Artículo muy interesante en el que se realiza un repaso de todos los sistemas de inteligencia artificial con definición exacta de cada uno de ellos y su utilidad en los programas de cribado del cáncer de mama.

Los programas de detección precoz de cáncer de mama han permitido disminuir la mortalidad, mejorar el pronóstico y la calidad de vida de los pacientes. La tomosíntesis y los sistemas de detección asistida o “CAD” (Computer Aided Detection) no han logrado implementarse de forma general debido a ciertas limitaciones.

Posteriormente se han ido implementando sistemas de Inteligencia Artificial (IA) que dotan a las máquinas de habilidades como la capacidad de aprender. En el Aprendizaje Automático o ML (Machine Learning), la máquina aprende de forma automática a partir de experiencias previas. El Aprendizaje Profundo o DL (Deep Learning) es un tipo de ML en el que el algoritmo aprende por sí solo. A su vez, dentro de este grupo se encuentran las Redes Neuronales Convolucionales o CNN (Convolutional Neural Network) que procesan las imágenes imitando a las redes neuronales cerebrales siendo capaces de detectar lesiones y probabilidad de malignidad así como de valorar cambios evolutivos en el tiempo.

También se analiza la aportación de los sistemas de IA a los programas de detección precoz como son:

• Rendimiento de estos sistemas de IA comparado con los radiólogos.
• Uso como apoyo a los radiólogos marcando las regiones sospechosas, aumentando el rendimiento diagnóstico, pero no el tiempo de lectura.
• Uso como lector autónomo o primer lector con capacidad de categorizar las mamografías según su probabilidad de malignidad.
• Uso conjunto con la tomosíntesis, mostrando automáticamente el corte donde se encuentra el hallazgo o generando una imagen sintetizada en la que se marcan las lesiones sospechosas. También posibilita cuantificar el riesgo de cáncer en función de ciertos parámetros como la densidad mamaria.

Dra. Silvia Pérez

Sección de Radiología de mama - SEDIM