Imagen médica e inteligencia artificial · global
¿Cómo puede ayudar la IA en la mamografía? Un estudio retrospectivo muestra que la interpretación conjunta de médicos e IA puede mejorar la capacidad de identificación
Un estudio multicéntrico se centró en las imágenes cuya interpretación genera incertidumbre entre los médicos. La integración de las evaluaciones de la IA y los médicos mejoró la capacidad de identificación, pero aún deben aclararse el coste de las pruebas adicionales, algunas discrepancias en los datos y los resultados en el cribado real.
Las dificultades de la interpretación mamográfica suelen encontrarse entre sombras y pequeñas calcificaciones que no permiten llegar a una conclusión inmediata: pasar por alto una lesión puede retrasar el diagnóstico, mientras que un exceso de alertas puede generar pruebas adicionales. Un estudio publicado el 13 de octubre en *Insights into Imaging* muestra que la capacidad de la IA para mejorar este equilibrio está estrechamente relacionada con la forma en que participa en las decisiones de los médicos.
Según el resumen, este estudio retrospectivo multicéntrico incluyó 130,838 imágenes mamográficas de 35,709 pacientes, procedentes de varias instituciones médicas de Irán. Más allá del tamaño de la base de datos, el experimento de lectura utilizó 600 casos, con un total de 2,202 imágenes, de un conjunto de prueba independiente, y contó con cuatro radiólogos con entre dos y cinco años de experiencia en mamografía; por tanto, el tamaño total de la base de datos no debe interpretarse como el número de pacientes incluidos en la validación clínica de la colaboración entre médicos e IA.
El sistema utiliza distintas redes neuronales para identificar calcificaciones, delimitar lesiones de mayor tamaño y, posteriormente, estimar el riesgo de malignidad, y se validó con el conjunto de datos externo CBIS-DDSM. El artículo original y el resumen reproducido por JoVE Visualize enumeran cinco escenarios: interpretación del médico sin asistencia, revisión de la interpretación tras consultar la IA, uso de la IA para resolver casos inciertos, integración de los criterios del médico y la IA, e interpretación independiente de la IA. El contenido de JoVE procede del mismo estudio y no constituye otra validación independiente.
Al combinar los resultados de los lectores, el área bajo la curva (AUC) en el escenario de evaluación integrada aumentó de 0.8304 sin IA a 0.8840, con una diferencia estadísticamente significativa (p<0.001). El AUC refleja la capacidad general para distinguir entre casos positivos y negativos y no puede interpretarse directamente como una «exactitud diagnóstica del 88.4%». Cuando los médicos simplemente revisaban su interpretación después de consultar los resultados de la IA, el AUC fue de 0.8396, lo que indica que los beneficios varían según la forma de integración.
Sin embargo, algunos indicadores requieren una interpretación prudente. El resumen atribuye al escenario integrado tanto el aumento de la sensibilidad del 54.8% al 83.9% como el de la especificidad del 83.6% al 91.1%; en cambio, la discusión del texto principal atribuye la especificidad máxima del 91.1% a otra estrategia, que utiliza la IA únicamente cuando existe incertidumbre. Esta discrepancia sigue pendiente de aclaración y no permite afirmar que un mismo procedimiento pueda alcanzar simultáneamente todos los mejores resultados.
La discusión del estudio también expone el coste de esta mejora del rendimiento: en el escenario integrado, la tasa simulada de repetición de la evaluación aumentó del 18.89% al 25.84%, mientras que el valor predictivo positivo disminuyó. Es decir, una mayor capacidad para identificar lesiones puede ir acompañada de más personas a las que se solicitan pruebas adicionales; las mejoras descritas en el resumen deben entenderse en el contexto de las reglas de decisión y los indicadores de evaluación concretos.
La validación con datos externos permitió probar el modelo con datos de otra procedencia, pero todavía queda camino por recorrer hasta su aplicación en el cribado habitual. Participaron pocos médicos lectores, el diseño fue retrospectivo y no se analizaron suficientemente las diferencias de densidad mamaria, edad y equipos; además, los casos seleccionados no necesariamente representan a la población general de cribado. El siguiente paso requiere estudios prospectivos para confirmar si esta forma de colaboración puede reducir los diagnósticos omitidos en los procesos reales y evaluar las pruebas adicionales y la carga de trabajo asistencial.