La IA detecta más cánceres de mama con menos falsos positivos

La mamografía es esencial para reducir la mortalidad por cáncer de mama, pero está asociada con riesgos de resultados falsos positivos. Además, el cribado de mamografía basado en la población impone una carga de trabajo significativa a los radiólogos que deben interpretar una gran cantidad de mamografías. La carga de trabajo aumenta aún más cuando los programas de detección incluyen doble lectura para mejorar las tasas de detección del cáncer y reducir los falsos positivos. En los últimos años, se ha explorado la integración de sistemas de inteligencia artificial (IA) en los exámenes de detección por su potencial para aumentar la precisión y la eficiencia de los exámenes. Al clasificar los resultados probablemente normales y brindar apoyo para la toma de decisiones, la IA puede reducir significativamente la carga de los radiólogos. Ahora, en un nuevo estudio, los radiólogos de mama han demostrado el uso de la IA para mejorar el rendimiento de la detección del cáncer de mama y reducir la incidencia de resultados falsos positivos.

El estudio retrospectivo realizado por investigadores de la Universidad de Copenhague (Copenhague, Dinamarca) evaluó los cambios en la carga de trabajo y los resultados de las pruebas de detección antes y después de la implementación de la IA. Compararon dos grupos de mujeres de 50 a 69 años que se sometieron a mamografías cada dos años en Dinamarca. En el primer grupo, dos radiólogos leyeron las mamografías antes de la implementación de la IA desde octubre de 2020 hasta noviembre de 2021. En el segundo grupo, desde noviembre de 2021 hasta octubre de 2022, las mamografías fueron analizadas inicialmente por IA.

Las mamografías identificadas por AI como probablemente normales se sometieron a una sola lectura por parte de uno de los 19 radiólogos especializados en mama de tiempo completo. Aquellos que no fueron marcados como normales fueron sometidos a una doble lectura por parte de dos radiólogos con apoyo en la toma de decisiones asistida por IA. El sistema de IA empleado, entrenado mediante modelos de aprendizaje profundo, fue diseñado para identificar y evaluar lesiones y calcificaciones sospechosas. Todas las mujeres examinadas fueron seguidas durante al menos 180 días para confirmar cualquier hallazgo de cánceres invasivos o carcinoma ductal in situ (CDIS) mediante biopsia con aguja o muestras quirúrgicas.

En total, se examinó a 60.751 mujeres sin IA y a 58.246 con el sistema de IA. En el grupo de IA, el 66,9 % (38.977) de los exámenes fueron de lectura única y el 33,1 % (19.269) fueron de lectura doble con soporte de IA. El uso de IA condujo a la detección de más cánceres de mama (0,82 % frente a 0,70 %) y a una reducción de las tasas de falsos positivos (1,63 % frente a 2,39 %) en comparación con la detección sin IA. La tasa de recuerdo en el grupo examinado con IA se redujo en un 20,5 % y la carga de trabajo de lectura de los radiólogos disminuyó en un 33,4 %. El valor predictivo positivo de las pruebas de detección con IA también fue mayor (33,5 % frente a 22,5 %). Además, una mayor proporción de los cánceres invasivos detectados en el grupo de IA tenían un tamaño de 1 centímetro o menos (44,93 % frente a 36,60 %). Se necesitan más investigaciones para evaluar los resultados a largo plazo y confirmar que el sobrediagnóstico no aumenta con el uso de IA. Los resultados del estudio se publicaron el 4 de junio de 2024 en Radiology , una revista de la Sociedad Radiológica de América del Norte (RSNA).

"Los radiólogos normalmente tienen acceso a las mamografías de detección previas de las mujeres, pero el sistema de inteligencia artificial no lo tiene", afirmó Andreas D. Lauritzen, Ph.D., estudiante postdoctoral en la Universidad de Copenhague. "Eso es algo en lo que nos gustaría trabajar en el futuro".

Visitar la expo >

Miembro Oro

Solid State Kv/Dose Multi-Sensor

AGMS-DM+

New

FMT Radiographic Suite

AdvantagePlus ML1

CT Phantom

CIRS Model 610 AAPM CT Performance Phantom

Compact C-Arm

Arcovis DRF-C S21