El cáncer de mama sigue siendo el más diagnosticado en mujeres en España, y el segundo en la clasificación general que incluye a hombres, según los datos que ofrece un informe de la Sociedad Española de Oncología Médica (SEOM). Afortunadamente, la tasa de supervivencia continúa al alza, pero aún así sigue siendo el tumor más mortal para las mujeres: en 2020 fallecieron 6.572 provocadas por culpa de un carcinoma mamario y es responsable de un 7% de las muertes mundiales por cáncer. Por eso es necesario un diagnóstico lo más precoz y fiable posible, y en ese sentido la Inteligencia Artificial puede ser decisiva.

[Este invento español detecta el cáncer de mama en la orina y se puede usar en casa]

Las herramientas de IA y aprendizaje profundo se llevan utilizando en medicina desde hace años, en este caso para cribar las mamografías y ayudar a los profesionales de la radiología. De hecho, en 2020 una IA de Google demostró mayor precisión que los especialistas humanos a la hora de identificar correctamente este tipo de tumores. Sin embargo, todavía hay quien pone en duda su eficacia en casos reales y, por otro lado, también hay quien cree que los algoritmos están destinados a sustituir a médicos y radiólogos por completo.

Como desvela un estudio publicado en The Lancet Digital Health, ni una cosa ni la otra: como mejor funciona la IA es en estrecha colaboración con los médicos, como una herramienta más. Esa conjunción logra una mejora en la tasa de éxito de los diagnósticos y una disminución significativa en los falsos positivos y negativos que lo que ofrece cada uno por separado.

La unión hace la fuerza
Se trata del primer estudio a gran escala que obtiene conclusiones comparando el rendimiento de una IA por su cuenta con los resultados que ofrece cuando ayuda a un experto humano en el cribado del cáncer de mama. Es la manera más efectiva, aunque no infalible, de evitar que se pasen por alto diagnósticos positivos, además de aminorar la carga de trabajo de los radiólogos y mejorar las condiciones de las ciudades y países donde hay escasez de especialistas.

Los algoritmos y sistemas empleados en el estudio corresponden a Vara, una empresa alemana que ha conseguido implantarse en una cuarta parte de los hospitales de su país y también tiene presencia en hospitales de México y Atenas (Grecia).

Con la colaboración de radiólogos del Hospital Universitario de Essen (Alemania) y del Memorial Sloan Kettering Cancer Center de Nueva York, uno de los mejores hospitales del mundo especializados en cáncer, el equipo de Vara puso a prueba dos enfoques distintos. En el primero, todo el trabajo recae en la IA, que analiza las mamografías por su cuenta. En el segundo, la IA divide automáticamente las pruebas entre las que califica como normales y las que son sospechosas de positivo y deben ser revisadas. Estas últimas son remitidas a un radiólogo para que las revise antes de comprobar la evaluación de la IA. Si el médico no encuentra nada, la IA emite una advertencia para señalar la diferencia de criterio.

Lo que necesita cualquier inteligencia artificial son grandes cantidades de datos y un período de ‘entrenamiento’. Para entrenar a la IA de Vara se utilizaron más de 367.000 mamografías, con el objetivo de que la red neuronal aprendiera a colocar cada exploración en alguno de los tres grupos previamente seleccionados: normal, no seguro y cáncer seguro. Una vez obtenidos los resultados, se compararon con las decisiones que los radiólogos humanos tomaron sobre 82.851 mamografías procedentes de otros centros de cribado.

[Este algoritmo sabe horas antes que el médico los pacientes que morirán por una infección]

Cuando el médico y la IA trabajaron juntos, la detección del cáncer tuvo una tasa de acierto un 2,6% superior a la obtenida por los radiólogos o la IA en solitario, además de reducir sensiblemente la tasa de falsos positivos. Para obtener esas mejoras fue clave que se descartaran automáticamente las mamografías clasificadas como normales, un 63% del total, lo que implica una importante reducción en la carga de trabajo de los profesionales, que se pueden centrar en los casos sospechosos.

Cabe recordar que los radiólogos pasan por alto 1 de cada 8 cánceres, algo comprensible y provocado en muchos casos por el exceso de trabajo o el cansancio. Incluso la hora del día a la que se realiza el análisis afecta a la precisión y la capacidad de los radiólogos para identificar una prueba como positiva o negativa. Además, las mamografías tienen una sensibilidad reducida, de entre el 62% y el 68%, en mujeres con tejido mamario denso, que se encuentra especialmente en las pacientes más jóvenes.

Aprendizaje profundo
El autor principal del estudio y director de aprendizaje automático en Vara, Christian Leibig, afirma que “las mamografías de mamas sanas y cancerosas pueden tener un aspecto muy similar, y ambos tipos de exploraciones pueden presentar una amplia gama de resultados visuales”. Esto dificulta el entrenamiento de la IA, al igual que la baja prevalencia del cáncer en las exploraciones mamarias, que en Alemania es de aproximadamente seis de cada 1.000.

Por lo general, las herramientas de IA destacan especialmente en la clasificación de imágenes, y por eso se utilizan también para diagnosticar otros tipos de tumores y enfermedades que se detectan a través de pruebas de imagen. Aún así, la IA por sí sola no es capaz de determinar si alguien tiene cáncer, porque para que eso suceda tiene que intervenir siempre un médico. Para confirmar definitivamente el diagnóstico y antes de la cirugía o el tratamiento, también es imprescindible extraer y analizar el tejido en lo que se conoce como biopsia.

Hasta la fecha, los intentos de sustituir totalmente a los radiólogos por una inteligencia artificial no han prosperado. Un estudio descubrió en 2021 que, en 34 de 36 estudios, la IA obtuvo peores resultados que un radiólogo en la detección de cáncer de mama a partir de mamografías. Y los 36 fueron menos precisos que el consenso de dos radiólogos, que exigen países como Alemania para notificar una prueba como positiva.

Lo realmente innovador del paper publicado ahora en The Lancet y de la inteligencia artificial de Vara es que consigue que tres cuartas partes de las mamografías sean descartadas directamente por la IA, sin necesidad de revisión por parte de un radiólogo, además de la mejora general en la precisión.

Es un método que podría ayudar a descongestionar las listas de espera y la gran carga de trabajo de los especialistas, y sería especialmente útil en países en vías de desarrollo, donde la escasez de equipos y profesionales provoca que las tasas de mortalidad sigan siendo altas ante la falta de diagnósticos precoces.