Detección del cáncer de mama con mamografía: El efecto de un sistema de apoyo de inteligencia artificial

Introducción

Para la reducción de la mortalidad derivada por el cáncer de mama se han empleado las examinaciones con mamografía. No obstante, la falta de estos procesos así como de la pequeña cantidad de radiólogos que los hagan, generan que la eficacia de la detección de esta enfermedad disminuya.

Por otra lado, también es necesaria la reducción de los errores que se pueden presentar, incluyendo aquellos de interpretación. Esto, porque pueden influenciar a que los cánceres detectables se ignoren. Por esta razón, se está buscando la implementación de sistemas CAD a partir del Deep Learning para optimizar el desempeño de los programas de detección y mejorar las examinaciones. En este artículo se buscó hacer una comparación al detectar el cáncer de mama con radiólogos que hicieran una lectura de las mamografías con y sin la ayuda de un sistema de inteligencia artificial, para probar su funcionamiento.

Métodos

El estudio se llevó a cabo con 240 exámenes con imágenes mamográficas digitales recopiladas de forma anónima. Entre estos había con cáncer, falsos positivos y con resultados normales. Cada mamografía se hizo de forma bilateral y con vistas craneocaudal y oblicua mediolateral.

El sistema informático de inteligencia artificial entrenado fue el de Transpara. Esto debido a sus características como su capacidad de procesamiento de mamografías compatibles con distintos fabricantes, su análisis de cuatro vistas estándar, sus algoritmos que permiten clasificar elementos como la representación de calcificaciones y daños en tejidos blandos, entre otros.

Asimismo, fueron 14 radiólogos los que interpretaron una mitad de exámenes con apoyo de la inteligencia artificial, y la otra mitad sin apoyo. Cabe decir que 11 de ellos se especializan en lectura de cáncer de mama, mientras que los otros 3 son generales.

Resultados

Con el uso de la IA, el rendimiento de los radiólogos mejoró pues el AUC (que establece hasta qué punto un modelo puede distinguir entre clases) aumentó de 0,87 a 0,89. De igual manera, la sensibilidad subió 3 puntos porcentuales cuando se usó la IA, donde un 72% de los exámenes tuvieron una interpretación adecuada.

Respecto al tiempo de lectura, se estableció que se redujo en un 11% cuando se incorporó la inteligencia artificial, y solo aumentó un 2% cuando los casos se definían como de alta sospecha. En general, se estima que con estas implementaciones para las examinaciones haya una reducción global de tiempo de 4,5%.

Por último, el desempeño para la detección de cáncer de mama del sistema informático se acercó en gran medida al de un radiólogo, con una diferencia de AUC de 0,02 (P=.33).

Discusión

La mejoría del rendimiento en los diagnósticos de los radiólogos con el sistema IA, se produjo por un ascenso en la parte media de la curva ROC. Con estos resultados se puede aconsejar el uso clínico de este tipo de sistemas para mejorar el análisis de los casos que resultan imprecisos.

En términos generales, hubo un mejor rendimiento del AUC con los radiólogos que tenían una menor experiencia en mamografía. Además, en función de la experiencia se puede decir que no se visualizaron diferencias en el rendimiento sin ayuda del sistema de inteligencia artificial.

Finalmente, en base a los resultados obtenidos se puede notar que la potencialidad del sistema ayudaría en la eficacia de las lecturas de los radiólogos. Asimismo, incrementaría la importancia y atención de los exámenes de sospecha así como agilizaría la lectura de aquellos marcados como menos sospechosos.

Traducido y adaptado de: Rodríguez-Ruiz, A., Krupinski, E., Mordang, J. J., Schilling, K., Heywang-Köbrunner, S. H., Sechopoulos, I., & Mann, R. M. (2019). Detection of breast cancer with mammography: effect of an artificial intelligence support system. Radiology, 290(2), 305-314.