«Los cánceres de intervalo generalmente tienen un peor pronóstico que los cánceres detectados mediante pruebas de detección porque tienden a ser más grandes o más agresivos», dice la coautora Fiona J. Gilbert, de la Universidad de Cambridge, Reino Unido. «Por eso es importante minimizar la cantidad de cánceres de intervalo en cualquier programa de detección».

Utilizando un gran conjunto de datos retrospectivos del programa de detección de tres años del Reino Unido, Gilbert y el investigador principal, Joshua WD Rothwell, utilizaron IA para identificar a las mujeres y realizar imágenes de seguimiento para detectar cánceres de intervalo.

«La detección personalizada del cáncer de mama depende de una evaluación precisa del riesgo de que una persona desarrolle cáncer de mama durante un período de tiempo específico», dice Gilbert. «Podemos utilizar imágenes complementarias y ajustar la frecuencia de las pruebas de detección en función de la densidad mamaria de la mujer y la probabilidad de desarrollar cáncer de mama en un corto período de tiempo».

La cohorte del estudio incluyó 134.217 mamografías de detección en el mismo número de mujeres (de 50 a 70 años), con 524 cánceres de intervalo. Los exámenes se realizaron entre 2014 y 2016 en dos centros de Programa de detección de cáncer de mama de tres años en el Reino Unidoutilizando dos sistemas de mamografía diferentes.

Las mamografías digitales de detección negativas (no se detectó cáncer) se procesaron mediante un algoritmo basado en aprendizaje profundo, que generó una puntuación de riesgo generalizado para desarrollar cáncer de mama de intervalo. La herramienta de inteligencia artificial utiliza principalmente información de la mamografía, incluidas las características del tumor y la densidad mamaria, para predecir el riesgo.

«Nuestros resultados sugieren que una evaluación adicional de las mamografías en el 20% superior podría dar como resultado un 42,4% de cánceres de intervalo, lo que significa que la IA podría usarse para identificar a las mujeres para obtener más imágenes o un intervalo de detección más corto, en lugar de o además de la densidad mamaria», dice Rothwell.

Programa de tres años

Según Gilbert, la IA podría ayudar a optimizar el programa de detección del cáncer de mama de tres años del país mejorando los criterios de selección de las mujeres que podrían beneficiarse de técnicas de imagen complementarias, como la resonancia magnética o la mamografía con contraste, o acortando el intervalo entre las pruebas de detección.

«Si tuviéramos que recurrir nuevamente al 20% de las mujeres para realizar pruebas de imagen adicionales, tendríamos que encontrar la capacidad de ofrecer mamografías o resonancias magnéticas, a diferencia de 440.000 mujeres», admite.

«Identificar a las mujeres con mayor riesgo de desarrollar cáncer de mama es un problema complejo y multifactorial», dice Gilbert. «El objetivo es identificar con precisión a las mujeres con mayor probabilidad de desarrollar cáncer de intervalo, minimizando al mismo tiempo la cantidad de estudios de imágenes adicionales realizados».