Fuente: gorodenkoff/Getty Images 07 junio 2023.- Un estudio retrospectivo que utilizó miles de mamografías bidimensionales realizadas en K...
 |
| Fuente: gorodenkoff/Getty Images |
07 junio 2023.- Un estudio retrospectivo que utilizó miles de mamografías bidimensionales realizadas en Kaiser Permanente Northern California mostró que cinco algoritmos de IA separados superaron el modelo clínico estándar de predicción del riesgo de cáncer de mama a cinco años vista.
El riesgo de las mujeres de desarrollar cáncer de mama utiliza modelos clínicos como el modelo de riesgo del Consorcio de Vigilancia del Cáncer de Mama (BCSC) . BCSC utiliza información autoinformada combinada con otros datos del paciente, como la edad, los antecedentes familiares de cáncer de mama, si una mujer ha dado a luz y si una mujer tiene senos densos para calcular una puntuación de riesgo.
Pero estos métodos tienen algunas deficiencias, señaló Vignesh A. Arasu, MD, PhD, científico investigador y radiólogo en ejercicio en Kaiser Permanente Northern California.
“Los modelos de riesgo clínico dependen de la recopilación de información de diferentes fuentes, que no siempre está disponible o recopilada”, dijo Arasu, investigador principal del estudio, que aparece en la revista Radiology . “Los avances recientes en el aprendizaje profundo de la IA nos brindan la capacidad de extraer de cientos a miles de características mamográficas adicionales”.
Para este estudio, Arasu y el equipo utilizaron datos de mamografías 2D de detección realizadas en Kaiser Permanente Northern California en 2016. De una colección de más de 324.000 mujeres que cumplieron con los criterios de elegibilidad, se seleccionó aleatoriamente una subcohorte de 13.628 para el análisis. Además, también se estudiaron 4.584 pacientes a las que posteriormente se les diagnosticó cáncer dentro de los cinco años posteriores a su mamografía, y todas las mujeres fueron seguidas durante cinco años. El uso de todo el año de evaluaciones permitidas proporcionó una muestra representativa de las comunidades del norte de California atendidas por el sistema de salud.
Usando las mamografías, cinco algoritmos de predicción de riesgo de IA independientes generaron puntajes de riesgo de cáncer durante el período de cinco años: dos utilizados por investigadores en la academia y tres algoritmos disponibles comercialmente. Los investigadores dividieron el estudio en tres períodos de tiempo: riesgo de cáncer de intervalo o cánceres incidentes diagnosticados hasta un año después de la detección; riesgo futuro de cáncer, o cánceres incidentes diagnosticados entre uno y cinco años; y todo riesgo de cáncer, o cánceres incidentes diagnosticados entre la selección inicial y cinco años.
A continuación, se compararon las puntuaciones de riesgo de los cinco algoritmos con la puntuación de riesgo clínico estándar de BCSC.
Los cinco algoritmos de IA funcionaron mejor que el modelo de riesgo BCSC para predecir el riesgo de cáncer de mama de cero a cinco años. Este fuerte desempeño predictivo durante el período de cinco años sugiere que la IA está identificando tanto los cánceres perdidos como las características del tejido mamario que ayudan a predecir el desarrollo futuro del cáncer. Algo en las mamografías nos permite rastrear el riesgo de cáncer de mama. Esta es la 'caja negra' de la IA.
El estudio mostró que algunos de los cinco algoritmos fueron particularmente buenos para predecir el alto riesgo de desarrollar cáncer de intervalo, y un hallazgo importante que puede ayudar a determinar si un paciente necesita exámenes de detección complementarios o un seguimiento de intervalo corto. Un ejemplo del mejor desempeño de la IA es que al evaluar a los pacientes con el 10 % de riesgo más alto, la IA predijo el 28 % de los cánceres, mientras que BCSC predijo el 21 %.
Además, los investigadores dijeron que incluso las herramientas de IA que fueron entrenadas para determinar el riesgo para horizontes de tiempo más cortos, tan bajos como tres meses, también pudieron predecir el riesgo futuro de cáncer hasta cinco años cuando no se mostró cáncer a través de la mamografía. Usados juntos, los modelos de IA y el modelo de riesgo BCSC proporcionaron una precisión aún mayor en la predicción del riesgo futuro de cáncer de mama.
Los autores del estudio señalan que algunos radiólogos ya utilizan la IA para ayudar a detectar el cáncer en las mamografías, pero también indican que ahora tiene la utilidad de generar puntajes de riesgo que podrían incorporarse en el informe de los resultados de las imágenes.
La IA para la predicción del riesgo de cáncer ofrece la oportunidad de individualizar la atención de cada mujer, que no está disponible sistemáticamente. Es una herramienta que podría ayudar a brindar medicina personalizada y de precisión a nivel nacional, indicaron los autores del estudio.
COMENTARIOS