MADRID, 13 Oct. (EUROPA PRESS) -
Un sistema automatizado que utiliza la inteligencia artificial (IA) puede cribar rápidamente y con precisión las resonancias magnéticas de mama en mujeres con mamas densas para eliminar las que no tienen cáncer, liberando a los radiólogos para que se centren en casos más complejos, según un estudio publicado en la revista 'Radiology'.
La mamografía ha contribuido a reducir las muertes por cáncer de mama al proporcionar una detección precoz cuando el cáncer es más tratable. Sin embargo, es menos sensible en mujeres con mamas extremadamente densas que en mujeres con mamas grasas.
Además, las mujeres con mamas extremadamente densas tienen un riesgo entre tres y seis veces mayor de desarrollar cáncer de mama que las mujeres con mamas casi totalmente grasas y un riesgo dos veces mayor que el de la mujer media.
El cribado complementario en mujeres con mamas extremadamente densas aumenta la sensibilidad de la detección del cáncer. Las investigaciones del ensayo Dense Tissue and Early Breast Neoplasm Screening (DENSE), un amplio estudio con sede en los Países Bajos, respaldaron el uso del cribado suplementario con IRM.
"El ensayo DENSE demostró que el cribado adicional con IRM en mujeres con mamas extremadamente densas era beneficioso --afirma el autor principal del estudio, el doctor Erik Verburg, del Instituto de Ciencias de la Imagen del Centro Médico Universitario de Utrecht (Países Bajos)--. Por otro lado, el ensayo DENSE confirmó que la gran mayoría de las mujeres examinadas no presentan ningún hallazgo sospechoso en la RM".
Dado que la mayoría de las resonancias magnéticas muestran variaciones anatómicas y fisiológicas normales que pueden no requerir una revisión radiológica, se necesitan formas de clasificar estas resonancias normales para reducir la carga de trabajo del radiólogo.
En el primer estudio de este tipo, Verburg y sus colegas se propusieron determinar la viabilidad de un método de triaje automatizado basado en el aprendizaje profundo, un tipo sofisticado de IA. Utilizaron datos de RM de mama del ensayo DENSE para desarrollar y entrenar el modelo de aprendizaje profundo para distinguir entre mamas con y sin lesiones. El modelo se entrenó con datos de siete hospitales y se probó con datos de un octavo hospital.
Se incluyeron más de 4500 conjuntos de datos de IRM de mamas extremadamente densas. De las 9.162 mamas, 838 tenían al menos una lesión, de las cuales 77 eran malignas, y 8.324 no tenían lesiones.
El modelo de aprendizaje profundo consideró que el 90,7% de las resonancias magnéticas con lesiones no eran normales y las clasificó para su revisión radiológica. Descartó alrededor del 40% de las resonancias magnéticas sin lesiones sin omitir ningún cáncer.
"Demostramos que es posible utilizar de forma segura la inteligencia artificial para descartar resonancias magnéticas de cribado de mama sin pasar por alto ninguna enfermedad maligna --apunta Verburg--. Los resultados fueron mejores de lo esperado. El 40% es un buen comienzo. Sin embargo, todavía tenemos un 60% que mejorar".
El sistema de triaje basado en la IA tiene el potencial de reducir significativamente la carga de trabajo de los radiólogos, señala Verburg. Sólo en los Países Bajos, cerca de 82.000 mujeres podrían ser elegibles para el cribado mamario bianual por resonancia magnética en función de la densidad mamaria.
"El enfoque puede utilizarse en primer lugar para ayudar a los radiólogos a reducir el tiempo total de lectura --sugiere Verburg--. En consecuencia, se podría disponer de más tiempo para centrarse en los exámenes de RM de mama realmente complejos".
Los investigadores planean ahora validar el modelo en otros conjuntos de datos y desplegarlo en posteriores rondas de cribado del ensayo DENSE.
