Inteligencia artificial en imágenes mamarias: ¿qué diferencia a Lunit, Transpara, Gleamer y otras soluciones?
La Dra. Karina Weintraub, responsable del área de Mama de Swiss Medical Group, analiza las distintas propuestas de inteligencia artificial para mamografía y los desafíos que plantea su incorporación a la práctica clínica.
La inteligencia artificial está transformando el diagnóstico por imágenes mamarias. Actualmente, diferentes plataformas permiten detectar lesiones sospechosas, evaluar la densidad mamaria, estimar el riesgo de desarrollar cáncer y optimizar el trabajo del radiólogo. Sin embargo, no todas ofrecen las mismas funcionalidades ni cuentan con idéntico respaldo científico.
Diagnóstico Journal: Cuando comparamos soluciones como Lunit, Transpara, Gleamer, iCAD y Therapixel, ¿cuáles considera que son sus principales diferencias?
Dra. Karina Weintraub: Creo que lo primero es diferenciar las herramientas destinadas a detectar lesiones de aquellas que también permiten evaluar la densidad mamaria, estimar el riesgo futuro o evaluar la calidad de los estudios.
Lunit tiene una propuesta interesante porque combina sus algoritmos de detección para mamografía 2D y tomosíntesis 3D con el portafolio de Volpara, que incorpora herramientas de evaluación de densidad, control de calidad y estratificación de riesgo. Esta integración puede representar una ventaja para los centros que buscan abordar diferentes etapas del proceso diagnóstico.
Transpara, de ScreenPoint Medical, se destaca especialmente por su evidencia clínica en programas de screening y por su capacidad para contribuir a la detección y optimización de la carga de trabajo. Los resultados del estudio MASAI son particularmente relevantes, aunque siempre debemos analizar cómo se trasladan esos hallazgos a nuestra realidad asistencial.
Gleamer, con BreastView, también ofrece herramientas de detección de lesiones y evaluación de densidad, dentro de una plataforma de inteligencia artificial que abarca distintas especialidades radiológicas.
Por su parte, iCAD, con ProFound AI, tiene desarrollos para detección y evaluación del riesgo, mientras que Therapixel, con MammoScreen, incorpora funcionalidades como el análisis de estudios previos.
No creo que exista una solución universalmente superior. Cada plataforma presenta fortalezas que deben evaluarse según las necesidades clínicas y operativas de cada institución.
Diagnóstico Journal: ¿Qué importancia tienen la densidad mamaria y la estimación del riesgo a la hora de elegir una plataforma?
Dra. Karina Weintraub: Son aspectos fundamentales porque estamos avanzando hacia un screening cada vez más personalizado.
La densidad mamaria no solamente puede dificultar la visualización de ciertas lesiones, sino que también constituye un factor relacionado con el riesgo de desarrollar cáncer de mama.
Contar con herramientas que permitan cuantificarla de manera objetiva y reproducible puede ayudar a identificar pacientes que se beneficiarían de estudios complementarios.
Pero es importante distinguir dos conceptos: una cosa es que un algoritmo identifique una lesión sospechosa en la mamografía actual y otra muy distinta es que estime el riesgo de desarrollar cáncer en los próximos años.
La posibilidad de integrar ambas dimensiones, junto con los antecedentes clínicos y familiares, es particularmente interesante.
Diagnóstico Journal: ¿Qué limitaciones encuentra hoy en estas tecnologías? ¿Existe el riesgo de aumentar los falsos positivos o generar estudios innecesarios?
Dra. Karina Weintraub: Ese es uno de los desafíos más importantes.
Un algoritmo puede tener una excelente sensibilidad, pero si genera demasiadas alertas puede incrementar la cantidad de estudios adicionales, la ansiedad de las pacientes e incluso procedimientos que finalmente resulten innecesarios.
Por eso debemos evaluar no solamente cuántos cánceres detecta, sino también su especificidad, el valor predictivo positivo y el impacto real sobre las decisiones clínicas.
Además, el rendimiento puede variar según la población estudiada, la densidad mamaria, los equipos utilizados y la experiencia del profesional.
La inteligencia artificial debe mejorar nuestro desempeño, no agregar complejidad innecesaria.
Diagnóstico Journal: Si tuviera que seleccionar una de estas plataformas para un servicio de imágenes mamarias, ¿qué criterios priorizaría?
Dra. Karina Weintraub: En primer lugar, la evidencia científica independiente y la validación clínica.
Después analizaría su integración con el PACS y el flujo de trabajo, la compatibilidad con nuestros equipos, la facilidad de interpretación de los resultados y el impacto sobre los tiempos de lectura y también sin duda el presupuesto con el contamos para ello.
También consideraría la posibilidad de implementar una evaluación local para comprobar cómo funciona la herramienta en nuestra población de pacientes.
No alcanza con que una empresa presente buenos resultados de sensibilidad o una tecnología innovadora. Necesitamos demostrar que aporta un beneficio clínico concreto, que resulta segura y que podemos incorporarla de manera eficiente y sostenible.
Diagnóstico Journal: ¿Hacia dónde cree que evolucionará la inteligencia artificial aplicada al diagnóstico mamario?
Dra. Karina Weintraub: Creo que el futuro estará en integrar la detección temprana con la evaluación individual del riesgo.
La inteligencia artificial puede ayudarnos a identificar qué mujeres necesitan controles más intensivos, quiénes podrían beneficiarse de métodos complementarios y cómo optimizar nuestros recursos.
Sin embargo, la interpretación de los resultados debe seguir integrada al criterio médico y al contexto de cada paciente.
El verdadero valor de estas tecnologías no está solamente en detectar más lesiones, sino en contribuir a diagnósticos más precisos, decisiones mejor fundamentadas y una atención cada vez más personalizada.