Investigadores de la UCSF integraron el algoritmo Mirai en el flujo de trabajo de detección temprana de cáncer de mama y comprobaron que la intervención redujo significativamente los tiempos de diagnóstico sin afectar la atención estándar.
Un estudio prospectivo y controlado publicado en la revista npj Digital Medicine demostró que la integración de un modelo de inteligencia artificial (IA) para estratificación de riesgo en los flujos de trabajo de mamografía de detección es operacionalmente viable y reduce de manera drástica los tiempos de atención para mujeres con mayor probabilidad de desarrollar cáncer de mama en el corto plazo. El ensayo se realizó entre diciembre de 2024 y junio de 2025 en el Zuckerberg San Francisco General Hospital, un hospital urbano de atención pública que atiende principalmente a población sin seguro médico o con cobertura pública, racialmente diversa y con alta proporción de hablantes de español y cantonés.
El equipo, encabezado por Maggie Chung del Departamento de Radiología e Imagenología Biomédica de la Universidad de California San Francisco (UCSF), utilizó Mirai, un modelo de IA de acceso libre y código abierto validado en múltiples instituciones, para generar puntajes de riesgo a un año directamente a partir de las mamografías de detección, en tiempo real. Las pacientes ubicadas en el 90% superior de riesgo fueron identificadas como de alto riesgo. En los días de inscripción, aquellas que dieron su consentimiento recibieron una interpretación inmediata de su mamografía y, cuando estaba indicado, una evaluación diagnóstica el mismo día.
“Este es un claro ejemplo de cómo la inteligencia artificial puede ser un aliado para los médicos”, afirmó el Dr. Adam Yala, quien, junto con Chung, es profesor adjunto en el Programa Conjunto de Salud de Precisión Computacional de la UCSF y la UC Berkeley. “Demuestra cómo podemos mejorar la atención sanitaria cuando reunimos a médicos y científicos de datos para diseñar estos sistemas”.
De las 4,145 mamografías realizadas durante el periodo de estudio, el modelo identificó a 525 pacientes (12.7%) como de alto riesgo. De las 115 mujeres de alto riesgo en los días de inscripción, 100 consintieron participar en el protocolo de atención acelerada, con una edad promedio de 59.1 años. El 94% de las participantes recibió una interpretación inmediata de su mamografía, y 97.9% obtuvo sus resultados en menos de 30 minutos. De las 31 participantes que requirieron evaluación diagnóstica adicional, 26 (83.9%) la completaron el mismo día.
Los tiempos de atención mostraron reducciones estadísticamente significativas en todos los indicadores medidos. El tiempo medio desde la mamografía hasta el resultado de detección se redujo 98.3%, de 900.9 minutos en el grupo de control a 14.7 minutos en el grupo de atención acelerada. El tiempo hasta completar la evaluación diagnóstica cayó 98.5%, de 1,078.4 horas a 16.0 horas, y el tiempo hasta la biopsia disminuyó 73.7%, de 69.9 días a 18.4 días. Las reducciones fueron aún mayores entre las pacientes en las que se detectó cáncer: el tiempo hasta el resultado de detección bajó 99.1%, el tiempo hasta la evaluación diagnóstica 99.1%, y el tiempo hasta la biopsia 87.2%.
La tasa de detección de cáncer en el grupo de atención acelerada fue de 60 por cada 1,000 participantes, frente a 2.3 por cada 1,000 en el grupo sin alto riesgo en los días de inscripción. En total, el modelo Mirai identificó 68% de los cánceres detectados por tamizaje a lo largo del estudio. Los autores señalan que el umbral del percentil 90 fue seleccionado deliberadamente para ajustarse a la capacidad diagnóstica local, y que el porcentaje de pacientes identificadas como de alto riesgo (12.7%) coincidió con la proporción anticipada, lo que respaldó la viabilidad operacional del protocolo. Importantemente, la intervención no afectó los tiempos de atención de las pacientes no inscritas.
“En la actualidad, muchas mujeres siguen el mismo calendario de cribado, pero su riesgo individual puede variar considerablemente”, afirmó Chung. “La evaluación del riesgo mediante IA nos brinda la oportunidad de identificar a las mujeres que más probablemente se beneficien de una atención prioritaria y de proporcionarles lo que necesitan”.
No obstante, los autores reconocen varias limitaciones, especialmente que el estudio se realizó en una sola institución, lo cual puede limitar su generalización. El seguimiento fue de al menos tres meses, por lo que los cánceres diagnosticados después de ese periodo no fueron incluidos. Los días de inscripción se definieron según la disponibilidad del coordinador de investigación y no mediante asignación aleatoria. El estudio tampoco contó con una muestra suficientemente amplia para evaluar si la intervención redujo las disparidades entre subgrupos demográficos específicos, aunque los investigadores argumentan que al acortar el tiempo hasta la resolución diagnóstica para las pacientes con mayor probabilidad de tener cáncer, la intervención incide directamente en uno de los mecanismos que sostienen dichas disparidades. Tampoco fueron inscritas mujeres con antecedentes de mastectomía, implantes mamarios o embarazo.
