Fuente: www.gacetamedica.com
Un tipo sofisticado de inteligencia artificial (IA) puede superar los modelos existentes basados en mamografías periódicas al predecir qué mujeres tienen un riesgo futuro de cáncer de mama, según un estudio publicado en la revista ‘Radiology’.
Recomiendan revisiones cada dos años a las mujeres que han tenido falsos positivos en una mamografía
La mayoría de los programas de detección de cáncer de mama existentes se basan en mamografías a intervalos de tiempo similares, generalmente, anualmente o cada dos años, para todas las mujeres. Este enfoque de ‘talla única’ no está optimizado para la detección del cáncer a nivel individual y puede dificultar la efectividad de los programas de detección.
“La predicción del riesgo es un componente importante de una política de detección adaptada individualmente -señala la autora principal del estudio, Karin Dembrower, radióloga de mama y doctorada candidata del Instituto Karolinska en Estocolmo (Suecia)-. La predicción efectiva del riesgo puede mejorar la asistencia y la confianza en los programas de detección”. La alta densidad mamaria, o una mayor cantidad de tejido glandular y conectivo en comparación con la grasa, se considera un factor de riesgo de cáncer.
Si bien la densidad puede incorporarse en la evaluación de riesgos, los modelos de predicción actuales pueden no aprovechar al máximo toda la rica información que se encuentra en las mamografías. Esta información tiene el potencial de identificar a las mujeres que se beneficiarían de un examen adicional con resonancia magnética.
La doctora Dembrower y sus colegas desarrollaron un modelo de riesgo que se basa en una red neuronal profunda, un tipo de IA que puede extraer grandes cantidades de información de las imágenes mamográficas. Tiene ventajas inherentes sobre otros métodos, como la evaluación visual de la densidad mamográfica por parte del radiólogo, que puede no ser capaz de capturar toda la información relevante para el riesgo en la imagen.
Un nuevo modelo más preciso
El nuevo modelo fue desarrollado y entrenado en mamografías de casos diagnosticados entre 2008 y 2012 y luego se estudió en más de 2.000 mujeres de 40 a 74 años que se habían sometido a una mamografía en el sistema del Hospital Universitario Karolinska. De las 2.283 mujeres en el estudio, 278 fueron diagnosticadas más tarde con cáncer de mama.
La red neuronal profunda mostró una asociación de mayor riesgo de cáncer en comparación con el mejor modelo de densidad mamográfica. La tasa de falsos negativos, la tasa a la que las mujeres que no fueron clasificadas como de alto riesgo fueron luego diagnosticadas con cáncer de mama, fue menor para la red neuronal profunda que para el mejor modelo de densidad mamográfica.
“La red neuronal profunda en general fue mejor que los modelos basados en la densidad -asegura la doctora Dembrower-. Y no tenía el mismo sesgo que el modelo basado en la densidad. Su precisión predictiva no se vio afectada negativamente por los subtipos de cáncer más agresivos”.
Los hallazgos del estudio respaldan un papel futuro para la IA en la evaluación del riesgo de cáncer de mama. “Actualmente no estamos informando la densidad mamográfica -apunta Dembrower-. En la introducción del cribado adaptado individualmente utilizamos redes de aprendizaje profundo capacitadas para predecir el cáncer en lugar de tomar la ruta indirecta que ofrece la densidad”. Como beneficio adicional, el enfoque de IA puede mejorarse continuamente con la exposición a más conjuntos de datos de alta calidad.
“Nuestros expertos en aprendizaje profundo en el Royal Institute of Technology en Estocolmo están trabajando en una actualización del modelo -avanza la doctora-. Después de eso, nuestro objetivo es probar el modelo clínicamente el próximo año ofreciendo resonancia magnética a las mujeres que más se beneficiarán”.
