Separar las mamografías de detección de las mujeres en aquellas que tienen probabilidades de desarrollar cáncer de mama y las pacientes con menor riesgo puede reducir las imágenes innecesarias y los costos asociados. Y los investigadores hawaianos ahora dicen que han desarrollado una herramienta capaz de hacer precisamente eso.
Los expertos del Centro Oncológico de la Universidad de Hawaii utilizaron más de 25.000 mamografías digitales para desarrollar su modelo de aprendizaje profundo. La herramienta busca detalles o señales en las exploraciones que pueden indicar si los pacientes tienen un mayor riesgo de cáncer.
Las pruebas mostraron que la plataforma tuvo un desempeño deficiente en la evaluación de los factores de riesgo para los cánceres de intervalo, pero superó el hecho de depender únicamente de factores de riesgo clínicos como la densidad mamaria. Los hallazgos destacan el papel de AI como segundo lector, particularmente durante los exámenes de detección, señaló el equipo el 7 de septiembre en Radiology.
“Los resultados mostraron que la señal adicional que recibimos con la IA proporciona una mejor estimación del riesgo de detección de cáncer mediante exámenes de detección”, dijo John A. Shepherd, PhD, profesor e investigador del Programa de Ciencias de la Población en el Pacífico de la universidad. “Nos ayudó a lograr nuestro objetivo de clasificar a las mujeres en riesgo bajo o alto de cáncer de mama detectado mediante exámenes de detección”.
Más de 6.300 mujeres individuales que se sometieron a mamografías de detección se incluyeron en el estudio. Al menos 1.600 desarrollaron cáncer de mama detectado durante el cribado, mientras que 351 fueron diagnosticados con cáncer de intervalo invasivo.
Shepherd y sus coautores creen que sus hallazgos tienen implicaciones importantes para las prácticas que utilizan la densidad mamaria solo para guiar la atención del paciente. Por ejemplo, el riesgo individual de una mujer puede determinar si necesita presentarse para otro examen el año siguiente o si tiene un riesgo menor y es posible que no requiera mamografías más frecuentes.
Además, el aprendizaje profundo podría informar las decisiones sobre la adición de resonancia magnética suplementaria u otras imágenes para mujeres en grupos de alto riesgo.
“Al clasificar las mamografías en términos de la probabilidad de ver cáncer en la imagen, la IA será una poderosa herramienta de segunda lectura para ayudar a clasificar las mamografías”, concluyó Shepherd.
