El sistema automatizado que usa inteligencia artificial, puede cribar rápidamente y con precisión las resonancias magnéticas de mama en pacientes con mamas densas con el fin de eliminar a las que no tienen cáncer. Los hallazgos del estudio se publicaron en la revista Radiology.
La mamografía es sin duda el método de detección de cáncer de mama por excelencia, no solo por que es sencillo sino porque proporciona una ayuda para la detección precoz del cáncer, cuando el tumor aún es tratable. Sin embargo, la detección mediante este método es menos eficaz en mujeres con mamas muy densas que en mujeres con mamas grasas.
Artículo relacionado: Biopsia líquida podría detectar casos de cáncer de mama con mal pronóstico
La situación se complejiza si tenemos en cuenta que las mujeres con mamas densas tienen un riesgo entre tres y seis veces mayor de desarrollar cáncer de mama que las mujeres con mamas grasas y un riesgo dos veces mayor que el de la mujer media.
En este sentido, el método de cribado complementario en mujeres con mamas densas aumenta la posibilidad de detección de cáncer precoz. De hecho, las investigaciones del ensayo Dense Tissue and Early Breast Neoplasm Screening (DENSE), un amplio estudio con sede en los Países Bajos, respaldaron el uso del cribado suplementario.
“El ensayo DENSE demostró que el cribado adicional con IRM en mujeres con mamas densas era beneficioso. Por otro lado, el ensayo DENSE confirmó que la gran mayoría de las mujeres examinadas no presentan ningún hallazgo sospechoso en la RM”. explicó Erik Verburg, del Instituto de Ciencias de la Imagen del Centro Médico Universitario de Utrecht.
También puede leer: Con anticuerpos monoclonales buscan tratar el asma grave
Debido a que la mayoría de resonancias magnéticas muestran variaciones anatómicas y fisiológicas normales que pueden no requerir una revisión radiológica, se necesitan formas de clasificar estas resonancias, para no requerir el servicio de un radiólogo para una necesidad menor.
En el primer estudio de este tipo, Verburg y sus colegas se propusieron determinar la viabilidad de un método de triaje automatizado basado en el aprendizaje profundo, un tipo sofisticado de IA. Utilizaron datos de RM de mama del ensayo DENSE para desarrollar y entrenar el modelo de aprendizaje profundo para distinguir entre mamas con y sin lesiones. El modelo se entrenó con datos de siete hospitales y se probó con datos de un octavo hospital.
Se tuvieron en cuenta más de 4.500 conjuntos de datos de IRM de mamas densas. De las 9.162 mamas examinadas 838 presentaban al menos una lesión de las cuales el 77% resultaron ser malignas, y las 8.324 restantes no presentaban anormalidades. El modelo de IA consideró que el 90% de las resonancias mostradas con lesiones no eran normales y las clasificó en el grupo que debían ser evaluadas por un radiólogo, pero descartó el 40% de las resonancias sin lesiones, ninguna de estas resonancias mostraba un tumor maligno.
Consulte el bigdata sobre apnea del sueño en Colombia
“Demostramos que es posible utilizar de forma segura la inteligencia artificial para descartar resonancias magnéticas de cribado de mama sin pasar por alto ninguna enfermedad maligna. Los resultados fueron mejores de lo esperado. El 40% es un buen comienzo. Sin embargo, todavía tenemos un 60% que mejorar”. explica Verbug.
Sólo en los Países Bajos, cerca de 82.000 mujeres podrían ser elegibles para el cribado mamario bianual por resonancia magnética en función de la densidad mamaria y con este sistema de IA se reduciría significativamente la carga laboral de los radiólogos que no solo deben analizar exámenes de cáncer sino de otras patologías y por ende de otros órganos.
“El enfoque puede utilizarse en primer lugar para ayudar a los radiólogos a reducir el tiempo total de lectura En consecuencia, se podría disponer de más tiempo para centrarse en los exámenes de RM de mama realmente complejos”, sugiere Verburg.
Finalmente, el equipo científico espera validar ahora el modelo e otros conjuntos de datos y desplegarlo en próximas rondas de cribado del ensayo DENSE.
