{"id":39273,"date":"2023-06-20T08:58:23","date_gmt":"2023-06-20T14:58:23","guid":{"rendered":"https:\/\/saluddigital.com\/?p=39273"},"modified":"2025-10-19T22:59:30","modified_gmt":"2025-10-20T04:59:30","slug":"modelo-de-ia-supero-a-modelo-estandar-en-prediccion-de-cancer-de-mama","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/modelo-de-ia-supero-a-modelo-estandar-en-prediccion-de-cancer-de-mama\/","title":{"rendered":"Modelo de IA super\u00f3 a modelo est\u00e1ndar en predicci\u00f3n de c\u00e1ncer de mama"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Un estudio analiz\u00f3 mamograf\u00edas de m\u00e1s de 300 mil mujeres para predecir c\u00e1ncer de mama utilizando modelos de inteligencia artificial y aprendizaje autom\u00e1tico.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

En un amplio estudio que incluy\u00f3 miles de mamograf\u00edas, fueron utilizados algoritmos de inteligencia artificial (IA) que superaron al modelo de riesgo cl\u00ednico est\u00e1ndar para predecir el riesgo de c\u00e1ncer de mama a cinco a\u00f1os. Los resultados del estudio se publicaron en Radiology<\/em>.<\/p>

Seg\u00fan explica el Dr. Vignesh A. Arasu, especialista en radiolog\u00eda, el riesgo de c\u00e1ncer de mama en una mujer se calcula de manera convencional utilizando modelos cl\u00ednicos como el modelo de riesgo del Consorcio de Vigilancia del C\u00e1ncer de Mama (BCSC, en ingl\u00e9s), que utiliza informaci\u00f3n autoinformada y de otros aspectos de la paciente, como la edad, antecedentes familiares de la enfermedad, si ha dado a luz y si tiene mamas densas, para calcular un puntaje de riesgo.<\/p>

\u201cLos modelos de riesgo cl\u00ednico dependen de recopilar informaci\u00f3n de diferentes fuentes, lo cual no siempre est\u00e1 disponible o se recopila\u201d explic\u00f3 el Dr. Arasu. Adem\u00e1s, detall\u00f3 que los avances recientes en el aprendizaje profundo o machine learning<\/em> basados en IA brindan la capacidad a los especialistas de extraer cientos o miles de caracter\u00edsticas mamogr\u00e1ficas adicionales.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

En este sentido un estudio retrospectivo conducido por el Dr. Arasu utiliz\u00f3 datos asociados con mamograf\u00edas de detecci\u00f3n 2D negativas realizadas en Kaiser Permanente Northern California en 2016. De las 324,009 mujeres examinadas en 2016 que cumpl\u00edan con los criterios de elegibilidad, se seleccion\u00f3 una subcohorte aleatoria de 13,628 mujeres para el an\u00e1lisis. Asimismo, estudiaron a las 4,584 pacientes del grupo de elegibilidad que fueron diagnosticadas con c\u00e1ncer dentro de los cinco a\u00f1os de la mamograf\u00eda original de 2016. Todas las mujeres fueron seguidas y monitoreadas hasta 2021 por especialistas.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t

\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Los algoritmos predijeron hasta el 28% de los c\u00e1nceres en comparaci\u00f3n con el 21% predicho por el BCSC. De esta manera, los resultados mostraron que los algoritmos de inteligencia artificial superaron al modelo cl\u00ednico en la predicci\u00f3n del riesgo de c\u00e1ncer de mama a cinco a\u00f1os. Incluso se encontr\u00f3 que algunos algoritmos de IA eran especialmente buenos en la detecci\u00f3n de c\u00e1nceres agresivos que podr\u00edan requerir una evaluaci\u00f3n adicional. Adem\u00e1s, los algoritmos entrenados para periodos de tiempo cortos tambi\u00e9n fueron capaces de predecir el riesgo de c\u00e1ncer a largo plazo.<\/p>

\u201cLos cinco algoritmos de inteligencia artificial superaron al modelo de riesgo del BCSC para predecir el riesgo de c\u00e1ncer de mama de 0 a 5 a\u00f1os”, dijo el Dr. Arasu. “Este s\u00f3lido rendimiento predictivo durante el per\u00edodo de cinco a\u00f1os sugiere que la inteligencia artificial est\u00e1 identificando tanto los c\u00e1nceres no detectados como las caracter\u00edsticas del tejido mamario que ayudan a predecir el desarrollo futuro de c\u00e1ncer de mama\u201d<\/p>

El estudio demostr\u00f3 que los algoritmos de IA superan a los modelos cl\u00ednicos tradicionales para predecir el riesgo de c\u00e1ncer de mama a cinco a\u00f1os. La capacidad de la inteligencia artificial para extraer caracter\u00edsticas adicionales de las mamograf\u00edas proporciona una ventaja significativa en la identificaci\u00f3n de c\u00e1nceres no detectados y en la predicci\u00f3n del desarrollo futuro de la enfermedad. Esto ofrece la posibilidad de personalizar la atenci\u00f3n de cada paciente y tomar decisiones informadas sobre su cuidado.<\/p>

You can consult the study at the following link: https:\/\/doi.org\/10.1148\/radiol.222733<\/a><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

RSNA<\/strong><\/p>

https:\/\/doi.org\/10.1148\/radiol.222733<\/a><\/p>

https:\/\/www.rsna.org\/news\/2023\/june\/ai-for-predicting-breast-cancer<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Un estudio analiz\u00f3 mamograf\u00edas de m\u00e1s de 300 mil mujeres para predecir c\u00e1ncer de mama utilizando modelos de inteligencia artificial y aprendizaje autom\u00e1tico. En un amplio estudio que incluy\u00f3 miles de mamograf\u00edas, fueron utilizados algoritmos de inteligencia artificial (IA) que superaron al modelo de riesgo cl\u00ednico est\u00e1ndar para predecir el riesgo de c\u00e1ncer de mama a cinco a\u00f1os. Los resultados del estudio se publicaron en Radiology. Seg\u00fan explica el Dr. Vignesh A. Arasu, especialista en radiolog\u00eda, el riesgo de c\u00e1ncer de mama en una mujer se calcula de manera convencional utilizando modelos cl\u00ednicos como el modelo de riesgo del Consorcio de Vigilancia del C\u00e1ncer de Mama (BCSC, en ingl\u00e9s), que utiliza informaci\u00f3n autoinformada y de otros aspectos de la paciente, como la edad, antecedentes familiares de la enfermedad, si ha dado a luz y si tiene mamas densas, para calcular un puntaje de riesgo. \u201cLos modelos de riesgo cl\u00ednico dependen de recopilar informaci\u00f3n de diferentes fuentes, lo cual no siempre est\u00e1 disponible o se recopila\u201d explic\u00f3 el Dr. Arasu. Adem\u00e1s, detall\u00f3 que los avances recientes en el aprendizaje profundo o machine learning basados en IA brindan la capacidad a los especialistas de extraer cientos o miles de caracter\u00edsticas mamogr\u00e1ficas adicionales. En este sentido un estudio retrospectivo conducido por el Dr. Arasu utiliz\u00f3 datos asociados con mamograf\u00edas de detecci\u00f3n 2D negativas realizadas en Kaiser Permanente Northern California en 2016. De las 324,009 mujeres examinadas en 2016 que cumpl\u00edan con los criterios de elegibilidad, se seleccion\u00f3 una subcohorte aleatoria de 13,628 mujeres para el an\u00e1lisis. Asimismo, estudiaron a las 4,584 pacientes del grupo de elegibilidad que fueron diagnosticadas con c\u00e1ncer dentro de los cinco a\u00f1os de la mamograf\u00eda original de 2016. Todas las mujeres fueron seguidas y monitoreadas hasta 2021 por especialistas. Los algoritmos predijeron hasta el 28% de los c\u00e1nceres en comparaci\u00f3n con el 21% predicho por el BCSC. De esta manera, los resultados mostraron que los algoritmos de inteligencia artificial superaron al modelo cl\u00ednico en la predicci\u00f3n del riesgo de c\u00e1ncer de mama a cinco a\u00f1os. Incluso se encontr\u00f3 que algunos algoritmos de IA eran especialmente buenos en la detecci\u00f3n de c\u00e1nceres agresivos que podr\u00edan requerir una evaluaci\u00f3n adicional. Adem\u00e1s, los algoritmos entrenados para periodos de tiempo cortos tambi\u00e9n fueron capaces de predecir el riesgo de c\u00e1ncer a largo plazo. \u201cLos cinco algoritmos de inteligencia artificial superaron al modelo de riesgo del BCSC para predecir el riesgo de c\u00e1ncer de mama de 0 a 5 a\u00f1os”, dijo el Dr. Arasu. “Este s\u00f3lido rendimiento predictivo durante el per\u00edodo de cinco a\u00f1os sugiere que la inteligencia artificial est\u00e1 identificando tanto los c\u00e1nceres no detectados como las caracter\u00edsticas del tejido mamario que ayudan a predecir el desarrollo futuro de c\u00e1ncer de mama\u201d El estudio demostr\u00f3 que los algoritmos de IA superan a los modelos cl\u00ednicos tradicionales para predecir el riesgo de c\u00e1ncer de mama a cinco a\u00f1os. La capacidad de la inteligencia artificial para extraer caracter\u00edsticas adicionales de las mamograf\u00edas proporciona una ventaja significativa en la identificaci\u00f3n de c\u00e1nceres no detectados y en la predicci\u00f3n del desarrollo futuro de la enfermedad. Esto ofrece la posibilidad de personalizar la atenci\u00f3n de cada paciente y tomar decisiones informadas sobre su cuidado. Puedes consultar el estudio en el siguiente enlace: https:\/\/doi.org\/10.1148\/radiol.222733 BIBLIOGRAF\u00cdA RSNA https:\/\/doi.org\/10.1148\/radiol.222733 https:\/\/www.rsna.org\/news\/2023\/june\/ai-for-predicting-breast-cancer<\/p>","protected":false},"author":1,"featured_media":39277,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-39273","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/39273","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=39273"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/39273\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/39277"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=39273"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=39273"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=39273"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}