Asistencia de IA mejora detección del cáncer de mama al reducir los falsos positivos

Radiólogos suelen detectar un caso de cáncer por cada 200 mamografías revisadas. Sin embargo, estas evaluaciones a menudo dan como resultado falsos positivos, lo que lleva a retiros innecesarios de los pacientes para pruebas adicionales, lo que no solo causa ansiedad en el paciente sino que también consume valiosos recursos médicos. Ahora, un nuevo estudio ha demostrado cómo la inteligencia artificial (IA) puede mejorar la precisión de la detección del cáncer de mama al minimizar estos falsos positivos sin perder los verdaderos positivos.

El estudio realizado por investigadores de la Facultad de Medicina de la Universidad de Washington en St. Louis (St. Louis, MO, EUA) y Whiterabbit.ai (Santa Clara, CA, EUA) se basa en su colaboración anterior para el desarrollo de un algoritmo de IA para ayudar a los radiólogos a evaluar la densidad mamaria en mamografías e identificar a las personas que podrían beneficiarse de exámenes de detección adicionales o alternativos. Whiterabbit.ai comercializa ese algoritmo como WRDensity después de recibir la autorización de la Administración de Alimentos y Medicamentos (FDA) en 2020.

En el estudio actual, el equipo desarrolló un algoritmo para identificar mamografías normales con una sensibilidad extremadamente alta. Luego realizaron una simulación con datos de pacientes para ver qué habría pasado si todas las mamografías de muy bajo riesgo se hubieran retirado de las placas de los radiólogos, permitiendo a los médicos centrarse en las exploraciones más cuestionables. Los resultados de esta simulación indicaron que tal enfoque reduciría la cantidad de llamadas innecesarias de pacientes para pruebas adicionales, pero mantendría la misma tasa de detección de cáncer.

"Al final del día, creemos en un mundo donde el médico es el superhéroe que encuentra el cáncer y ayuda a los pacientes a recorrer el camino que les espera", dijo Jason Su, cofundador y director de tecnología de Whiterabbit.ai. “La forma en que los sistemas de IA pueden ayudar es desempeñando un papel de apoyo. Al evaluar con precisión los aspectos negativos, puede ayudar a retirar el heno del pajar para que los médicos puedan encontrar la aguja más fácilmente. Este estudio demuestra que la IA puede ser potencialmente muy precisa a la hora de identificar exámenes negativos. Más importante aún, los resultados mostraron que automatizar la detección de negativos también puede generar un enorme beneficio en la reducción de falsos positivos sin cambiar la tasa de detección de cáncer”.

Enlaces relacionados:
WUSTL
Conejo Blanco.ai

Visitar la expo >

X-ray Diagnostic System

FDX Visionary-A

Medical Radiographic X-Ray Machine

TR30N HF

New

Adjustable Mobile Barrier

M-458

Portable X-ray Unit

AJEX140H