La IA predice el riesgo de cáncer de mama a 5 años mejor que las herramientas estándar, pero no sabemos cómo funciona
Un estudio sugiere que la inteligencia artificial (IA) puede identificar a las pacientes con mayor riesgo de desarrollar cáncer de mama en los próximos cinco años mejor que una evaluación de riesgo estándar utilizada en la clínica.
Los médicos suelen predecir el riesgo a cinco años de que una persona desarrolle cáncer de mama mediante modelos que tienen en cuenta su edad, raza, etnia, antecedentes familiares de cáncer de mama y si alguna vez le han tomado muestras de tejido mamario para analizarlas, por tener bultos sospechosos en las mamas. Estos modelos también tienen en cuenta la densidad mamaria, evaluada mediante mamografías.
Sin embargo, "sólo entre el 15% y el 20% de las mujeres a las que se diagnostica cáncer de mama tienen un factor de riesgo conocido, como antecedentes familiares de la enfermedad o haberse sometido previamente a una biopsia de mama", explica a Live Science el Dr. Vignesh Arusu, radiólogo especializado en diagnóstico por imagen del cáncer de la Universidad de California en San Francisco.
El aminoácido taurina puede retrasar el envejecimiento en animales, pero no sabemos si funciona en las personas
Por qué los lácteos podrían no aumentar el riesgo de cáncer de mama
La IA ha ayudado a los radiólogos a identificar cientos de características en una mamografía que pueden ayudar a los médicos a diagnosticar el cáncer de mama, explica Arasu. "Me interesaba saber cómo la misma tecnología puede ayudarnos a comprender el riesgo futuro", explica.
El cribado del cáncer de mama debe comenzar a los 40 años, según un grupo de expertos
En un estudio publicado el martes (6 de junio) en la revista Radiology, Arasu y sus colegas analizaron en qué medida cinco modelos de IA predecían cuáles de 18.000 pacientes tenían el mayor riesgo de cáncer de mama a cinco años. En el análisis se utilizaron datos de pacientes que se habían sometido a mamografías en 2016 y que luego fueron objeto de seguimiento hasta 2021. En total, unas 4400 de las participantes desarrollaron cáncer en los cinco años siguientes a su mamografía.
Los modelos basaron sus predicciones en mamografías que, en el momento de realizarlas, no mostraban indicios visibles de cáncer. Aunque sigue sin estar claro cómo predicen exactamente los modelos de IA el riesgo de cáncer a partir de los datos de las mamografías, a grandes rasgos, relacionan determinadas características y patrones de la estructura de los tejidos mamarios con el riesgo de cáncer, afirma Arasu.
Los investigadores compararon estos modelos de IA con una evaluación de uso común denominada modelo de riesgo clínico del Consorcio de Vigilancia del Cáncer de Mama (BCSC).
Los pacientes con las puntuaciones de riesgo de IA más altas, en el percentil 90, representaron entre el 24% y el 28% de los cánceres que se produjeron en un plazo de cinco años. En comparación, las puntuaciones más altas del BCSC sólo representaron el 21% de los casos de cáncer. Los modelos de IA mostraron la mayor ventaja sobre el modelo BCSC a la hora de predecir qué pacientes tenían más probabilidades de desarrollar cáncer de mama en el plazo de un año desde su mamografía.
Los resultados sugieren que "la IA podría utilizarse junto con el modelo de riesgo tradicional" para predecir el riesgo futuro de cáncer de mama, afirmó Arasu.
Según Arasu, en la clínica, las personas con mayor riesgo de cáncer de mama según las predicciones de la IA podrían someterse a cribados más frecuentes para detectar antes el cáncer. Estas personas de alto riesgo también podrían recibir terapias preventivas, como el tamoxifeno, que bloquea el estrógeno en las células mamarias para reducir el riesgo de cáncer de mama.
Dado que el estudio se centró en una población predominantemente blanca y no hispana, es necesario seguir trabajando para determinar la eficacia de los modelos de IA en personas de distintas razas y etnias, afirma Arasu.
Aunque "es un estudio de investigación muy bien realizado", otra limitación es que no está claro cómo pueden funcionar los modelos de IA para cánceres de distinta gravedad, explicó a Live Science Adam Brentnall, estadístico que estudia la prevención y detección precoz del cáncer en la Universidad Queen Mary de Londres, en un correo electrónico.
Por ejemplo, si los modelos de IA detectan mejor los tumores pequeños que aún no se han extendido o metastatizado, podrían ofrecer pocas ventajas respecto a los modelos de riesgo estándar, ya que "el pronóstico y el tratamiento de los cánceres serían probablemente los mismos", afirma.
"Por otro lado, si los cánceres avanzados pueden detectarse antes utilizando el modelo para adaptar las estrategias de cribado o prevención del cáncer, los beneficios clínicos podrían ser grandes", afirma Brentnall.
"De hecho, ese es el objetivo de nuestra próxima fase de investigación", afirma Arasu.
La actual falta de comprensión por parte de los científicos del modo en que los modelos de IA llegan a sus conclusiones también podría dificultar la implantación de estos sistemas en la clínica, ya que los médicos podrían no ser capaces de explicar a los pacientes cómo se está evaluando su riesgo, afirma Brentnall.
