El balance de investigación en imagen de mama publicado por Diagnostic Imaging reúne un conjunto de estudios que, leídos juntos, cuentan una historia bastante distinta de la narrativa de «la IA detectará más cáncer». Las ganancias consolidadas en este ciclo están en la eficiencia — menos tiempo de lectura, menos imágenes por estudio, protocolos de RM más cortos — y en la elección de modalidad, con la mamografía con contraste saliendo del nicho. La detección adicional, cuando aparece, viene acompañada de más reconvocatorias. Conviene desglosar cada frente.
Tomosíntesis: la ganancia ahora es de tiempo, no de detección
La tomosíntesis digital (DBT) ya es estándar en buena parte del tamizaje, y el problema que creó es conocido: multiplicó el número de imágenes por estudio y, con ellas, el tiempo de lectura. La investigación reciente atacó justamente ese punto.
En estudios multilector y multicaso, el soporte de IA concurrente redujo el tiempo medio de lectura de cerca de 54,4 a 48,5 segundos por estudio: poco en valor absoluto, mucho al multiplicarlo por miles de estudios en una jornada de tamizaje. Trabajos con detección asistida por computadora aplicada de forma concurrente reportaron reducciones de hasta el 29,2% en el tiempo de lectura manteniendo el desempeño interpretativo. Donde el sistema de IA era exacto, el uso concurrente mejoró AUC, sensibilidad y especificidad y redujo la tasa de reconvocatoria.
La línea más interesante, sin embargo, es la reconstrucción de slabs por IA. En lugar de mejorar la lectura, reduce el material a leer, agrupando cortes finos en rebanadas sintéticas más gruesas. Una revisión retrospectiva de 119.662 estudios de tamizaje por DBT publicada en Radiology no encontró diferencia en la tasa de detección de cáncer antes y después de implantar la tecnología. Es el tipo de resultado «nulo» que importa mucho: si la detección no cambia y el volumen de imágenes cae, la ganancia de flujo es limpia.
La RM abreviada se consolida como tamizaje viable
Un estudio publicado en febrero en Radiology mostró que el tamizaje con protocolo abreviado de RM sostiene desenlaces positivos a lo largo del tiempo: la pieza que faltaba, porque la crítica al protocolo corto siempre fue que podría perder lesiones en un seguimiento más largo.
Las cifras de logística explican la adopción acelerada. Los protocolos abreviados bajan el tiempo de adquisición de 25 a 35 minutos hasta alrededor de 8 minutos, con tiempo medio de lectura de poco más de un minuto. Eso cambia la economía del examen: en lugar de dos pacientes por hora de imán, el servicio acomoda cinco o seis. Para una modalidad cuya principal barrera siempre fue el acceso y el costo, y no la sensibilidad, acortar el protocolo es la intervención de mayor apalancamiento. La comparación directa entre RM abreviada, RM completa y mamografía con contraste ya se publicó en la propia Radiology y es lectura obligatoria para quien vaya a diseñar un programa suplementario.
La mamografía con contraste sale del nicho
La mamografía con contraste (MCC, o CEM) fue la modalidad con más evidencia nueva en este ciclo, en dos direcciones distintas.
En el frente diagnóstico, un estudio prospectivo en mamas densas con carcinoma multifocal y multicéntrico encontró detección de la lesión índice en el 96,8% de los casos con MCC, frente al 69,2% con tomosíntesis y el 51,9% con mamografía digital, además de mayor conspicuidad de la lesión y mayor confianza del lector. Es una diferencia lo bastante amplia para cambiar la planificación quirúrgica, y en ese escenario — estadificación local en mama densa — la MCC tiene su argumento más fuerte.
En el frente de tamizaje, el análisis interino del ensayo prospectivo TOCEM, también en Radiology, evaluó añadir MCC a la tomosíntesis en mujeres con historia personal de cáncer de mama y encontró aumento de detección con un incremento limitado de reconvocatorias. «Limitado» es la palabra que importa: el contraste en tamizaje siempre arriesga cambiar cáncer detectado por biopsia innecesaria, y el ensayo sugiere que el balance es manejable en esa población específica.
Hay además un hallazgo sutil y práctico: en lesiones detectadas por MCC, añadir tomosíntesis ajustó la clasificación BI-RADS hacia la patología real, y el efecto fue mayor entre lectores menos experimentados. Es decir, las dos modalidades no compiten: combinadas, reducen la variabilidad interobservador, uno de los problemas persistentes de la imagen de mama.
IA de riesgo y el problema del sesgo de automatización
El balance también cubre modelos de IA que señalan riesgo de cáncer años antes del diagnóstico y, en el mismo movimiento, un estudio cautelar sobre sesgo de automatización. La yuxtaposición no es accidental: son las dos caras del mismo sistema.
Del lado prometedor, los modelos de riesgo basados en imagen ya demostraron capacidad de estratificar riesgo a partir de una mamografía aparentemente normal, y las pacientes aceptan bien esa estratificación, como mostró el estudio que cubrimos sobre la aceptación del cálculo de riesgo de mama por IA. Del lado cauteloso, la evidencia acumulada sobre sesgo de automatización es consistente: cuando el algoritmo marca, el lector tiende a confirmar; cuando no marca, tiende a relajarse. Detallamos el mecanismo al analizar qué protege al radiólogo de errar junto con el modelo: la experiencia y el contexto, no la confianza en la salida.
El ultrasonido sigue siendo complemento, no sustituto
El ultrasonido mantuvo el papel que la evidencia le asigna: modalidad suplementaria en mama densa y herramienta de caracterización, no de tamizaje primario. La pregunta práctica que abrió la era de la tomosíntesis — cuánto ultrasonido sigue siendo necesario cuando la DBT ya redujo la tasa de reconvocatoria — sigue abierta, y revisamos los datos disponibles en ultrasonido de tamizaje en la era de la DBT. La novedad es de automatización: los sistemas de IA autorizados para ultrasonido de mama, como en la autorización de la FDA a DeepHealth, desplazan el cuello de botella del operador al intérprete.
Qué hacer con esto en su servicio
Cuatro decisiones se desprenden de este cuerpo de evidencia. Primera: si el servicio usa DBT y el tiempo de lectura es el cuello de botella, la reconstrucción de slabs por IA ofrece la mejor relación evidencia-riesgo del paquete, porque reduce el volumen de imagen sin costo de detección documentado en una serie grande.
Segunda: si hay demanda de tamizaje suplementario en mama densa o alto riesgo y el imán es el limitante, el protocolo abreviado es el cambio de mayor impacto, y es un cambio de protocolo, no una compra. Tercera: la MCC merece implantación donde se hace estadificación local de mama densa y donde la RM no está disponible, pero exige protocolo de contraste yodado, con toda la carga de tamizaje de función renal y manejo de reacciones.
Cuarta, de gobernanza: cualquier herramienta de IA de riesgo o de detección debe entrar con auditoría local de tasa de reconvocatoria y valor predictivo positivo antes y después. Sin esa medición, el servicio no sabe si ganó detección o solo biopsias.
Límites del panorama
Un balance tiene límites estructurales que conviene explicitar. Agrega estudios de diseños muy distintos — retrospectivos de base grande, prospectivos con muestra pequeña, multilector en entorno de laboratorio — y el desempeño del lector en un estudio controlado suele superar el de la rutina. Los análisis interinos, como el de TOCEM, pueden cambiar con el seguimiento completo. Y las ganancias de tiempo de lectura medidas en segundos por estudio solo se traducen en capacidad real si el servicio tiene fila para llenar el tiempo liberado.
Aun así, la dirección es coherente: la próxima frontera de la imagen de mama no es detectar más, es detectar lo mismo con menos tiempo, menos imagen y mejor elección de modalidad según el perfil de riesgo. Para servicios con fila y escasez de lectores — la realidad de la mayoría — esa es la frontera que cuenta.
Fuente: Diagnostic Imaging — Emerging Research in Mammography, Breast MRI, Ultrasound and AI
