{"id":54543,"date":"2025-05-09T09:35:09","date_gmt":"2025-05-09T15:35:09","guid":{"rendered":"https:\/\/saluddigital.com\/?p=54543"},"modified":"2025-05-09T09:40:54","modified_gmt":"2025-05-09T15:40:54","slug":"ia-podria-mejorar-la-deteccion-temprana-de-cancer-de-mama","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/noticias\/ia-podria-mejorar-la-deteccion-temprana-de-cancer-de-mama\/","title":{"rendered":"IA podr\u00eda mejorar la detecci\u00f3n temprana 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

Nuevo estudio muestra que la IA puede detectar los c\u00e1ncer de mama de intervalo durante pruebas de detecci\u00f3n de rutina.<\/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

El c\u00e1ncer de mama de intervalo se diagnostica entre mamograf\u00edas de cribado programadas, interpret\u00e1ndose la mamograf\u00eda anterior como negativa para malignidad. Los intervalos de cribado var\u00edan de uno a tres a\u00f1os, dependiendo de las directrices del programa. Este tipo de c\u00e1ncer se asocia a un peor pron\u00f3stico que los c\u00e1nceres detectados mediante cribado.<\/p>

La reducci\u00f3n de las tasas de c\u00e1ncer de mama de intervalo es un buen sustituto para evaluar la eficacia de los programas de cribado. Adem\u00e1s, es importante entender si los c\u00e1nceres de mama de intervalo fueron \u201cpasados por alto\u201d por el radi\u00f3logo o simplemente no eran visibles en el momento de la mamograf\u00eda de cribado precedente.<\/p>

Un estudio fue publicado en Journal of the National Cancer Institute<\/em><\/a>, por investigadores de la Universidad de California, Los \u00c1ngeles (UCLA), detalla c\u00f3mo el uso de inteligencia artificial (IA) logr\u00f3 identificar de manera \u00a0anticipada\u00a0 los tipos de c\u00e1ncer de intervalo visibles en las mamograf\u00eda. Es decir la IA ayud\u00f3 a identificar tumores visibles en mamograf\u00edas pero no detectados por radi\u00f3logos por\u00a0 sus caracter\u00edsticas tan sutiles y tenues casi indetectables por el ojo humano. Esta tecnolog\u00eda podr\u00eda conducir al desarrollo de nuevos enfoques y pr\u00e1cticas para la detecci\u00f3n y el tratamiento temprano de c\u00e1ncer de mama, con el prop\u00f3sito de mejorar los resultados para las pacientes.<\/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

\u201cEste hallazgo es importante porque estos tipos de c\u00e1ncer de intervalo podr\u00edan detectarse en etapas m\u00e1s tempranas, cuando el c\u00e1ncer es m\u00e1s f\u00e1cil de tratar\u201d, afirm\u00f3 la Dra. Tiffany Yu, profesora adjunta de Radiolog\u00eda en la Facultad de Medicina David Geffen de la UCLA y primera autora del estudio. \u201cPara las pacientes, la detecci\u00f3n temprana del c\u00e1ncer puede marcar la diferencia. Puede conducir a un tratamiento menos agresivo y mejorar las probabilidades de un mejor pron\u00f3stico\u201d.<\/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 utiliz\u00f3 mamograf\u00edas digitales y mamograf\u00edas de cribado realizadas entre 2010 y 2019 en un centro acad\u00e9mico de atenci\u00f3n terciaria de Estados Unidos e identificaron los c\u00e1ncer de mama de intervalos diagnosticados <12 meses despu\u00e9s de una mamograf\u00eda negativa. Al menos tres radi\u00f3logos de mama clasificaron retrospectivamente este tipo de c\u00e1ncer como error de lectura omitido, signos m\u00ednimos-accionables, signos m\u00ednimos-no accionables, intervalo verdadero, oculto o error t\u00e9cnico omitido.<\/p>

Los autores utilizaron Transpara, una herramienta de IA que utiliza un enfoque de deep learning. Este software asign\u00f3 puntuaciones de riesgo del 1 al 10 a las mamograf\u00edas de cribado de \u00edndice negativo, con puntuaciones \u22658 consideradas \u201cmarcadas\u201d. El an\u00e1lisis estad\u00edstico evalu\u00f3 las asociaciones entre los tipos de c\u00e1ncer de mama de intervalo y las puntuaciones del examen de IA, las marcas de IA y las caracter\u00edsticas de la paciente\/tumor.<\/p>

De un total de 184,935 mamograf\u00edas de cribado (65% \u00a0digitales), los autores identificaron 148 casos de c\u00e1ncer en 148 mujeres. Entre las pacientes el 26% de los casos fueron clasificados como signos m\u00ednimos-accionables; el 24%, ocultos; el 22%, signos m\u00ednimos-no accionables; el 17%, errores de lectura; el 6%, intervalos verdaderos; y el 5%, errores t\u00e9cnicos.<\/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

La IA puntu\u00f3 131 mamograf\u00edas, excluidos 17 errores. Adem\u00e1s marc\u00f3 con mayor frecuencia los ex\u00e1menes con errores de lectura (90%), signos m\u00ednimos-accionables (89%) y signos m\u00ednimos-no-accionables (72%). Asimismo, la IA localiz\u00f3 los tipos visibles mamogr\u00e1ficamente con mayor precisi\u00f3n (35-68%) que los tipos no visibles.<\/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 investigadores concluyeron que la IA marc\u00f3 con mayor frecuencia y localiz\u00f3 con precisi\u00f3n los tipos de c\u00e1ncer de mama de intervalo que eran visibles mamogr\u00e1ficamente en el cribado, fueran signos omitidos o m\u00ednimos, en comparaci\u00f3n con los verdaderos c\u00e1nceres de intervalo u ocultos.<\/p>

De esta forma, los principales resultados mostraron que la IA identific\u00f3 el 76% de las mamograf\u00edas que originalmente como normales, pero que posteriormente se vincularon con un c\u00e1ncer de mama de intervalo.\u00a0 Adem\u00e1s se detectaron el 90% de los casos de errores de lectura fallida. Tambi\u00e9n se detectaron 89% de los c\u00e1nceres con signos m\u00ednimos que mostraban signos muy sutiles.<\/p>

\u201cSi bien obtuvimos resultados prometedores, tambi\u00e9n descubrimos muchas imprecisiones de la IA y problemas que requieren mayor an\u00e1lisis en la pr\u00e1ctica\u201d, afirm\u00f3 la Dra. Hannah Milch, profesora adjunta de Radiolog\u00eda en la Facultad de Medicina David Geffen y autora principal del estudio. \u201cPor ejemplo, a pesar de ser invisible en las mamograf\u00edas, la herramienta de IA detect\u00f3 el 69 % de las mamograf\u00edas de detecci\u00f3n con c\u00e1nceres ocultos. Sin embargo, al analizar las \u00e1reas espec\u00edficas de las im\u00e1genes que la IA marc\u00f3 como sospechosas, su rendimiento fue menor y solo detect\u00f3 el c\u00e1ncer real el 22% de las veces\u201d.<\/p>

Las autoras principales reconocen que ser\u00e1n necesarios nuevos estudios prospectivos m\u00e1s amplios para comprender c\u00f3mo los radi\u00f3logos pueden aprovechar esta IA en la pr\u00e1ctica cl\u00ednica para mejorar la detecci\u00f3n. Tiene potencial para servir como una valiosa segunda mirada, especialmente para los tipos de c\u00e1ncer m\u00e1s dif\u00edciles de detectar a tiempo. Se trata de brindar a los radi\u00f3logos mejores herramientas y a los pacientes la mejor oportunidad de detectar el c\u00e1ncer a tiempo, lo que podr\u00eda salvar m\u00e1s vidas\u201d, finaliz\u00f3 la Dra. Yu.<\/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

UCLA<\/strong><\/p>

https:\/\/www.uclahealth.org\/news\/release\/ai-could-help-improve-early-detection-interval-breast<\/a><\/p>

JNCI<\/strong><\/p>

https:\/\/academic.oup.com\/jnci\/advance-article\/doi\/10.1093\/jnci\/djaf103\/8116029?login=false<\/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":"

Enfoque de deep learning e IA podr\u00eda mejorar la detecci\u00f3n temprana de c\u00e1ncer de mama y mejorar el tratamiento oportuno de las pacientes.<\/p>","protected":false},"author":1,"featured_media":54546,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[160,3396],"tags":[145],"class_list":["post-54543","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-noticias","category-uso-de-plataformas-digitales","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/54543","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=54543"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/54543\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/54546"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=54543"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=54543"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=54543"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}