Revolucionando la detección de Cáncer de Mama: La Inteligencia Artificial demuestra su equiparación con lectores humanos en mamografías de control.
Investigadores en el Reino Unido, mediante una evaluación estandarizada, compararon el rendimiento de un algoritmo de inteligencia artificial (IA) disponible comercialmente con los lectores humanos de mamografías de control.
Los resultados de su investigación fueron publicados en Radiology, la revista de la Radiological Society of North America (RSNA).
La mamografía de control no detecta todos los casos de cáncer de mama, y las interpretaciones falsas positivas pueden llevar a que mujeres sin cáncer se sometan a imágenes y biopsias innecesarias.
Una solución para mejorar la sensibilidad y especificidad de la mamografía de control es contar con dos lectores para interpretar cada mamografía.
Según los investigadores, la doble lectura aumenta las tasas de detección de cáncer en un 6 a 15% y mantiene bajas las tasas de repetición. Sin embargo, esta estrategia es intensiva en mano de obra y difícil de lograr durante escasez de lectores.
Sobre la investigación
“Hay mucha presión para implementar rápidamente la IA para resolver estos problemas, pero necesitamos hacerlo bien para proteger la salud de las mujeres”, dijo la Dra. Yan Chen, de la Universidad de Nottingham.
El equipo de investigación de la Dra. Chen utilizó conjuntos de pruebas del programa de evaluación de calidad Personal Performance in Mammographic Screening (PERFORMS) utilizado por el Programa de Tamizaje de Cáncer de Mama del Servicio Nacional de Salud del Reino Unido (NHSBSP) para comparar el rendimiento de los lectores humanos con la IA.
Cada prueba PERFORMS consta de 60 exámenes desafiantes del NHSBSP con hallazgos anormales, benignos y normales. Para cada mamografía de prueba, la puntuación del lector se compara con los resultados de la IA.
“Es muy importante que los lectores humanos que trabajan en la detección de cáncer de mama demuestren un rendimiento satisfactorio”, dijo. “Lo mismo será cierto para la IA una vez que entre en la práctica clínica”.
El equipo de investigación utilizó datos de dos conjuntos de pruebas consecutivas de PERFORMS, o 120 mamografías de control, y los mismos dos conjuntos para evaluar el rendimiento del algoritmo de IA.
Veamos los datos numéricos
Los investigadores compararon las puntuaciones de las pruebas de inteligencia artificial con las puntuaciones de los 552 lectores humanos, incluidos 315 (57%) radiólogos certificados y 237 lectores no radiólogos que consisten en 206 técnicos radiólogos y 31 especialistas en mama.
“Los 552 lectores en nuestro estudio representan el 68% de los lectores en el NHSBSP, por lo que esto proporciona una comparación de rendimiento robusta entre los lectores humanos y la IA”, dijo la Prof. Chen.
Tratando cada seno por separado, hubo 161/240 (67%) senos normales, 70/240 (29%) senos con malignidades y 9/240 (4%) senos benignos.
Las masas fueron la característica maligna más común en mamografías (45/70 o 64.3%), seguidas por calcificaciones (9/70 o 12.9%), asimetrías (8/70 o 11.4%) y distorsiones arquitectónicas (8/70 o 11.4%). El tamaño promedio de las lesiones malignas fue de 15.5 mm.
No se observaron diferencias en el rendimiento entre la IA y los lectores humanos en la detección de cáncer de mama en 120 exámenes
El rendimiento del lector humano demostró una sensibilidad media del 90% y una especificidad del 76%. La IA fue comparable en sensibilidad (91%) y especificidad (77%) en comparación con los lectores humanos.
“Los resultados de este estudio proporcionan evidencia sólida de que la IA para la detección de cáncer de mama puede rendir tan bien como los lectores humanos”, dijo la Dra. Chen, quien también afirmó que se necesita más investigación antes de que la IA pueda utilizarse como segundo lector en la práctica clínica.
“Creo que es demasiado pronto para decir exactamente cómo utilizaremos la IA en la detección de cáncer de mama”, dijo.
“Los grandes ensayos clínicos prospectivos que están en curso nos dirán más. Pero, sin importar cómo utilicemos la IA, la capacidad de proporcionar un monitoreo continuo del rendimiento será crucial para su éxito”.
Una mirada al futuro
La Dra. Chen señaló que es importante reconocer que el rendimiento de la IA puede cambiar con el tiempo y que los algoritmos pueden verse afectados por cambios en el entorno operativo.
“Es vital que los centros de imágenes tengan un proceso para monitorear continuamente la IA una vez que forme parte de la práctica clínica”, dijo.
“No hay otros estudios hasta la fecha que hayan comparado un número tan grande de lectores humanos en conjuntos de pruebas de calidad de rutina con la IA, por lo que este estudio puede servir como un modelo para evaluar el rendimiento de la IA en un entorno del mundo real”.
Para conocer más sobre este tema recomendamos visitar Radiology y acceder al artículo completo donde también encontrará esta imagen. Del mismo modo podrá acceder al comunicado de prensa publicado por RSNA.
0 comentarios