IA supera al modelo de riesgo estándar para predecir cáncer de mama

En el estudio retrospectivo, los investigadores de Kaiser Permanente Northern California (Oakland, CA, EUA) usaron datos de mamografías 2D de detección negativas (que no indicaban signos visibles de cáncer) realizadas en 2016. De las 324.009 mujeres elegibles examinadas ese año, se seleccionó aleatoriamente un subgrupo de 13.628 mujeres para examinarlas. Además, las 4.584 pacientes a las que se les diagnosticó cáncer dentro de los cinco años posteriores a su mamografía de 2016 también se incluyeron en el estudio. Todas las mujeres fueron monitoreadas hasta 2021. Los investigadores dividieron la duración del estudio de cinco años en tres marcos de tiempo separados: riesgo de cáncer de intervalo (diagnósticos entre 0 y 1 año), riesgo de cáncer futuro (diagnósticos entre 1 y 5 años) y todo riesgo de cáncer (diagnósticos entre 0 y 5 años).

Se emplearon cinco algoritmos de IA, incluidos dos utilizados por investigadores y tres disponibles comercialmente, para generar puntajes de riesgo de cáncer de mama durante el período de cinco años utilizando las mamografías de detección de 2016. Estos puntajes de riesgo luego se compararon entre sí y con el puntaje de riesgo clínico BCSC. El estudio reveló que los cinco algoritmos de IA superaron al modelo de riesgo BCSC en la predicción del riesgo de cáncer de mama de 0 a 5 años. Algunos algoritmos de IA se destacaron en la identificación de pacientes de alto riesgo de cáncer de intervalo, que a menudo puede ser agresivo y puede requerir una segunda lectura de mamografía, exámenes de detección adicionales o imágenes de seguimiento a intervalos cortos. Por ejemplo, al evaluar a las mujeres con el 10 % más alto de riesgo, la IA predijo hasta el 28 % de los cánceres en comparación con el 21 % que predijo el BCSC. Curiosamente, incluso los algoritmos de IA diseñados para horizontes de tiempo más cortos (tan bajos como 3 meses) podrían predecir hasta cinco años de riesgo futuro de cáncer cuando la mamografía no detectó clínicamente cáncer. Cuando se combinaron los modelos de riesgo de IA y BCSC mejoró aún más la predicción del cáncer.

"Los modelos de riesgo clínico dependen de la recopilación de información de diferentes fuentes, que no siempre está disponible o recopilada", dijo el investigador principal Vignesh A. Arasu, MD, Ph.D., científico investigador y radiólogo en ejercicio en Kaiser Permanente Northern California. "Los avances recientes en el aprendizaje profundo de la IA nos brindan la capacidad de extraer cientos a miles de características mamográficas adicionales".

"Este fuerte desempeño predictivo durante el período de cinco años sugiere que la IA está identificando tanto los cánceres pasados por alto como las características del tejido mamario que ayudan a predecir el desarrollo futuro del cáncer. Algo en las mamografías nos permite rastrear el riesgo de cáncer de mama. Esta es la 'caja negra' de la IA, añadió Arasu.

Enlaces relacionados:
Kaiser Permanente