Un ensayo clínico sueco con más de 100.000 mujeres muestra que la IA en el cribado mamográfico detecta más cánceres relevantes y reduce un 12 % los tumores de intervalo sin aumentar falsos positivos.
La inteligencia artificial (IA) da un paso relevante en el cribado poblacional del cáncer de mama. Un ensayo clínico aleatorizado con más de 100.000 mujeres en Suecia demuestra que el uso de IA en la lectura de mamografías permite identificar más tumores clínicamente relevantes, reducir los cánceres de intervalo y aliviar la carga asistencial de los radiólogos, sin incrementar los falsos positivos.
Los resultados, publicados en The Lancet, proceden del estudio MASAI, el primero de estas características realizado a gran escala en un entorno real de cribado.
Entre abril de 2021 y diciembre de 2022, más de 100.000 mujeres fueron asignadas de forma aleatoria a dos estrategias: cribado mamográfico asistido por IA o el procedimiento estándar de doble lectura, en el que dos radiólogos evalúan cada mamografía sin apoyo algorítmico.
El grupo con IA registró una reducción del 12% en la tasa de cánceres de intervalo, aquellos tumores que aparecen entre rondas de cribado y que suelen asociarse a mayor agresividad y peor pronóstico.
Para Ignacio Miranda Gómez, responsable de la Unidad de Diagnóstico por Imagen de Mama del International Breast Cancer Center (IBCC) y del Centro Médico Teknon, el principal valor del estudio reside en su diseño. «El ensayo MASAI destaca por ser aleatorizado, prospectivo y a gran escala, comparado directamente con la doble lectura convencional en un programa poblacional. Esto le confiere un nivel de evidencia claramente superior al de estudios previos de validación técnica», subraya al SMC España.
Desde el punto de vista clínico, el estudio va más allá de los indicadores habituales del cribado, como la tasa de detección o el número de rellamadas. Según Miranda, «analiza objetivos realmente relevantes, como la reducción de cánceres de intervalo, el estadio tumoral, la agresividad biológica y el impacto sobre la carga de trabajo», un enfoque poco frecuente en este tipo de investigaciones.
Los resultados muestran que la IA no solo detecta más cánceres, sino que los identifica antes. El cribado asistido por algoritmos se asoció a una disminución de tumores invasivos de mayor tamaño y de subtipos biológicamente más agresivos. «Esto sugiere que la IA mejora la identificación de lesiones sutiles, difíciles de valorar para el ojo humano, logrando una detección más precoz y en fases biológicamente más favorables», explica el especialista.
Uno de los puntos clave es que esta mejora diagnóstica no se produce a costa de un aumento de falsos positivos. Las tasas se mantuvieron en torno al 1,5%, un dato que, según Miranda, «evita la sobrecarga del sistema, reduce la ansiedad de las pacientes y refuerza la idea de que la IA actúa como una herramienta de discriminación específica, no como un amplificador indiscriminado de sospechas».
El estudio también plantea un nuevo modelo organizativo para los servicios de radiología. La IA se integra en el flujo de trabajo como herramienta de triaje, permitiendo clasificar los casos de bajo riesgo y concentrar la doble lectura humana en los estudios con mayor probabilidad de malignidad.
Este enfoque se tradujo en una reducción previa del 44% de la carga de lectura, un aspecto especialmente relevante en un contexto de escasez de radiólogos especializados en mama. «No se trata de sustituir al radiólogo, sino de redefinir de forma realista su papel y optimizar el tiempo para los casos complejos», apunta Miranda.
Pese a sus resultados, el ensayo presenta limitaciones. Se ha realizado exclusivamente en Suecia, con un único sistema de IA, un tipo concreto de mamógrafo y radiólogos con experiencia moderada-alta, lo que podría limitar la extrapolación a otros entornos sanitarios. Además, no se analizaron variables como raza o etnia, ni se evaluaron desenlaces a largo plazo o el coste-efectividad de la implantación de la IA.
Aun así, el potencial impacto es amplio. «Si estos resultados se confirman, clínicamente permitirían una detección más temprana y una posible reducción de la mortalidad; para los sistemas sanitarios supondrían una mejora de la eficiencia y un alivio de la carga asistencial; y a nivel profesional exigirían formación específica en IA y marcos regulatorios claros», señala Miranda.