Inteligencia artificial en mamografía: mejora el enfoque diagnóstico sin alterar la precisión ni el tiempo de lectura
Un nuevo estudio publicado en la revista Radiology sugiere que el uso de inteligencia artificial (IA) como herramienta complementaria en mamografía no solo mejora sutilmente la precisión en la detección del cáncer de mama, sino que también modifica el comportamiento visual de los radiólogos, ayudándolos a enfocar su atención más intensamente en las regiones sospechosas.
Aunque no se observaron diferencias significativas en sensibilidad, especificidad ni en el tiempo total de lectura, los investigadores hallaron que la IA permite una lectura más dirigida, aumentando el tiempo de fijación ocular sobre lesiones y reduciendo la exploración de zonas no relevantes.
Un experimento con trazado ocular y apoyo algorítmico
El estudio retrospectivo se llevó a cabo con la participación de 12 radiólogos especializados en mamografía, provenientes de 10 instituciones diferentes, con entre 4 y 32 años de experiencia. Evaluaron un total de 150 mamografías de cribado, con y sin presencia de cáncer, tanto de forma asistida como no asistida por IA.
Para ello, se utilizó el software Transpara (versión 2.1.0, ScreenPoint Medical), aprobado por la FDA y con certificación CE en Europa, el cual asigna un puntaje de sospecha a regiones mamarias, indicando la probabilidad de malignidad.
Además, se empleó tecnología de seguimiento ocular para registrar con precisión cómo variaban los patrones de búsqueda visual en cada modalidad.
Precisión diagnóstica sin diferencias estadísticas
Los resultados mostraron que la sensibilidad y la especificidad fueron similares entre las lecturas asistidas y no asistidas por IA, así como el tiempo promedio por caso (alrededor de 30 segundos).
No se observó una ventaja estadísticamente significativa en la detección de cáncer de mama en términos de métricas tradicionales.
Sin embargo, al observar el área bajo la curva (AUC), hubo un incremento del 4 % con el uso de IA, sugiriendo una mejora modesta pero consistente en el rendimiento diagnóstico global.
Cambios en la estrategia visual del radiólogo
Lo más relevante del estudio fue el hallazgo de un cambio conductual en el modo en que los radiólogos exploraron las imágenes.
Con apoyo de IA, pasaron menos tiempo escaneando toda la mama y más tiempo enfocados específicamente en las regiones marcadas como sospechosas.
Específicamente, la cobertura visual del tejido mamario bajó de un 11,1 % a un 9,5 %, mientras que el tiempo de fijación en las zonas de lesión aumentó de 4,4 a 5,4 segundos. Este patrón sugiere que la IA actúa como una guía que dirige la mirada hacia las áreas más relevantes, sin interferir en el juicio clínico.
Una búsqueda más eficiente, no más rápida
Contrario a lo que podría suponerse, el uso de IA no redujo el tiempo total de lectura. Esto indica que los profesionales no leen más rápido, sino de manera más eficiente: dedican el mismo tiempo, pero lo distribuyen mejor entre las regiones más sospechosas.
Según los autores, este cambio en la estrategia visual puede deberse a que, en una primera fase, los radiólogos mantienen su patrón habitual de búsqueda, y solo luego activan las marcas sugeridas por la IA, enfocando entonces su atención en esas áreas destacadas.
El efecto del contexto: un conjunto de datos con mayor prevalencia
Los investigadores reconocen que el conjunto de mamografías utilizado contenía una mayor proporción de casos con cáncer que la que se encuentra en programas de tamizaje reales. Esta “enriquecida prevalencia” podría haber influido en la conducta de los lectores, aumentando su expectativa de encontrar hallazgos positivos.
En un editorial adjunto, el Dr. Jeremy Wolfe —experto en percepción visual y radiología— subrayó la importancia de evaluar estos sistemas en contextos clínicos reales, donde la prevalencia de enfermedad es menor. También remarcó que la investigación del comportamiento visual debe ser parte esencial en la validación de tecnologías asistidas por IA.
IA como aliada conductual, no solo analítica
Este estudio abre una nueva dimensión en la evaluación de sistemas de inteligencia artificial en radiología. Más allá de su capacidad para detectar patrones, lo interesante es cómo la IA modifica —de forma sutil pero significativa— el comportamiento del radiólogo, influenciando su mirada y su modo de análisis.
Al reducir la dispersión de la atención y concentrarla en zonas de mayor relevancia clínica, la IA no sustituye al profesional, sino que actúa como un apoyo silencioso que optimiza la exploración visual.
Implicancias para la práctica clínica y futura investigación
Estos hallazgos respaldan el valor de integrar herramientas de IA en el flujo de trabajo de la mamografía de cribado, no como reemplazo, sino como complemento inteligente. El hecho de que no aumente el tiempo de lectura ni comprometa la precisión sugiere que podría incorporarse sin afectar la eficiencia del sistema.
Además, estudios futuros deberían explorar el impacto de la IA en poblaciones reales, con baja prevalencia de cáncer, para evaluar si los cambios de comportamiento observados se sostienen en contextos cotidianos.
También sería relevante investigar si este enfoque más focalizado reduce el número de falsos negativos o mejora la detección precoz en casos difíciles.
Para conocer más sobre esta investigación puede visitar Radiology y acceder al artículo completo.
0 comentarios