Marina Álvarez, especialista en Radiología de Mama de la Sociedad Española de Radiología Médica (Seram)
La inteligencia artificial calcula el riesgo de cáncer de mama a cinco años con una sola mamografía
El Hospital Reina Sofía de Córdoba participa en un estudio internacional que analiza el potencial de esta tecnología para avanzar hacia un cribado personalizado
La inteligencia artificial (IA) permite estimar el riesgo de desarrollar cáncer de mama en los cinco años siguientes a partir de una única mamografía, lo que abre nuevas posibilidades para avanzar hacia programas de cribado personalizados. Así lo explica Marina Álvarez, especialista en Radiología de Mama de la Sociedad Española de Radiología Médica (Seram), miembro de su Comisión de Inteligencia Artificial, jefa del Servicio de Radiodiagnóstico del Hospital Universitario Reina Sofía de Córdoba e investigadora del Instituto Maimónides de Investigación Biomédica de Córdoba (Imibic), con motivo del mes de concienciación sobre el cáncer de mama.
El Hospital Universitario Reina Sofía y el Imibic son los únicos centros españoles que participan en un estudio multicéntrico internacional destinado a validar una de estas herramientas, cuyos resultados preliminares respaldan su capacidad para identificar a las mujeres con mayor riesgo de desarrollar la enfermedad.
Actualmente, los programas de cribado siguen un modelo común para todas las mujeres, pese a que el riesgo individual y los beneficios de estas pruebas no son iguales en todos los casos. La incorporación de la IA permitiría avanzar hacia una estrategia adaptada a las características de cada paciente. "El cribado no va a ser igual para todas las mujeres, será personalizado, individualizado para cada mujer, y, por lo tanto, más efectivo", afirma Álvarez.
Cómo calcula la IA el riesgo de cáncer de mama
La herramienta utiliza un modelo de aprendizaje profundo (deep learning) que analiza una mamografía y proporciona un porcentaje de probabilidad de desarrollar cáncer de mama durante los cinco años posteriores, acompañado de un valor de referencia correspondiente al grupo de edad de la paciente.
Según explica la especialista, el sistema no se limita a estudiar la densidad mamaria, sino que también identifica características del tejido que no pueden apreciarse mediante la observación convencional. "Estima un riesgo estadístico para cáncer de mama a partir del análisis de la mamografía, teniendo en cuenta no solo la densidad mamaria de forma volumétrica, sino también otros aspectos como análisis de textura (patrones del parénquima) que efectivamente no son visibles al ojo humano", señala.
La densidad mamaria, determinada por la proporción de tejido glandular respecto al tejido graso, constituye un factor de riesgo conocido de cáncer de mama. Mientras que su valoración por parte del radiólogo puede tener un componente subjetivo, la IA permite medirla de manera automática y objetiva, además de incorporar el análisis de los patrones de textura.
Álvarez aclara que esta tecnología no está concebida como una herramienta de apoyo al diagnóstico de tumores existentes, sino para anticipar el riesgo de que aparezcan en el futuro. Por ello, se utiliza sobre mamografías previamente interpretadas como normales o benignas.
"No son softwares de ayuda al diagnóstico en el momento de realizar el estudio sino para predecir el riesgo de cáncer de mama en los siguientes 5 años a partir de una mamografía interpretada como normal", precisa.
La IA supera a los modelos tradicionales de predicción
Hasta ahora, la estimación del riesgo de cáncer de mama se ha realizado mediante modelos clínicos como Gail, BOADICEA o el del Breast Cancer Surveillance Consortium (BCSC). Estos métodos recurren a cuestionarios que recogen información sobre la edad, la raza, la vida reproductiva, las biopsias previas o los antecedentes de cáncer.
Sin embargo, Álvarez advierte de que su capacidad para diferenciar los niveles de riesgo es limitada, además de presentar dificultades para su aplicación a gran escala en los programas de cribado poblacional. La especialista también apunta que probablemente no sean válidos para todas las mujeres.
Frente a estas limitaciones, los sistemas basados en IA ofrecen la posibilidad de automatizar el proceso. "La ventaja de los softwares de IA que evalúan el riesgo para cáncer de mama a partir de la mamografía es que se aplican de forma automática, permitiendo resultados instantáneos, sin necesidad de cuestionarios, de forma más ágil y cómoda para profesionales y mujeres", explica.
Así, los resultados del estudio multicéntrico en el que participan el Hospital Universitario Reina Sofía y el Imibic respaldan esta capacidad predictiva. En las mujeres evaluadas mediante ambos tipos de pruebas, el modelo de IA obtuvo mejores resultados que el BCSC (0,66 frente a 0,60) y el modelo de Gail (0,67 frente a 0,58) en el área bajo la curva (AUC), indicador utilizado para medir la capacidad de distinguir entre quienes desarrollarán cáncer y quienes no. Asimismo, otras investigaciones han observado que estos sistemas duplican la capacidad de predicción de futuros cánceres respecto al uso exclusivo de la densidad mamaria.
Un estudio internacional con participación española
El equipo de Álvarez trabaja con Transpara Risk Index, una herramienta que estima el riesgo de cáncer de mama a cinco años a partir de mamografías digitales y estudios de tomosíntesis, también conocida como mamografía en tres dimensiones. El sistema ha sido entrenado con más de 200.000 mamografías y 6.000 cánceres, con un seguimiento superior a 13 años. En una validación externa anterior, realizada con más de 65.000 estudios procedentes de un centro europeo y otro estadounidense, alcanzó un AUC de entre 0,73 y 0,75. Además, el 10 por ciento de las mujeres clasificadas con mayor riesgo concentró el 39,3 por ciento de los cánceres.
Actualmente, la herramienta se está evaluando en un estudio multicéntrico que reúne a seis centros de Estados Unidos y Europa, entre ellos el Hospital Universitario Reina Sofía de Córdoba, único representante español. El objetivo es llevar a cabo una validación independiente y a gran escala utilizando equipos de tres fabricantes diferentes.
Los resultados preliminares incluyen 27.172 mamografías normales y 2.011 cánceres aparecidos posteriormente, con un seguimiento superior a cinco años. Los datos muestran un AUC de 0,71 a los dos años, 0,70 a los tres y 0,69 a los cinco años. Uno de los hallazgos más relevantes es que el 10 por ciento de las mujeres identificadas por la IA como de mayor riesgo concentró aproximadamente el 30 por ciento de los cánceres detectados durante los cinco años siguientes. En comparación, el 10 por ciento de las mujeres con mayor densidad mamaria reunió el 13 por ciento de los casos. Estos resultados se presentarán con mayor detalle en el Congreso Europeo de Radiología.
Hacia un cribado de cáncer de mama personalizado
La posibilidad de adaptar los programas de detección precoz al riesgo individual de cada mujer constituye uno de los principales objetivos en este ámbito. Hasta el momento, los intentos de personalización mediante la densidad mamaria, los cuestionarios clínicos o las pruebas genéticas han encontrado dificultades para su implantación a gran escala, debido al tiempo que requieren, su coste y su limitada precisión.
La aplicación automática de la IA sobre una mamografía permitiría superar parte de estas barreras. "La posibilidad de entrar en un cribado personalizado de forma fácil, simplemente a partir de un análisis automático de la mamografía, permitiría aplicar estrategias diferenciadas de cribado en función del riesgo individual de cada mujer", sostiene Álvarez. Este enfoque abriría la puerta a modificar la periodicidad de las pruebas, seleccionar diferentes técnicas de imagen y adaptar las estrategias de lectura en función del riesgo estimado.
Así, en las mujeres con menor riesgo se podría ampliar el intervalo entre exploraciones o incluso prescindir de ellas. Por el contrario, en aquellas con un riesgo elevado se podría incrementar la frecuencia del cribado, incorporar técnicas más sensibles, como la resonancia magnética o la mamografía con contraste, y valorar medidas preventivas. "Sin duda ello permitirá mejorar los resultados del programa de cribado, adelantarnos en el tiempo en el diagnóstico de cánceres, con diagnósticos más iniciales, y disminuyendo los cánceres de intervalo o cánceres avanzados", destaca.
Los denominados cánceres de intervalo son aquellos que se detectan entre dos mamografías programadas. Según la especialista, la personalización también contribuiría a optimizar los recursos del programa y evitar exploraciones innecesarias en mujeres que no las requieren.
El papel del radiólogo en el cribado con IA
Aunque el cálculo del riesgo se realiza automáticamente, Álvarez insiste en que la tecnología no sustituye al especialista. El radiólogo seguirá desempeñando una función esencial en la interpretación y comunicación de los resultados, así como en la adaptación de las estrategias de cribado. "El papel del radiólogo será asesorar a la mujer de qué significa ese riesgo, y trabajar para poder ofrecer un cribado adaptado al riesgo individual de cada mujer", subraya.
Otro de los aspectos que deben tenerse en cuenta es el posible impacto emocional de conocer un riesgo elevado de desarrollar cáncer de mama. Para la especialista, la forma de trasladar esta información resulta determinante. "Si la información se trasmite de forma adecuada y adaptada a la población general es bueno que cada mujer conozca su riesgo y cuáles son las pruebas o cribado más adecuado para su situación", explica.
En este sentido, señala que las experiencias desarrolladas en Estados Unidos y Europa con programas de cribado personalizado han mostrado una mayor adherencia y satisfacción entre las mujeres cuando conocen que las pruebas se ajustan a sus circunstancias individuales.
La aplicación clínica de la IA todavía requiere más investigación
Pese a los resultados obtenidos, estas herramientas continúan en fase de investigación. Álvarez prevé que alguna de ellas llegue al mercado próximamente, aunque su incorporación a la práctica clínica exige completar diferentes etapas de validación. Entre los requisitos pendientes se encuentran la realización de estudios externos e independientes a gran escala, que incluyan distintos equipos, poblaciones y condiciones reales de cribado. También será necesario evaluar posteriormente el impacto clínico de su utilización.
Además, antes de su implantación habrá que definir qué estrategia de seguimiento se ofrecerá a cada mujer según su nivel de riesgo y formar tanto a los profesionales sanitarios como a la población para facilitar una interpretación adecuada de los resultados. "Existe mucho trabajo por delante, pero parece que tenemos la clave para poder llegar a un cribado personalizado", concluye Álvarez.
