Estrategia híbrida con IA mejora la interpretación de mamografías

Los programas de detección del cáncer de mama dependen en gran medida de la interpretación de las mamografías por parte de radiólogos, un proceso que requiere mucho tiempo y está sujeto a errores. Si bien los modelos de inteligencia artificial (IA) han demostrado un rendimiento excelente, a veces pueden ser demasiado confiados y poco fiables, lo que dificulta su uso clínico. Ahora, investigadores han desarrollado un enfoque híbrido que combina las estimaciones de certeza de la IA con la revisión por radiólogos, reduciendo la carga de trabajo y manteniendo la precisión de la detección.

Investigadores del Centro Médico Universitario Radboud (Nijmegen, Países Bajos) desarrollaron y probaron esta estrategia de lectura híbrida como parte del Programa Nacional de Detección del Cáncer de Mama de los Países Bajos. Este enfoque utiliza IA para evaluar cada mamografía, generando una probabilidad de malignidad (PdM) y una estimación de la incertidumbre. Los casos considerados seguros por la IA se procesan automáticamente, mientras que los casos inciertos o de alto riesgo son revisados por radiólogos, lo que garantiza la seguridad y la eficiencia.

El estudio analizó 41.469 mamografías de 15.522 mujeres, con 332 cánceres detectados en el cribado y 34 cánceres de intervalo. El conjunto de datos se dividió en dos grupos: uno para establecer umbrales óptimos y otro para la evaluación. Los resultados, publicados en la revista Radiology, muestran que el método híbrido logró una tasa de detección de cáncer de 6,6 por cada 1.000 y una tasa de rellamadas de 23,7 por cada 1.000, ambas comparables con la doble lectura tradicional realizada por radiólogos.

Con este método, el 38 % de los casos fueron clasificados como ciertos y manejados de forma segura solo con IA, lo que redujo en un 38 % la carga de trabajo de los radiólogos. La IA logró una mayor precisión en casos seguros, con un AUC de 0,96 en comparación con 0,87 en casos inciertos, y una sensibilidad casi igual a la doble lectura por radiólogos. Las mujeres más jóvenes con mamas densas tuvieron mayor probabilidad de generar puntajes inciertos por parte de la IA, lo que requirió revisión humana. Si estos resultados se replicaran en la práctica clínica, la decisión de rellamar al 19 % de las mujeres se tomaría mediante IA sin la intervención de un radiólogo.

Los investigadores enfatizan la importancia de la cuantificación de la incertidumbre como herramienta para generar confianza y, potencialmente, resolver la escasez de personal en el cribado del cáncer de mama. Señalan que se necesita una mayor validación, idealmente mediante un ensayo prospectivo, para confirmar sus beneficios en la práctica clínica.

“El uso de IA con cuantificación de la incertidumbre puede ser una posible solución a la escasez de personal y podría ayudar a generar confianza en la implementación de la IA”, afirmó Sarah D. Verboom, candidata a doctorado en el Departamento de Imagen Médica del Centro Médico Universitario Radboud.

 “Creo que en el futuro, podríamos llegar a un punto en el que una parte de las mujeres sean enviadas a casa sin que un radiólogo revise su mamografía, ya que la IA determinará que su examen es normal. Aún no hemos llegado a ese punto, pero creo que podríamos lograrlo con esta métrica de incertidumbre y el control de calidad”, añadió Verboom.

Enlaces relacionados:
Radboud University Medical Center

Visitar la expo >

New

Adjustable Mobile Barrier

M-458

New

Radiation Safety Barrier

RayShield Intensi-Barrier

Digital Radiographic System

OMNERA 300M

High-Precision QA Tool

DEXA Phantom