Un estudio comparó el desempeño de lectores humanos y un algoritmo de IA en la interpretación de conjuntos de pruebas de rendimiento en la detección mamográfica.
Los programas de detección poblacional han demostrado reducir la mortalidad por cáncer de mama, sin embargo, la mamografía no detecta todos los casos, lo que conduce a cánceres “intervalo” detectados entre rondas de detección y a interpretaciones falsas positivas. Para mejorar la sensibilidad y especificidad de la mamografía de detección, algunos países europeos realizan una doble lectura, que aumenta las tasas de detección de cáncer y mantiene bajas las tasas de llamadas innecesarias.
En este sentido la inteligencia artificial (IA) ha demostrado ser un importante desarrollo y ha obtenido aprobación regulatoria para la interpretación de mamografías de detección, lo que podría conducir a la mejora de la precisión diagnóstica y además disminuir la carga de trabajo de los profesionales de la salud. Aunque la IA aún no está lista para su implementación fuera de los ensayos clínicos, es posible que desempeñe un papel en la interpretación de mamografías de detección en el futuro.
Recientemente fue publicado el estudio “Rendimiento de un algoritmo de IA para la detección del cáncer de mama utilizando el rendimiento personal en el esquema de detección mamográfica”, 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 práctica diaria, será necesario realizar un monitoreo continuo del rendimiento de estos algoritmos para garantizar su éxito a largo plazo. Por ejemplo, en Reino Unido utilizan el Programa de Detección de Cáncer de Mama del Servicio Nacional de Salud (NHSBSP) para medir el desempeño de todos los lectores de mamografías de detección, lo que podría servir de modelo para evaluar el rendimiento de la IA.
De esta forma, el estudio publicado en Radiology utilizó conjuntos de pruebas del esquema de evaluación 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 desempeño de los lectores humanos en la detección de cáncer 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 involucró 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 evaluó cada mama por separado, asignando una puntuación de sospecha de malignidad a las características detectadas. Los autores compararon métricas de desempeño, incluyendo sensibilidad, especificidad y área bajo la curva de característica operativa del receptor (AUC) entre la IA y los lectores humanos.
En total, 552 lectores humanos interpretaron ambos conjuntos de pruebas PERFORM, que consistían 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 puntuación 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 más alta (89%) que la de los lectores humanos (76%).
Los autores concluyeron que el rendimiento diagnóstico 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 podría desempeñar un papel crítico en la detección oportuna de cáncer de mama y mejorar la eficiencia en la interpretación de mamografías, ofreciendo grandes beneficios en la atención médica y en el tratamiento temprano de esta enfermedad.
