Cáncer de mama: así funciona la inteligencia artificial del IPN que prioriza la revisión de mamografías

El Instituto Politécnico Nacional (IPN) desarrolla un sistema asistido por inteligencia artificial que busca identificar cuáles estudios de mamografía requieren una revisión médica más inmediata, a partir del análisis de posibles lesiones y de una estimación del riesgo de cáncer de mama.

La propuesta pretende apoyar a los especialistas ante la demanda de interpretación de estudios. Mediante distintos módulos, la herramienta identifica regiones anatómicas, analiza características de las imágenes e incorpora información clínica para establecer un orden de prioridad en la atención.

De acuerdo con el comunicado del Politécnico, fechado el 11 de octubre de 2026, el proyecto se desarrolla en el Centro de Investigación en Computación (CIC). Su función se ubica antes de la interpretación diagnóstica: organizar los estudios disponibles para que el personal médico pueda revisar primero aquellos que ameriten mayor atención.

¿Cómo funciona la inteligencia artificial del IPN para analizar mamografías?

El sistema reúne diferentes componentes de inteligencia artificial para examinar los estudios e integrar información relevante de cada paciente. El propósito es generar una estimación de riesgo bajo, medio o alto, que sirva como apoyo para decidir la prioridad de revisión.

Los módulos de la herramienta permiten:

• Detectar regiones anatómicas y áreas de interés en las mamografías.
• Clasificar la densidad mamaria.
• Identificar características de posibles lesiones.
• Incorporar antecedentes familiares y personales de cáncer.
• Considerar información sobre terapia hormonal y obesidad.
• Ordenar los estudios de acuerdo con la prioridad estimada.

Así, el sistema analiza automáticamente las mamografías disponibles durante un periodo determinado y propone una organización para su revisión. El especialista puede utilizar esa información para identificar los estudios que requieren una interpretación más inmediata.

La estimación de riesgo no equivale a un diagnóstico de cáncer. Según el planteamiento descrito por el equipo, la herramienta ofrece información adicional para apoyar el trabajo médico, mientras que la interpretación diagnóstica permanece a cargo del especialista.

La carga de trabajo de los especialistas impulsa el proyecto

Uno de los problemas que busca atender la investigación es la disponibilidad de personal especializado frente al número de mujeres que requieren estudios de detección.

Elsy Guadalupe Cruz Murrieta, maestra en Ciencias de la Computación y estudiante de doctorado responsable del proyecto, señaló que, en 2024, México contaba con 674 médicos certificados para atender a cerca de 20 millones de mujeres en edad de detección, de acuerdo con los datos incluidos en el comunicado.

A este panorama se suma la carga laboral: los especialistas evalúan, en promedio, entre 5 mil y 7 mil estudios al año. La investigadora indicó que ese volumen puede repercutir en la precisión de los diagnósticos.

La propuesta del CIC busca contribuir a una mejor organización de esa demanda. Al establecer prioridades antes de la interpretación, el sistema pretende facilitar que los médicos concentren inicialmente su atención en los estudios que presentan señales de mayor riesgo.

El desarrollo está bajo la dirección del doctor José Eduardo Valdez Rodríguez, investigador del CIC, y cuenta con la asesoría de Lourdes Noemí Santos Aragón, maestra en Ciencias y médica radióloga especialista en imagen de la mama.

El sistema utiliza estudios de aproximadamente 700 pacientes mexicanas

Un componente central del proyecto es la integración de una base de datos con estudios de aproximadamente 700 pacientes mexicanas. La información se obtuvo mediante la colaboración con el Centro Médico ABC y el Instituto de Seguridad Social del Estado de México y Municipios (ISSEMYM).

El comunicado precisa que esta colaboración contó con la autorización previa de los respectivos comités de ética. Los datos permiten entrenar los modelos con información vinculada al contexto clínico nacional.

Cruz Murrieta explicó que utilizar estudios de pacientes mexicanas resulta relevante por las características de densidad mamaria de esta población, que puede presentar tejido más denso o fibroso. El objetivo es desarrollar herramientas acordes con esas particularidades.

La investigación también evalúa cómo incorporar la inteligencia artificial al proceso diagnóstico bajo criterios de utilidad y seguridad. Por ello, el trabajo comprende tanto el análisis de posibles lesiones como la forma en que sus resultados pueden apoyar las decisiones de revisión médica.

IPN contempla una red de hospitales y servicios de telerradiología

A futuro, el equipo plantea ampliar el proyecto hacia una red nacional de hospitales y servicios de telerradiología. Esta posibilidad busca aprovechar mejor la disponibilidad de personal especializado y favorecer un acceso más equitativo al diagnóstico.

Entre los objetivos señalados se encuentran reducir desplazamientos innecesarios y mejorar el uso de los recursos humanos dedicados a la interpretación de estudios. La extensión a una red nacional forma parte de las perspectivas del proyecto.

Por ahora, el comunicado presenta un sistema en desarrollo y no informa una fecha de implementación generalizada, resultados de precisión diagnóstica ni su disponibilidad para pacientes. El alcance descrito es el de una herramienta de apoyo que busca ordenar las mamografías por prioridad y facilitar la revisión oportuna de los casos que requieren mayor atención.