IA en mamografías para detectar cáncer de mama: una segunda mirada que puede mejorar la detección temprana

IA en mamografías para detectar cáncer de mama en una revisión radiológica asistida

Un estudio prospectivo analiza cómo utilizar la IA en mamografías para detectar cáncer de mama, identificar casos adicionales y reducir parte de la carga de trabajo de los especialistas

Un estudio prospectivo analiza cómo usar la IA en mamografías para detectar cáncer de mama, identificar casos adicionales y reducir parte de la carga de trabajo de los especialistas

La IA en mamografías para detectar cáncer de mama puede convertirse en una herramienta complementaria para los profesionales de la salud. Un estudio prospectivo publicado en Nature Cancer analizó distintas formas de incorporar inteligencia artificial al proceso de detección temprana y observó que ciertos modelos de trabajo pueden ayudar a identificar casos adicionales sin aumentar el número de mujeres citadas para realizar estudios complementarios. [1]

La noticia no plantea reemplazar al radiólogo con un algoritmo. El enfoque es mucho más realista y clínicamente relevante: utilizar la IA como una segunda mirada que ayude a revisar las imágenes y dirija la atención de los especialistas hacia los casos que requieren un análisis más detallado.

¿Por qué se utilizan mamografías para detectar el cáncer de mama?

Las mamografías son imágenes obtenidas mediante rayos X que permiten identificar tumores demasiado pequeños para verse o palparse. Su objetivo es detectar posibles signos de cáncer de mama en etapas tempranas, cuando existen mayores posibilidades de tratamiento. [4]

En muchos programas de detección temprana, las imágenes son revisadas por profesionales especializados. En el sistema británico analizado por el estudio, la práctica habitual incluye una doble lectura humana de las mamografías. Cuando existen diferencias de criterio, se realiza una revisión adicional antes de decidir si la paciente debe regresar para completar el estudio.

Este proceso permite detectar lesiones sospechosas, pero también presenta desafíos: el elevado volumen de imágenes, la necesidad de mantener altos estándares de calidad y la carga de trabajo de los equipos médicos.

¿Qué investigó el estudio GEMINI?

El estudio GEMINI evaluó de manera prospectiva a 10.889 mujeres atendidas en una región del Reino Unido. Todas recibieron la atención habitual. De forma paralela, una herramienta de inteligencia artificial denominada Mia v.3 analizó las mamografías y señaló determinados casos para revisión. [1]

Cuando la herramienta recomendaba citar a una paciente para realizar estudios adicionales, pero la doble lectura humana convencional no había identificado una anomalía suficiente para hacerlo, el caso pasaba por una nueva revisión a cargo de profesionales de la salud.

La decisión final continuó en manos de los especialistas. La IA no diagnosticaba el cáncer de manera autónoma ni reemplazaba la revisión clínica.

La IA ayudó a identificar 11 casos adicionales de cáncer

Las diferencias entre las recomendaciones de la herramienta de inteligencia artificial y la lectura convencional permitieron detectar 11 casos adicionales de cáncer después de una nueva revisión humana. [1]

En el principal modelo de trabajo evaluado por los investigadores, la incorporación de la IA podría haber aumentado la detección de cáncer en un 10,4 %. Esto equivale aproximadamente a un caso adicional por cada 1.000 mujeres examinadas. [1]

El dato resulta especialmente relevante porque ese aumento no estuvo acompañado de un mayor número de pacientes citadas para realizar estudios complementarios.

Uno de los riesgos de cualquier programa de detección temprana es generar falsos positivos: hallazgos sospechosos que finalmente no corresponden a un cáncer, pero que pueden causar preocupación y llevar a procedimientos innecesarios.

Menor carga de trabajo para los especialistas

Los investigadores también analizaron distintas formas de integrar la IA al proceso asistencial. El estudio evaluó 17 posibles configuraciones para adaptar el uso de la herramienta a diferentes necesidades clínicas y operativas. [1]

En el modelo principal, el ahorro potencial de trabajo de interpretación alcanzó el 31 %. Algunas configuraciones alternativas permitieron estimar reducciones de hasta el 36 %, aunque cada alternativa implica distintos equilibrios entre sensibilidad, especificidad, estudios adicionales y carga de trabajo. [1]

No se trata únicamente de revisar imágenes con mayor rapidez. Reducir parte de la carga operativa puede permitir que los profesionales dediquen más tiempo y atención a los casos complejos que requieren experiencia clínica.

La inteligencia artificial no reemplaza al médico

El aspecto más interesante del estudio no es una supuesta competencia entre seres humanos y algoritmos. Su aporte consiste en mostrar que la IA puede configurarse de distintas maneras para apoyar la toma de decisiones clínicas.

En el modelo evaluado, los especialistas podían revisar de forma crítica las alertas generadas por la herramienta y descartar aquellas que no consideraban relevantes. La inteligencia artificial aportaba información adicional, pero la decisión final dependía de una evaluación humana.

Este punto es fundamental. Una mamografía no debe interpretarse de forma aislada. La calidad de la imagen, los antecedentes de la paciente, las mamografías previas y otros datos clínicos pueden influir en la evaluación.

Una tendencia respaldada por otros estudios

El estudio GEMINI no es la única investigación reciente sobre inteligencia artificial aplicada a la detección temprana del cáncer de mama.

El ensayo sueco MASAI, publicado en The Lancet, incluyó a más de 100.000 mujeres y comparó un sistema de tamizaje mamográfico con apoyo de IA frente a la doble lectura convencional sin IA.

Los resultados mostraron una mayor sensibilidad y la misma especificidad. También se observó una reducción del 12 % en la tasa de cánceres de intervalo, es decir, tumores diagnosticados entre dos rondas de tamizaje después de una mamografía que no había conducido inicialmente al diagnóstico. [3]

Estos estudios tienen diseños distintos y no deben compararse de manera simplificada. Sin embargo, apuntan hacia una misma dirección: la IA puede ayudar a mejorar ciertos procesos de detección temprana cuando se integra con criterios clínicos claros y supervisión profesional.

¿Cuáles son las limitaciones del estudio?

Los resultados son prometedores, pero deben interpretarse con prudencia.

El estudio GEMINI evaluó una sola herramienta en una región específica del Reino Unido. Además, algunos de los modelos de trabajo se analizaron mediante simulaciones.

Los propios investigadores señalan que todavía es necesario realizar un seguimiento más prolongado para estudiar los cánceres de intervalo y determinar si la detección de casos adicionales se traduce en mejores resultados clínicos a largo plazo. [1]

La incorporación de IA a la práctica médica también requiere controles de calidad, validación local y monitoreo continuo. El desempeño de un algoritmo puede variar según el tipo de equipos utilizados, las características de la población y la forma en que se integra en cada sistema de salud.

¿Qué significa esta noticia para las pacientes?

La inteligencia artificial aplicada a las mamografías no convierte una prueba de detección temprana en una garantía absoluta ni reemplaza la evaluación médica.

Su potencial está en funcionar como una herramienta de apoyo: una segunda mirada capaz de señalar imágenes que merecen una revisión más detallada. La combinación entre tecnología y experiencia clínica puede contribuir a detectar algunos casos adicionales y a utilizar mejor los recursos disponibles.

La noticia no es que la IA vaya a ocupar el lugar del especialista. La noticia es que puede ayudarlo a mirar con mayor precisión allí donde cada detalle importa.

Escrito por: Maria Bueno

Fuentes

[1] De Vries CF et al. Prospective evaluation of artificial intelligence integration into breast cancer screening in multiple workflow settings: the GEMINI study. Nature Cancer, 2026.

[2] AI Integration in Breast Cancer Screening Increases Detection Rate, Reduces Work Burden. The ASCO Post, 2026.

[3] Gommers J et al. Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading without AI in the MASAI study. The Lancet, 2026.

[4] NHS. Breast screening (mammogram).