Cómo la IA ayuda a detectar el cáncer de mama con mayor precisión: las claves de un nuevo estudio

La aplicación de inteligencia artificial en mamografías está revolucionando la medicina preventiva.

Según un nuevo ensayo publicado en The Lancet y divulgado Eric Topol, cada mamografía debería contar con el respaldo de tres algoritmos diferentes de IA, sin costo para las pacientes, para optimizar la detección del cáncer de mama y anticipar riesgos cardiovasculares.

El estudio de The Lancet, liderado por Topol, señala que la integración de IA en la interpretación de mamografías permitió mejorar la detección del cáncer de mama en un 29% sin incrementar los falsos positivos ni la tasa de repetición de pruebas. Además, se registró un 12% menos de diagnósticos de cáncer de intervalo, lo que apunta a una detección más precoz y eficaz. Estos resultados surgen del seguimiento del ensayo aleatorizado MASAI (Mammography Screening with Artificial Intelligence) y de estudios prospectivos realizados en múltiples países.

Qué aporta el nuevo estudio sobre el uso de IA en mamografía

La evidencia presentada por The Lancet describe un cambio de paradigma en el cribado mamario. El ensayo MASAI comparó la interpretación tradicional de dos radiólogos con la de un radiólogo apoyado por un algoritmo de IA, utilizando herramientas como Transpara. Los datos muestran que la IA no solo iguala, sino que supera la precisión diagnóstica de los profesionales humanos, sin aumentar la incidencia de falsos positivos ni la repetición innecesaria de pruebas.

El Instituto Nacional del Cáncer de Estados Unidos estima que hasta el 20% de los cánceres de mama no se detectan con las mamografías interpretadas de manera convencional. La aplicación de IA permitió identificar buena parte de estos casos, lo que refuerza el argumento preventivo y económico. Topol sostiene que, gracias al rendimiento superior de la IA y a los avances en modelos generativos, se justifica una actualización estructural en el sistema de salud que elimine el coste para la paciente.

La propuesta es clara: la mamografía asistida por IA debe convertirse en el nuevo estándar de atención, respaldada por una sólida base de ensayos aleatorizados y validaciones internacionales.

Cómo se compara la evidencia previa y qué herramientas existen

El avance actual se apoya en una década de investigaciones sobre aprendizaje profundo aplicado a la imagenología médica. Herramientas como Clairity Breast, recientemente autorizada por la Administración de Alimentos y Medicamentos de Estados Unidos (FDA), ya demostraron capacidad para calcular el riesgo de cáncer de mama a cinco años utilizando exclusivamente datos radiográficos, sin considerar antecedentes genéticos o familiares.

Según datos publicados por Forbes y la profesora clínica Baṣak Dogan del Centro Médico de la Universidad de Texas Southwestern, más del 75% de los casos de cáncer de mama se presentan en mujeres sin antecedentes familiares relevantes. Sistemas como Clairity Breast permiten identificar riesgos en este grupo mediante el análisis de patrones sutiles en la textura y densidad mamaria.

La experiencia de RadNet, que opera más de 400 consultorios en Estados Unidos, confirma el impacto de la IA: un estudio con 570.000 pacientes evidenció un aumento del 21% en la detección. Además, la IA demostró capacidad para detectar cánceres de intervalo, que pueden aparecer hasta 12 meses después de una mamografía negativa inicial, identificando entre el 20 y el 40% de los casos omitidos por radiólogos.

Por otro lado, el algoritmo CureMetrix fue validado como herramienta para analizar la calcificación arterial mamaria, lo que vincula la mamografía con la evaluación de riesgos cardiovasculares.

Detección del riesgo cardiovascular: el potencial preventivo ampliado

La integración de IA en mamografías no solo mejora la detección oncológica, sino que también permite identificar de manera automatizada la calcificación arterial mamaria (BAC), un marcador relevante para el pronóstico cardiovascular. Según el European Heart Journal, la cuantificación automática del BAC mediante redes neuronales avanzadas proporciona una estimación precisa del riesgo de eventos cardiovasculares adversos en los próximos cinco años.

Un estudio multicéntrico, que incluyó a 123.762 mujeres, mostró que la presencia de BAC leve incrementa el riesgo de eventos cardiovasculares en un 28 a 32%, mientras que el BAC moderado lo eleva hasta un 79 % y el grave hasta un 329%, en comparación con mujeres sin calcificación. Esta información, ahora accesible a partir de una sola mamografía, permite la intervención preventiva temprana sin necesidad de estudios adicionales.

Eric Topol, a través de su boletín Ground Truths, destacó que la IA facilita una vigilancia sistemática y menos dependiente de la subjetividad individual, permitiendo identificar mujeres en riesgo que tradicionalmente no serían derivadas a estudios cardiológicos. La notificación sistemática de estos hallazgos en los informes de mamografía podría transformar la prevención cardiovascular femenina.

Barreras, desafíos regulatorios y perspectivas para una adopción masiva

A pesar de la solidez de la evidencia, la adopción generalizada de la IA en mamografías enfrenta obstáculos estructurales. En Estados Unidos, el acceso a la interpretación mediante IA suele estar limitado a redes privadas y, en muchos casos, implica un coste adicional para la paciente. Además, la variabilidad en la validación de los diferentes algoritmos dificulta la estandarización de los resultados y su comparación internacional.

El European Heart Journal y el propio Topol advierten que la ausencia de protocolos universales y la falta de cobertura médica integral limitan la equidad y la eficacia de estas innovaciones. Se requieren más estudios prospectivos, consensos internacionales y evaluaciones de costo-efectividad para consolidar la IA como estándar de atención.

El futuro de la mamografía asistida por IA apunta a la integración de algoritmos avanzados capaces de ofrecer, en una sola exploración, la detección precoz del cáncer, la predicción de riesgo y la evaluación cardiovascular. Este avance permitiría optimizar la eficiencia sanitaria, reducir inequidades y transformar la prevención integral en salud femenina a escala global.