Así lo han corroborado los doctores Regina Barzilay, experta en IA en el Instituto de Tecnología de Massachusetts (EEUU), Mikael Eriksson, especialista en IA en el Instituto de Tecnología de Massachusetts (EEUU), y José Enrique Alés, oncólogo del Complejo Asistencial de Ávila Hospital Nuestra Señora de Sonsoles durante la 15ª Revisión Anual Geicam de Avances en Cáncer de Mama (RAGMA22).

Barzilay ha sido la encargada de exponer los resultados del nuevo modelo de evaluación del riesgo MIRAI desarrollado por el Instituto de Tecnología de Massachusetts (MIT), que ha sido probado en ocho países.

Dicho modelo analiza mamografías de los pacientes, las coteja con un histórico de cientos de miles de estas pruebas y predice el riesgo de desarrollar la enfermedad hasta cinco años antes de que se presente, con lo que permite identificar a aquellas personas que se beneficiarán de exámenes de detección adicionales.

Lo cual “ayudará a la prevención y detección temprana de la enfermedad y a una personalización de estas pruebas de detección”, ha señalado la experta, quien ha advertido, no obstante, de que se necesitan ensayos prospectivos para confirmar el beneficio de la identificación de cohortes de alto riesgo y establecer directrices basadas en MIRAI”.

En su opinión, los modelos que ayuden a la interpretación de las mamografías de cribado serán los primeros en ser adoptados de forma generalizada; no obstante, uno de los grandes retos es lograr aplicarlos en la práctica clínica, por lo que ha abogado por acercarlos a los profesionales sanitarios y desarrollar protocolos clínicos para ser utilizados de manera efectiva.

Mientras, Eriksson se ha centrado en la tomosíntesis digital de mama (DBT, por sus siglas en inglés), también conocida como mamografía 3-D, que en este caso lo predice durante el año siguiente a haberse sometido a una prueba de detección con resultado negativo.

Hay dos grupos de pacientes con peor pronóstico: las que no se detectan en mamografías rutinarias -entre el 15 y el 25 % de los casos escapan a estos exámenes- y los que son detectados en cribado pero en un estado avanzado -que suponen entre el 20 y el 30 %.

La tomosíntesis digital está diseñada para identificar a las mujeres de estos dos grupos: esta herramienta usa la inteligencia artificial para extraer información adicional sobre el riesgo de las pacientes basándose en una mamografía de cribado regular y, según el experto, su precisión tiene el potencial de ayudar a los radiólogos a identificar mejor a las que pueden beneficiarse de exámenes de detección adicionales.

Por su parte, Aldés se ha referido a la escasez del uso de fármacos que han demostrado en varios estudios la posibilidad de disminuir la incidencia, aunque “la falta de información, los efectos secundarios o el poco interés oficial y comercial” han hecho que sea una estrategia muy poco utilizada en el mundo real.

Sin embargo, la aparición de nuevas herramientas de predicción del riesgo basadas en la IA, junto al mejor conocimiento de los mecanismos moleculares que dan lugar al cáncer de mama, hacen posible que, “a medio plazo, nos hagan poder abrir un nuevo capítulo de esta historia de la prevención, probablemente con mayor éxito”