. Control a 5 años normal
Paciente mama densa. MIRAI score bajo. Control a 5 años normal.
Misma paciente. Mamografía 2025. Mama densa. Riesgo alto en MIRAI.
Paciente mama densa. MIRAI score bajo. Control a 5 años normal.
Durante décadas, la mamografía fue pensada principalmente para responder una pregunta: ¿hay signos de cáncer de mama en este momento?
La inteligencia artificial está comenzando a ampliar esa mirada. Nuevos modelos pueden analizar patrones muy sutiles presentes en las imágenes —algunos no evidentes para el ojo humano— y utilizar esa información para estimar el riesgo de que una mujer desarrolle cáncer de mama en los años siguientes.
En Argentina, un equipo del Instituto Oulton – Imágenes Mamarias, de Córdoba, realizó una validación externa de MIRAI, un modelo de deep learning desarrollado para estimar el riesgo futuro de cáncer de mama a partir de la mamografía.
El trabajo, titulado “External Validation and Sensitivity Analysis of the MIRAI Deep Learning Model for Breast Cancer Risk Prediction in an Argentine Cohort”, fue realizado por P. E. Montalvetti, C. Oulton, A. Cerda, M. Roldán y L. Ballarino y presentado en EUSOBI 2026.
El e-poster del trabajo puede consultarse en la plataforma oficial de EUSOBI 2026:
Ver el e-poster presentado en EUSOBI 2026
¿Puede una mamografía anticipar el riesgo?
Para evaluar MIRAI, los investigadores analizaron mamografías realizadas años antes del diagnóstico en mujeres que posteriormente desarrollaron cáncer de mama y las compararon con estudios de mujeres que permanecieron libres de cáncer durante el seguimiento.
Es decir, estudiaron imágenes obtenidas cuando todavía no se sabía qué ocurriría con esas mujeres y evaluaron si la inteligencia artificial era capaz de identificar diferencias relacionadas con su riesgo futuro.
Los resultados mostraron que MIRAI presentó en la población estudiada una capacidad moderada pero consistente para diferenciar mujeres con distinto riesgo futuro de desarrollar cáncer de mama.
Esto no significa que un algoritmo pueda predecir individualmente quién desarrollará la enfermedad ni que estas herramientas deban utilizarse de manera aislada para tomar decisiones médicas.
El concepto relevante es otro: la propia mamografía contiene información sobre el riesgo futuro que hasta ahora aprovechábamos muy poco.
¿Por qué es importante validarlo en Argentina?
Uno de los desafíos de incorporar inteligencia artificial a la medicina es comprobar que los algoritmos mantengan su desempeño cuando se utilizan en poblaciones diferentes de aquellas en las que fueron desarrollados.
Muchos modelos son creados y validados inicialmente con datos provenientes principalmente de Estados Unidos y Europa. Sin embargo, un buen desempeño en una población no garantiza necesariamente los mismos resultados en otra.
Por eso, antes de trasladar estas herramientas a la práctica clínica local es necesario responder una pregunta básica: ¿funcionan también en nuestras mujeres?
La investigación del Instituto Oulton aporta una validación en una cohorte argentina y constituye un paso en esa dirección.
La importancia de evaluar el comportamiento de estos modelos en diferentes poblaciones también aparece en investigaciones internacionales recientes sobre MIRAI, que continúan estudiando aspectos como discriminación, calibración y desempeño entre distintos grupos de mujeres.
De la investigación a la práctica clínica
La estimación del riesgo futuro directamente a partir de una mamografía ya comenzó a trascender el terreno experimental.
En mayo de 2025, la FDA de Estados Unidos otorgó autorización De Novo a Clairity Allix5, un software diseñado para generar una estimación del riesgo de desarrollar cáncer de mama durante los cinco años posteriores a una mamografía bilateral de screening.
La vía De Novo resulta especialmente significativa porque se utiliza para dispositivos novedosos para los que no existe un producto previo equivalente que pueda servir como referencia. La FDA estableció para este tipo de software una nueva categoría regulatoria de Clase II: “radiological software device to predict future breast cancer risk”.
La propia autorización establece también un límite importante: Allix5 no está destinado a diagnosticar o detectar cáncer ni a reemplazar la decisión clínica. Su resultado debe ser considerado como información complementaria después de que el radiólogo haya interpretado la mamografía.
En paralelo, otras plataformas de inteligencia artificial aplicadas a mamografía avanzan en el desarrollo de herramientas destinadas a incorporar la estimación de riesgo futuro a partir de las imágenes.
Todo indica que estamos frente a un campo que comienza a trasladarse desde la investigación hacia potenciales aplicaciones clínicas.
Hacia un screening personalizado
Actualmente, buena parte del screening de cáncer de mama se organiza fundamentalmente en función de la edad y de factores de riesgo conocidos.
El próximo desafío es avanzar hacia estrategias más personalizadas.
La posibilidad de combinar antecedentes personales y familiares, características de la mama, información clínica y datos que la inteligencia artificial puede extraer directamente de las imágenes podría permitir una estimación más precisa del riesgo individual.
A partir de ese riesgo, el objetivo sería definir mejor cuándo comenzar los controles, con qué frecuencia realizarlos y qué método de imagen resulta más adecuado para cada mujer.
No todas necesitan necesariamente la misma estrategia. Algunas podrán continuar con mamografía, mientras que otras podrían beneficiarse de esquemas diferentes o de métodos complementarios como resonancia magnética, ecografía o mamografía con contraste.
La densidad mamaria, por ejemplo, ya es un factor relevante tanto porque puede dificultar la detección del cáncer en la mamografía como porque constituye en sí misma un factor de riesgo.
En este nuevo escenario, la inteligencia artificial podría sumar otra capa de información para lograr una evaluación más individualizada.
El objetivo no es simplemente hacer más estudios.
Es hacer el estudio adecuado, a la mujer adecuada, en el momento adecuado.
Un cambio en la forma de mirar la mamografía
La inteligencia artificial plantea así una transformación que va más allá de ayudar a detectar lesiones.
Hasta ahora, frente a una mamografía, la pregunta central era:
“¿Hay cáncer?”
En el futuro podría sumarse otra:
“¿Qué nos dice esta mamografía sobre el riesgo de esta mujer de desarrollar cáncer en los próximos años?”
La diferencia es significativa. Supone pasar de utilizar la imagen exclusivamente para buscar una enfermedad existente a aprovecharla también como una fuente de información sobre el futuro.
Todavía quedan interrogantes por resolver. Será necesario continuar validando los algoritmos en diferentes poblaciones, evaluar su desempeño en la práctica real y determinar cómo integrar sus resultados con los factores de riesgo tradicionales antes de definir conductas clínicas.
El trabajo realizado por el Instituto Oulton aporta evidencia argentina a este proceso y muestra que esta discusión también comienza a desarrollarse desde nuestra región.
La idea puede sintetizarse en una frase:
“Estamos pasando de una mamografía que solamente busca detectar el cáncer presente a una mamografía que, con ayuda de la inteligencia artificial, también puede aportarnos información sobre el riesgo futuro.”
Ese cambio de mirada podría convertirse en uno de los pilares para avanzar hacia una detección del cáncer de mama verdaderamente personalizada.