Los científicos han demostrado que la inteligencia artificial es más potente que el método estándar para predecir la probabilidad de que una paciente desarrolle cáncer de mama.
Como es habitual para predecir el riesgo, los proveedores suelen utilizar un modelo que incorpora datos tales como la edad de la mujer, sus antecedentes familiares en relación a la enfermedad, embarazo, lactancia o la densidad de su tejido mamario.
Recientemente, expertos de Kaiser Permanente – una compañía estadounidense que brinda servicios de atención y diagnóstico médico – se propusieron comprobar si la Inteligencia Artificial (IA) podría realizar la misma tarea utilizando únicamente un examen de mama negativo, es decir, sin que presente ninguna anormalidad imagenológica.
Sus resultados, publicados en la revista científica Radiology
Los resultados demuestran que se pueden lograr mejores resultados predictivos utilizando incluso menos datos.
“Los modelos de riesgo clínico dependen de la recopilación de información de diferentes fuentes, que no siempre está disponible o recopilada”, dijo el investigador principal Dr. en Radiología Vignesh del centro de salud KP Northern California, en un anuncio de RSNA.
“Los recientes avances en el aprendizaje profundo de IA nos proporcionan la capacidad de extraer de cientos a miles de características mamográficas adicionales” que serían muy complejo de analizar del modo tradicional.
¿Cómo lo hicieron?
Para el estudio, los investigadores recopilaron información de todas las mujeres con exámenes de detección negativos que se sometieron a pruebas de imagen en el citado centro diagnóstico en el año 2016.
Luego, realizaron un seguimiento de sus resultados hasta 2021, excluyendo a aquellas con cáncer de mama previo o mutaciones genéticas, alcanzando una muestra final de más de 324.000 pacientes.
Seleccionaron una cohorte aleatoria de 13.600 mujeres de ese conjunto de datos y la combinaron con otras 4.600 del grupo de elegibilidad que habían sido diagnosticadas de cáncer de mama desde 2016.
El equipo utilizó las mamografías originales realizadas en 2016 para probar el rendimiento de cinco algoritmos de IA, incluyendo dos del mundo académico y tres del mercado comercial.
La comparación de los resultados con el modelo de riesgo del Consorcio de Vigilancia del Cáncer de Mama (Breast Cancer Surveillance Consortium, BCSC) reveló una clara ventaja de la inteligencia artificial.
En palabras de los expertos
“Los cinco algoritmos de IA obtuvieron mejores resultados que el modelo de riesgo del BCSC en la predicción del riesgo de cáncer de mama de 0 a 5 años”, afirma Arasu en el anuncio.
“Este fuerte rendimiento predictivo durante el período de cinco años sugiere que la IA está identificando tanto cánceres omitidos como características del tejido mamario que ayudan a predecir el desarrollo futuro del cáncer.
Hay algo en las mamografías que nos permite rastrear el riesgo de cáncer de mama. Esta es la ‘caja negra’ de la IA”.
Centrándose en los individuos con el 10% de riesgo más alto, la IA fue capaz de predecir el 28% de los cánceres, frente al 21% del modelo de riesgo. El rendimiento de la inteligencia artificial pareciera disminuir con horizontes temporales superiores a los cinco años.
Sin embargo, la mayoría de los algoritmos utilizados para el estudio aún no se habían entrenado con datos específicos para esta investigación, “lo que sugiere una gran oportunidad para seguir mejorando”, señala el estudio.
“Además, la IA ofrece una forma eficaz de estratificar a las mujeres en función de consideraciones clínicas que requieren horizontes temporales más cortos” como la realización de estudios complementarios basados en riesgos, concluye el estudio.
“El impacto de los modelos de IA en las decisiones clínicas que requieren la predicción del riesgo más allá de cinco años requiere más estudios de cohortes con un seguimiento más prolongado”.
“La IA para la predicción del riesgo de cáncer nos ofrece la oportunidad de individualizar la atención de cada mujer, algo que no está sistemáticamente disponible”, finaliza el Dr. Arasu.
Para conocer más sobre este tema recomendamos leer el comunicado de Prensa de la RSNA y acceder al artículo completo publicado en Radiology.
0 comentarios