Qué autorizó la FDA
La FDA otorgó la autorización 510(k) a DeepHealth Breast Ultrasound, un software de inteligencia artificial que detecta, caracteriza e informa lesiones mamarias en estudios de ecografía. La autorización se emitió el 30 de julio de 2026 bajo el registro K260303 y cubre el dispositivo See-Mode Augmented Reporting Tool, Breast (SMART-B), fabricado por See-Mode Technologies y distribuido por DeepHealth, filial integral de RadNet.
La promesa no es sustituir al radiólogo, sino estandarizar la etapa más frágil del examen: la descripción de la lesión. En lugar de que cada profesional redacte a mano los descriptores morfológicos, el sistema extrae las mediciones, clasifica los hallazgos según el léxico ACR BI-RADS y devuelve un borrador de informe estructurado.
Los números del estudio multilector
Los datos que sustentan la autorización provienen de un estudio multilector y multicaso (MRMC) realizado con 16 radiólogos certificados en Estados Unidos, en centros de imagen y hospitales seleccionados. La empresa divulgó tres resultados:
- Exactitud de localización de lesiones superior al 98%: cuando existe una lesión, el software señala el sitio correcto.
- Ganancia del 8% en sensibilidad para la detección de cáncer de mama frente a la lectura sin asistencia.
- Reducción del 37% en el tiempo de interpretación del radiólogo.
El diseño MRMC es el estándar de oro para evaluar herramientas de apoyo a la decisión en imagen, precisamente porque mide al mismo lector con y sin el software, controlando la variabilidad entre profesionales. Conviene registrar, sin embargo, que se trata de datos presentados por el fabricante en el proceso regulatorio; la publicación revisada por pares con el detalle metodológico completo es el paso natural siguiente.
Cómo funciona la herramienta en la práctica
El flujo tiene tres capas. La primera es la detección automática de lesiones en imágenes estándar de ecografía mamaria. La segunda es la caracterización: el sistema clasifica forma, orientación, margen, patrón ecogénico y características posteriores, exactamente los descriptores del léxico BI-RADS del American College of Radiology. La tercera es la generación automática del informe, ya con las mediciones estandarizadas extraídas durante la adquisición.
Esa última capa es la que cambia la rutina del técnico. Hoy buena parte del tiempo del ecografista se va en medir manualmente y transcribir cifras. Automatizar la extracción estandarizada de mediciones elimina una fuente clásica de error de tipeo y de discrepancia entre lo que se midió y lo que se informó.
Por qué la ecografía mamaria necesitaba esto
Entre los métodos de imagen mamaria, la ecografía es el más dependiente del operador. La imagen solo existe mientras el transductor está posicionado: no hay un conjunto de datos volumétrico completo para reinterpretar después, como ocurre en la tomosíntesis o en la resonancia. Si la lesión no quedó documentada en el plano correcto, sencillamente no está en el estudio.
A eso se suma la variabilidad en la aplicación del léxico BI-RADS. La frontera entre una categoría 3 (probablemente benigno, seguimiento a seis meses) y una 4a (baja sospecha, indica biopsia) depende de un juicio morfológico sutil. En esa franja se concentran tanto las biopsias evitables como los seguimientos que deberían haber sido biopsia. Estandarizar descriptores ataca ese punto de forma directa.
El volumen también pesa. La ecografía sigue siendo el principal estudio complementario en mamas densas y permanece central en el debate sobre cribado suplementario: ya analizamos si la ecografía sigue siendo útil en el cribado en la era de la tomosíntesis y la evidencia de que la RM mamaria supera a la mamografía en mamas densas. En cualquier escenario, el volumen de ecografías mamarias no va a bajar.
Reembolso, escala y el papel de RadNet
Un detalle que suele pasarse por alto en los titulares de IA: el producto nace con una vía de reembolso. DeepHealth informa que sus clientes en Estados Unidos pueden solicitar pago bajo un código CPT de Categoría III existente para caracterización tisular cuantitativa por ecografía, sujeto siempre a la política de cada financiador.
La escala de implantación es igualmente relevante. La solución se desplegará en la red de centros de RadNet hasta fines de 2026, cubriendo un volumen estimado de más de 700.000 ecografías mamarias anuales potencialmente elegibles. Es uno de los mayores despliegues reales de IA en imagen anunciados hasta ahora y convierte a la propia RadNet en el mayor laboratorio de mundo real del producto.
«Con la solución de DeepHealth logramos una mayor estandarización de los flujos de trabajo, mejorando la consistencia y ahorrando tiempo», afirmó el Dr. Jason McKellop, director médico de imagen de la mujer de RadNet en California.
Qué cambia para el servicio
Para el radiólogo, la ganancia más inmediata no es diagnóstica sino de consistencia. Un informe que siempre trae los mismos cinco descriptores, en el mismo orden y con mediciones trazables, es un informe comparable a lo largo del tiempo, condición indispensable para evaluar el crecimiento de un nódulo en seguimiento.
Para el gestor, la cuenta es de productividad: un 37% de reducción en el tiempo de interpretación, si se confirma fuera del entorno del estudio, cambia el dimensionamiento de la agenda. Aun así, la implantación exige atención a tres puntos prácticos: integración con el PACS y el sistema de informes ya en uso, protocolo de adquisición estandarizado entre los técnicos y un proceso claro de revisión, porque la salida de la IA es un borrador y no un informe firmado.
Fuera de Estados Unidos, la comercialización depende del registro regulatorio local y el modelo de reembolso por código CPT de Categoría III rara vez tiene equivalente directo. La lectura correcta es seguir el caso como señal de tendencia, en la misma dirección del software que guía la ecografía de TVP a la cabecera del paciente, también autorizado recientemente: la IA está migrando del estudio estático al estudio dependiente del operador.
Limitaciones y qué observar
Tres reservas honestas. Primera: las cifras de desempeño son del fabricante y provienen de un estudio con 16 lectores en centros seleccionados; el rendimiento en población no seleccionada suele ser menor. Segunda: la ganancia de sensibilidad debe leerse junto con su efecto sobre la especificidad, dato que no se divulgó con el mismo énfasis, porque toda herramienta que aumenta la detección corre el riesgo de aumentar las biopsias benignas. Tercera: la autorización 510(k) acredita equivalencia sustancial con un dispositivo predicado, no beneficio clínico en desenlaces.
Lo que valdrá la pena observar en los próximos meses son justamente los datos de mundo real de la red RadNet: tasa de rellamada, valor predictivo positivo de la biopsia y tiempo de informe antes y después de la implantación, en cientos de miles de estudios. Si esos indicadores se mueven en la dirección correcta a esa escala, el caso deja de ser una nota regulatoria y se convierte en evidencia.
Fuentes: AuntMinnie — DeepHealth lands FDA nod for breast ultrasound AI software y el comunicado oficial de DeepHealth.
