Los avances tecnológicos y de programación, así como la necesidad de mejorar la eficacia en el cribado y diagnóstico del cáncer de mama llevó en un al desarrollo de programas informáticos automáticos o Computer Aided Detection systems (CAD) basados en modelos matemáticos que, aunque lograban aumentar la sensibilidad, aumentaban también tasa de falsos positivos, disminuyendo por tanto la especificidad y aumentando la tasa de biopsias realizadas.

Posteriormente, la aplicación de la inteligencia artificial a la mamografía con el uso del “machine learning”, “deep learning” y” deep convolutional neural network”, ha mostrado resultados prometedores en varios aspectos: valoración de la densidad mamaria (conocida como factor de riesgo para cáncer de mama y como factor que disminuye la detección del mismo), la utilización como segundo lector en programas de cribado (con mejoras de sensibilidad, especificidad y área bajo la curva), la utilización de estos programas como triaje (permitiendo la lectura tan sólo de aquellas mamografías que muestran puntuaciones altas), su aplicación a la valoración de la tomósíntesis y finalmente su utilización como modelo predictivo de riesgo de cáncer de mamá no solo valorando la densidad mamaria sino también información basada en píxeles no perceptibles al ojo humano, datos clínicos y radiómicos logrando algoritmos predictivos más eficaces que los modelos clínicos de predicción de riesgo. Sin embargo, se necesitan más estudios de validación, de viabilidad y de estandarización entre diferentes casas comerciales. También es importante determinar aspectos éticos y legales sobre la incorporación de la inteligencia artificial a nuestro flujo de trabajo.