En Alemania, la IA ayudó a detectar más cáncer de mama sin aumentar las rellamadas

Qué encontraron

PRAIM evaluó la IA dentro de un programa real de tamizaje de cáncer de mama, no en datos de archivo. Siguió el programa alemán, que invita a mujeres de 50 a 69 años, en 12 sedes, entre julio de 2021 y febrero de 2023. Participaron 463 094 mujeres y 119 radiólogos.

En Alemania cada mamografía la leen dos radiólogos por separado. En el estudio, cada radiólogo decidía, examen por examen, si leía con el visor de siempre o con un visor que incorporaba IA. Así se tamizaron 260 739 mujeres con apoyo de IA y el resto sin ella.

La IA hacía dos cosas. Marcaba como "normales" los exámenes que consideraba muy poco sospechosos. Y funcionaba como red de seguridad: si el radiólogo daba por normal un examen que la IA consideraba muy sospechoso, el sistema lo alertaba y le señalaba la zona. La decisión final siempre fue humana.

Los resultados, ajustados por las diferencias entre grupos:

• Con IA se detectaron 6,7 cánceres por cada 1000 mujeres; sin IA, 5,7. Es un 17,6 % más, con un intervalo de confianza de 95 % entre +5,7 % y +30,8 %.
• La tasa de rellamada, es decir, las mujeres citadas para más pruebas, fue de 37,4 por cada 1000 con IA y de 38,3 sin IA.
• De cada rellamada con IA, una proporción mayor terminó en cáncer: el valor predictivo positivo subió de 14,9 % a 17,9 %.
• La red de seguridad llevó a 204 diagnósticos de cáncer en exámenes que los radiólogos habían leído primero como normales.

La IA marcó como normales el 56,7 % de los exámenes, y los radiólogos dedicaron 43 % menos tiempo a esos casos.

Qué significa

Lo relevante no es que la IA "lea mejor" que un radiólogo. Es que, integrada en el flujo de trabajo, aumentó la detección sin disparar las falsas alarmas. Ese era el punto débil de estudios anteriores, que encontraban más cánceres pero con resultados inconsistentes en las rellamadas.

La lectura más prudente: el diseño importa tanto como el algoritmo. La red de seguridad solo aparece después de que el radiólogo emite su juicio, lo que reduce el riesgo de que el médico se limite a seguir a la máquina. Un programa que quiera replicar el resultado tendría que copiar esa forma de uso, no solo comprar el software.

El otro hallazgo práctico es el tiempo. Donde faltan radiólogos, que la IA separe los casos claramente normales puede liberar horas para los difíciles. Esto sugiere, no prueba, que un programa podría ampliar su cobertura con el mismo personal.

Límites

• No es un ensayo aleatorizado. Los radiólogos eligieron cuándo usar la IA, y los autores detectaron que algunos preferían usarla en los casos marcados como normales. Corrigieron ese sesgo con métodos estadísticos, pero un diseño observacional no descarta del todo factores no medidos.
• Conflicto de interés. El estudio lo financió Vara, la empresa que desarrolla el software, y la empresa participó en el diseño, el análisis y la redacción. Tres autores son empleados de Vara.
• Falta el dato que más importa. Más detección no equivale a menos muertes. El estudio aún no mide los cánceres de intervalo, los que aparecen entre dos tamizajes, ni el estadio al diagnóstico. Eso llegará en análisis de seguimiento de 2 a 3 años.
• Sobrediagnóstico. Los autores advierten que la IA podría aumentar la detección de carcinoma ductal in situ, con el riesgo de tratar lesiones que nunca habrían causado daño.
• Contexto. El resultado es de un programa organizado, con doble lectura y conferencias de consenso. No se traslada automáticamente a sistemas con otra organización o con un solo lector.