El diagnóstico de cáncer de mama es el resultado de un proceso biológico largo, pero las herramientas de cribado convencionales solo pueden detectar lo que ya es visible.
Un estudio retrospectivo multicéntrico publicado en Radiology, con 158.807 mamografías de cribado de 54.014 mujeres, muestra que los modelos de IA pueden hacer algo distinto: detectar una trayectoria de riesgo creciente años antes de que la lesión sea visible.
El hallazgo central es que el puntaje de riesgo generado por el modelo Mirai diverge de forma estadísticamente significativa entre las mujeres que desarrollarán cáncer y las que no, y esa divergencia es detectable con hasta seis años de anticipación.
Una trayectoria que cuenta más que un número aislado
En las 817 mujeres que desarrollaron cáncer de mama durante el período de observación, la mediana del score de IA subió de 2,1 al inicio del seguimiento a 6,6 en el estudio índice. En las mujeres que permanecieron libres de enfermedad, el score se mantuvo estable entre 1,8 y 2,2 durante todo el período.
Esta diferencia plantea una distinción clínicamente relevante entre riesgo puntual y riesgo dinámico.
Dos mujeres pueden tener el mismo puntaje en un momento dado —digamos, 1,6— pero con trayectorias opuestas: una estable desde hace años, la otra en ascenso. El número aislado no cuenta esa historia. La serie temporal, sí.
Dos mujeres con el mismo score en el mismo estudio pueden tener riesgos futuros completamente distintos si una lleva años con ese número y la otra acaba de alcanzarlo.
Mismo resultado en todas las edades y densidades mamarias
El análisis por subgrupos mostró que la divergencia en las trayectorias de riesgo se mantuvo estadísticamente significativa con independencia de la edad y la densidad mamaria.
Este último punto tiene relevancia práctica directa: la densidad mamaria es un factor que históricamente complica la interpretación del riesgo mamográfico y genera recomendaciones de estudios complementarios.
Que la trayectoria dinámica del score sea informativa con independencia de la densidad sugiere que el modelo capta señales que van más allá de esa variable, lo que amplía el rango de pacientes para las que este enfoque podría ser útil.
El umbral que la dinámica complementa
Las guías de la NCCN y la USPSTF establecen un umbral de riesgo del 1,7% a cinco años para definir qué mujeres requieren estrategias de cribado intensificadas. El enfoque dinámico no reemplaza ese umbral sino que añade una dimensión: una mujer con un score de 1,6 estable durante años está en una situación diferente a otra con el mismo número pero con tendencia ascendente marcada.
Constance Lehman, investigadora de Harvard y autora principal del estudio, señala que este modelo de estratificación dinámica permite actuar con mayor precisión dentro de las categorías existentes de riesgo, incluyendo a mujeres que técnicamente quedan por debajo del umbral pero muestran una curva en ascenso.
El score dinámico no reemplaza el umbral clínico: lo complementa. La trayectoria es la información que el número aislado no puede dar.
Una lectura para la práctica clínica
El estudio amplía el rol potencial del radiólogo en el ciclo de atención de la mujer en cribado. Si el score de IA sobre mamografías de rutina puede anticipar tendencias de riesgo con años de adelanto, la imagen de cribado deja de ser solo una herramienta de detección para convertirse también en una herramienta de prevención y estratificación prospectiva.
El diseño retrospectivo del estudio y la ausencia de datos sobre impacto en intervenciones —mayor densidad de cribado, quimioprevención u otras medidas— son las limitaciones que los estudios prospectivos deberán responder. Ese paso es el que puede consolidar este enfoque como estándar en la práctica clínica.
Este artículo se basa en un estudio publicado en Radiology.
0 comentarios