La densidad mamaria se usa desde hace años como una señal de alerta en el cribado del cáncer de mama. Se sabe que puede asociarse con mayor riesgo y también dificultar la visualización de algunas lesiones en mamografía. Pero un nuevo estudio publicado en JAMA Network Open sugiere que esa información, por sí sola, puede quedarse corta cuando se intenta estimar quién desarrollará cáncer en los años siguientes.
Según los autores, un modelo de inteligencia artificial aplicado directamente a la mamografía logró una discriminación del riesgo claramente superior a la clasificación convencional de densidad.
Un estudio grande para una duda muy concreta
La investigación analizó más de 123 mil mamografías de cribado correspondientes a más de 67 mil mujeres atendidas en cinco centros de un gran sistema académico.
El objetivo fue comparar dos formas de estimar riesgo futuro: por un lado, la densidad mamaria informada por radiólogos según BI-RADS; por otro, Mirai, un modelo de deep learning diseñado para calcular el riesgo de cáncer de mama a partir de la propia imagen mamográfica.
El estudio evaluó tanto el riesgo de cáncer en los cinco años posteriores como la probabilidad de mamografías falsamente negativas.
La diferencia principal no estuvo en la densidad
El hallazgo central fue que el modelo de IA discriminó mucho mejor qué pacientes desarrollarían cáncer en los años siguientes. En términos estadísticos, alcanzó un AUROC de 0,71, frente a 0,53 para la densidad mamaria.
Traducido a la práctica, esto significa que la densidad sola funcionó como un marcador bastante limitado, mientras que la IA ofreció una estratificación más precisa del riesgo individual. Además, sumar la densidad al modelo no mejoró de forma significativa su rendimiento.
Por qué esto importa en la práctica clínica
Una de las implicancias más importantes del estudio es que cuestiona el uso de la densidad mamaria como criterio casi automático para decidir estudios suplementarios. El trabajo mostró que el modelo seguía siendo predictivo tanto en mujeres con mamas densas como en aquellas con mamas no densas.
Esto sugiere que una política basada solo en densidad puede dejar afuera a mujeres sin mamas densas pero con riesgo alto, y al mismo tiempo derivar a estudios adicionales a otras con mamas densas pero riesgo bajo. Los autores plantean que la IA podría ayudar a seleccionar mejor a quién conviene ofrecer resonancia o ecografía complementaria.
También ayuda a entender mejor los falsos negativos
El estudio no niega que la densidad mamaria siga siendo importante. De hecho, las mamografías falsamente negativas fueron más frecuentes en mamas densas. Pero el análisis mostró que el riesgo no se distribuía de forma uniforme dentro de ese grupo.
La IA permitió separar mejor a las pacientes con mayor probabilidad de tener un cáncer pasado por alto del resto. En ese sentido, el trabajo no elimina el valor clínico de la densidad, pero sí sugiere que no debería ser el único filtro para decidir vigilancia adicional.
Mamografía y resonancia magnética mamaria de una mujer de 40 años con antecedente remoto de carcinoma ductal invasivo de mama izquierda.
(A y B) La mamografía de cribado izquierda muestra tejido fibroglandular disperso y cambios posquirúrgicos, interpretados como benignos. El puntaje de riesgo a 5 años de Mirai al momento de la mamografía fue alto (3,6%).
(C) La RM de cribado de alto riesgo, realizada 6 meses después, demostró realce no masa en el lecho quirúrgico de la mama izquierda, visible en la imagen axial T1 sustraída poscontraste (punta de flecha).
La biopsia posterior guiada por RM reveló un carcinoma ductal invasivo grado 2, receptor de estrógeno positivo, receptor de progesterona positivo y HER2 negativo. (Imagen: JAMA Network.)
Un paso hacia un cribado más personalizado
El mensaje de fondo es claro: la mamografía contiene mucha más información pronóstica que la que hoy se aprovecha cuando la lectura de riesgo se resume solo en “mama densa” o “mama no densa”. Modelos como Mirai intentan capturar esa información invisible para construir una evaluación más individualizada.
Todavía faltan estudios prospectivos y decisiones regulatorias antes de que esto cambie la práctica habitual, pero el trabajo refuerza una idea cada vez más fuerte en imagen mamaria: el futuro del cribado probablemente será menos binario y más personalizado.
Para más detalles puede visitar JAMA Network.
0 comentarios