{"id":40820,"date":"2023-09-20T08:58:34","date_gmt":"2023-09-20T14:58:34","guid":{"rendered":"https:\/\/saluddigital.com\/?p=40820"},"modified":"2025-10-19T00:39:30","modified_gmt":"2025-10-19T06:39:30","slug":"investigadores-prueban-el-rendimiento-de-ia-para-la-deteccion-de-cancer-de-mama","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/investigadores-prueban-el-rendimiento-de-ia-para-la-deteccion-de-cancer-de-mama\/","title":{"rendered":"Investigadores prueban el rendimiento de IA para la detecci\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 compar\u00f3 el desempe\u00f1o de lectores humanos y un algoritmo de IA en la interpretaci\u00f3n de conjuntos de pruebas de rendimiento en la detecci\u00f3n mamogr\u00e1fica.<\/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

Los programas de detecci\u00f3n poblacional han demostrado reducir la mortalidad por c\u00e1ncer de mama, sin embargo, la mamograf\u00eda no detecta todos los casos, lo que conduce a c\u00e1nceres \u201cintervalo\u201d detectados entre rondas de detecci\u00f3n y a interpretaciones falsas positivas. Para mejorar la sensibilidad y especificidad de la mamograf\u00eda de detecci\u00f3n, algunos pa\u00edses europeos realizan una doble lectura, que aumenta las tasas de detecci\u00f3n de c\u00e1ncer y mantiene bajas las tasas de llamadas innecesarias.<\/p>

En este sentido la inteligencia artificial (IA) ha demostrado ser un importante desarrollo y ha obtenido aprobaci\u00f3n regulatoria para la interpretaci\u00f3n de mamograf\u00edas de detecci\u00f3n, lo que podr\u00eda conducir a la mejora de la precisi\u00f3n diagn\u00f3stica y adem\u00e1s disminuir la carga de trabajo de los profesionales de la salud. Aunque la IA a\u00fan no est\u00e1 lista para su implementaci\u00f3n fuera de los ensayos cl\u00ednicos, es posible que desempe\u00f1e un papel en la interpretaci\u00f3n de mamograf\u00edas de detecci\u00f3n en el futuro.<\/p>

Recientemente fue publicado el estudio \u201cRendimiento de un algoritmo de IA para la detecci\u00f3n del c\u00e1ncer de mama utilizando el rendimiento personal en el esquema de detecci\u00f3n mamogr\u00e1fica\u201d, en la revista Radiology. <\/em>Su objetivo fue comparar el rendimiento de lectores humanos y un algoritmo de IA disponible comercialmente que interpreta conjuntos de pruebas Personal Performance in Mammographic Screening<\/em> (PERFORMS).<\/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

El estudio explica que para que la IA se implemente en la pr\u00e1ctica diaria, ser\u00e1 necesario realizar un monitoreo continuo del rendimiento de estos algoritmos para garantizar su \u00e9xito a largo plazo. Por ejemplo, en Reino Unido utilizan el Programa de Detecci\u00f3n de C\u00e1ncer de Mama del Servicio Nacional de Salud (NHSBSP) para medir el desempe\u00f1o de todos los lectores de mamograf\u00edas de detecci\u00f3n, lo que podr\u00eda servir de modelo para evaluar el rendimiento de la IA.<\/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

De esta forma, el estudio publicado en Radiology utiliz\u00f3 conjuntos de pruebas del esquema de evaluaci\u00f3n externa PERFORMS para evaluar el rendimiento de un algoritmo de IA disponible comercialmente y posteriormente compararlo con el rendimiento de lectores humanos que realizan los mismos tipos de pruebas.<\/p>

PERFORM se utiliza para evaluar el desempe\u00f1o de los lectores humanos en la detecci\u00f3n de c\u00e1ncer de mama. Sin embargo, no se ha determinado si este esquema puede evaluar el rendimiento de algoritmos de IA en la misma tarea.<\/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\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
\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

Este estudio retrospectivo involucr\u00f3 dos conjuntos de pruebas de PERFORM, cada uno con 60 casos. Estos conjuntos fueron evaluados por lectores humanos entre mayo de 2018 y marzo de 2021, y posteriormente, en 2022, fueron evaluados por un algoritmo de IA. La IA evalu\u00f3 cada mama por separado, asignando una puntuaci\u00f3n de sospecha de malignidad a las caracter\u00edsticas detectadas. Los autores compararon m\u00e9tricas de desempe\u00f1o, incluyendo sensibilidad, especificidad y \u00e1rea bajo la curva de caracter\u00edstica operativa del receptor (AUC) entre la IA y los lectores humanos.<\/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 total, 552 lectores humanos interpretaron ambos conjuntos de pruebas PERFORM, que consist\u00edan en 161 mamas normales, 70 mamas malignas y nueve mamas benignas. Los autores apuntaron que no observaron diferencia en el AUC entre la IA y los lectores humanos a nivel de mama (0,93% y 0,88%, respectivamente).<\/p>

Asimismo, cuando utilizaron el umbral de puntuaci\u00f3n de recall<\/em> sugerido por el desarrollador, no observaron diferencia en la sensibilidad entre la IA y los lectores humanos (84% y 90%, respectivamente), pero la especificidad de la IA fue m\u00e1s alta (89%) que la de los lectores humanos (76%).<\/p>

Los autores concluyeron que el rendimiento diagn\u00f3stico de la IA fue comparable al del lector humano promedio al evaluar casos de dos conjuntos de pruebas enriquecidos del esquema PERFORM. Esto sugiere que la IA podr\u00eda desempe\u00f1ar un papel cr\u00edtico en la detecci\u00f3n oportuna de c\u00e1ncer de mama y mejorar la eficiencia en la interpretaci\u00f3n de mamograf\u00edas, ofreciendo grandes beneficios en la atenci\u00f3n m\u00e9dica y en el tratamiento temprano de esta enfermedad.<\/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

RADIOLOGY<\/strong><\/p>

https:\/\/pubs.rsna.org\/doi\/10.1148\/radiol.223299<\/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 compar\u00f3 el desempe\u00f1o de lectores humanos y un algoritmo de IA en la interpretaci\u00f3n de conjuntos de pruebas de rendimiento en la detecci\u00f3n mamogr\u00e1fica. Los programas de detecci\u00f3n poblacional han demostrado reducir la mortalidad por c\u00e1ncer de mama, sin embargo, la mamograf\u00eda no detecta todos los casos, lo que conduce a c\u00e1nceres \u201cintervalo\u201d detectados entre rondas de detecci\u00f3n y a interpretaciones falsas positivas. Para mejorar la sensibilidad y especificidad de la mamograf\u00eda de detecci\u00f3n, algunos pa\u00edses europeos realizan una doble lectura, que aumenta las tasas de detecci\u00f3n de c\u00e1ncer y mantiene bajas las tasas de llamadas innecesarias. En este sentido la inteligencia artificial (IA) ha demostrado ser un importante desarrollo y ha obtenido aprobaci\u00f3n regulatoria para la interpretaci\u00f3n de mamograf\u00edas de detecci\u00f3n, lo que podr\u00eda conducir a la mejora de la precisi\u00f3n diagn\u00f3stica y adem\u00e1s disminuir la carga de trabajo de los profesionales de la salud. Aunque la IA a\u00fan no est\u00e1 lista para su implementaci\u00f3n fuera de los ensayos cl\u00ednicos, es posible que desempe\u00f1e un papel en la interpretaci\u00f3n de mamograf\u00edas de detecci\u00f3n en el futuro. Recientemente fue publicado el estudio \u201cRendimiento de un algoritmo de IA para la detecci\u00f3n del c\u00e1ncer de mama utilizando el rendimiento personal en el esquema de detecci\u00f3n mamogr\u00e1fica\u201d, en la revista Radiology. Su objetivo fue comparar el rendimiento de lectores humanos y un algoritmo de IA disponible comercialmente que interpreta conjuntos de pruebas Personal Performance in Mammographic Screening (PERFORMS). El estudio explica que para que la IA se implemente en la pr\u00e1ctica diaria, ser\u00e1 necesario realizar un monitoreo continuo del rendimiento de estos algoritmos para garantizar su \u00e9xito a largo plazo. Por ejemplo, en Reino Unido utilizan el Programa de Detecci\u00f3n de C\u00e1ncer de Mama del Servicio Nacional de Salud (NHSBSP) para medir el desempe\u00f1o de todos los lectores de mamograf\u00edas de detecci\u00f3n, lo que podr\u00eda servir de modelo para evaluar el rendimiento de la IA. De esta forma, el estudio publicado en Radiology utiliz\u00f3 conjuntos de pruebas del esquema de evaluaci\u00f3n externa PERFORMS para evaluar el rendimiento de un algoritmo de IA disponible comercialmente y posteriormente compararlo con el rendimiento de lectores humanos que realizan los mismos tipos de pruebas. PERFORM se utiliza para evaluar el desempe\u00f1o de los lectores humanos en la detecci\u00f3n de c\u00e1ncer de mama. Sin embargo, no se ha determinado si este esquema puede evaluar el rendimiento de algoritmos de IA en la misma tarea. Este estudio retrospectivo involucr\u00f3 dos conjuntos de pruebas de PERFORM, cada uno con 60 casos. Estos conjuntos fueron evaluados por lectores humanos entre mayo de 2018 y marzo de 2021, y posteriormente, en 2022, fueron evaluados por un algoritmo de IA. La IA evalu\u00f3 cada mama por separado, asignando una puntuaci\u00f3n de sospecha de malignidad a las caracter\u00edsticas detectadas. Los autores compararon m\u00e9tricas de desempe\u00f1o, incluyendo sensibilidad, especificidad y \u00e1rea bajo la curva de caracter\u00edstica operativa del receptor (AUC) entre la IA y los lectores humanos. En total, 552 lectores humanos interpretaron ambos conjuntos de pruebas PERFORM, que consist\u00edan en 161 mamas normales, 70 mamas malignas y nueve mamas benignas. Los autores apuntaron que no observaron diferencia en el AUC entre la IA y los lectores humanos a nivel de mama (0,93% y 0,88%, respectivamente). Asimismo, cuando utilizaron el umbral de puntuaci\u00f3n de recall sugerido por el desarrollador, no observaron diferencia en la sensibilidad entre la IA y los lectores humanos (84% y 90%, respectivamente), pero la especificidad de la IA fue m\u00e1s alta (89%) que la de los lectores humanos (76%). Los autores concluyeron que el rendimiento diagn\u00f3stico de la IA fue comparable al del lector humano promedio al evaluar casos de dos conjuntos de pruebas enriquecidos del esquema PERFORM. Esto sugiere que la IA podr\u00eda desempe\u00f1ar un papel cr\u00edtico en la detecci\u00f3n oportuna de c\u00e1ncer de mama y mejorar la eficiencia en la interpretaci\u00f3n de mamograf\u00edas, ofreciendo grandes beneficios en la atenci\u00f3n m\u00e9dica y en el tratamiento temprano de esta enfermedad. BIBLIOGRAF\u00cdA RADIOLOGY https:\/\/pubs.rsna.org\/doi\/10.1148\/radiol.223299<\/p>","protected":false},"author":1,"featured_media":40822,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-40820","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\/40820","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=40820"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/40820\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/40822"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=40820"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=40820"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=40820"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}