{"id":17953,"date":"2026-06-01T05:10:25","date_gmt":"2026-06-01T08:10:25","guid":{"rendered":"https:\/\/rtmedical.com.br\/tmp-es-1780301424471\/"},"modified":"2026-06-01T05:10:30","modified_gmt":"2026-06-01T08:10:30","slug":"ia-triaje-mamografia-bajo-riesgo","status":"publish","type":"post","link":"https:\/\/rtmedical.com.br\/es\/ia-triaje-mamografia-bajo-riesgo\/","title":{"rendered":"IA Podria Sacar 77% de Mamografias de Doble Lectura"},"content":{"rendered":"

Un nuevo estudio franc\u00e9s arroj\u00f3 una cifra que har\u00eda detenerse a cualquier gestor de un servicio de imagen: la inteligencia artificial logr\u00f3 identificar el 77% de los ex\u00e1menes de mamograf\u00eda como de bajo riesgo<\/strong>, casos que podr\u00edan salir con seguridad del flujo de doble lectura. En la pr\u00e1ctica, eso significa liberar tres de cada cuatro ex\u00e1menes de la revisi\u00f3n por un segundo radi\u00f3logo y concentrar el tiempo experto donde realmente importa.<\/p>\n

\"Mamograf\u00eda
La IA clasifica los ex\u00e1menes de bajo riesgo y ayuda a redistribuir el esfuerzo de la doble lectura.<\/figcaption><\/figure>\n

Qu\u00e9 encontr\u00f3 el estudio<\/h2>\n

La investigaci\u00f3n, publicada en Radiology: Artificial Intelligence<\/em>, analiz\u00f3 de forma retrospectiva mamograf\u00edas de unas 42.400 mujeres, adquiridas entre 2015 y 2019. Los autores aplicaron el algoritmo MammoScreen<\/strong>, de Therapixel, y compararon el desempe\u00f1o de la IA con la doble lectura radiol\u00f3gica est\u00e1ndar.<\/p>\n

El escenario franc\u00e9s es peculiar y ayuda a entender el impacto. A diferencia del resto de Europa, Francia reserva la doble lectura solo para los casos de menor riesgo \u2014clasificados como BI-RADS 1 y 2\u2014, mientras que los ex\u00e1menes BI-RADS 3 a 5 pasan directamente a estudio diagn\u00f3stico. Como la doble lectura recae justamente sobre ex\u00e1menes con baja prevalencia de c\u00e1ncer, detectar los pocos tumores que aparecen all\u00ed es especialmente dif\u00edcil. El estudio plante\u00f3 una pregunta directa: \u00bfy si la IA asumiera ese triaje de bajo riesgo?<\/p>\n

Los n\u00fameros detr\u00e1s del triaje<\/h2>\n

Al clasificar el 77% de los ex\u00e1menes como de bajo riesgo, el modelo dej\u00f3 escapar un solo c\u00e1ncer<\/strong> en ese grupo, una tasa que los investigadores describieron como \u00abpeque\u00f1a pero medible\u00bb. Otros once c\u00e1nceres aparecieron en el grupo que la IA marc\u00f3 como no-bajo-riesgo, ex\u00e1menes que de todos modos pasar\u00edan por la doble lectura en el nuevo flujo.<\/p>\n

El dato m\u00e1s revelador quiz\u00e1 sea el del c\u00e1ncer de intervalo, aquel que surge entre dos rondas de cribado. Su tasa fue cinco veces mayor<\/strong> en los casos clasificados como no-bajo-riesgo que en los de bajo riesgo (2,16 frente a 0,47 por cada mil ex\u00e1menes). Esto indica que el algoritmo no estaba adivinando: realmente separ\u00f3 ex\u00e1menes con perfiles de riesgo biol\u00f3gicamente distintos.<\/p>\n

Por qu\u00e9 importa para la pr\u00e1ctica cl\u00ednica<\/h2>\n

La doble lectura es cara y consume un recurso escaso: radi\u00f3logos. Sacar el 77% de los ex\u00e1menes de esa etapa reorienta horas de trabajo cualificado hacia los casos complejos, justo los que m\u00e1s se benefician de una mirada humana atenta. En sistemas presionados por la falta de personal, la ganancia es evidente; conviene recordar cu\u00e1nto gastan los servicios p\u00fablicos para cubrir esa brecha, como mostramos al analizar el agujero milmillonario del NHS por la escasez de radi\u00f3logos<\/a>.<\/p>\n

Aun as\u00ed, el estudio no esconde el dilema. Existe un \u00abriesgo peque\u00f1o, pero no nulo\u00bb de dejar pasar un c\u00e1ncer. Ning\u00fan gestor deber\u00eda adoptar el triaje por IA sin una gobernanza clara: monitorizaci\u00f3n continua del desempe\u00f1o, auditor\u00eda de los casos de bajo riesgo y protocolos de contingencia. La tecnolog\u00eda desplaza el esfuerzo humano, no elimina la responsabilidad cl\u00ednica.<\/p>\n

Contexto: la carrera de la IA en mamograf\u00eda<\/h2>\n

Este resultado no surge aislado. Dialoga con una ola de investigaciones recientes que prueban la IA como filtro de cribado mamogr\u00e1fico, sobre todo en Europa, donde el paradigma de doble lectura amplifica el potencial de ahorro. Los modelos de visi\u00f3n y lenguaje tambi\u00e9n avanzan en este terreno: vale la pena conocer el modelo visi\u00f3n-lenguaje de HOPPR para mamograf\u00eda<\/a>, que apunta a informes cada vez m\u00e1s asistidos por m\u00e1quinas.<\/p>\n

El debate de fondo sigue siendo el mismo que acompa\u00f1a a toda la especialidad: \u00bfla IA sustituye o apoya al radi\u00f3logo? La evidencia sigue apuntando al apoyo. Como ya comentamos al analizar si la IA ayuda m\u00e1s a los residentes que a los especialistas<\/a>, la ganancia real aparece cuando la m\u00e1quina asume el trabajo repetitivo y el humano se queda con el juicio dif\u00edcil.<\/p>\n

C\u00f3mo funciona la doble lectura \u2014 y el caso latinoamericano<\/h2>\n

Conviene explicar el concepto para quien est\u00e1 fuera del cribado de mama. En la doble lectura, dos radi\u00f3logos analizan el mismo examen de forma independiente; si hay discrepancia, un tercero arbitra o el caso pasa a estudios adicionales. El m\u00e9todo aumenta la sensibilidad y reduce los c\u00e1nceres no detectados, pero cuesta el doble de horas-radi\u00f3logo por examen, un lujo cada vez m\u00e1s dif\u00edcil de sostener.<\/p>\n

En buena parte de Am\u00e9rica Latina el panorama difiere del europeo: gran parte del cribado es de lectura \u00fanica y a menudo oportun\u00edstica, realizada cuando la mujer acude al servicio por otro motivo. Eso cambia la ecuaci\u00f3n del triaje por IA. En lugar de sustituir una segunda lectura que muchas veces ni siquiera existe, aqu\u00ed la IA tiende a actuar como red de seguridad, se\u00f1alando hallazgos sospechosos en servicios con pocos especialistas y largas listas de espera. La lecci\u00f3n del estudio franc\u00e9s sigue vigente: la IA es eficaz para separar ex\u00e1menes por riesgo, y esa capacidad puede calibrarse para realidades muy distintas de cobertura y densidad de radi\u00f3logos.<\/p>\n

Est\u00e1 adem\u00e1s el \u00e1ngulo de la radiolog\u00eda oportun\u00edstica y los informes estructurados. Cuando el triaje por IA se integra al PACS y al sistema de informes, resulta m\u00e1s sencillo seguir el desempe\u00f1o por cohorte, auditar los falsos negativos y ajustar el umbral de \u00abbajo riesgo\u00bb seg\u00fan la prevalencia local: justamente la gobernanza que convierte una buena m\u00e9trica de investigaci\u00f3n en seguridad de rutina.<\/p>\n

Perspectivas y limitaciones<\/h2>\n

Por ser retrospectivo y centrado en un paradigma de lectura espec\u00edfico de Francia, el estudio necesita validaci\u00f3n prospectiva \u2014y pruebas en otros sistemas de cribado\u2014 antes de volverse rutina. Aun as\u00ed, el mensaje es coherente con la literatura: la IA mantiene su capacidad de reducir la carga de trabajo del radi\u00f3logo en distintos programas de cribado del c\u00e1ncer de mama. Los pr\u00f3ximos pasos incluyen ensayos controlados, integraci\u00f3n en los flujos de PACS e informes estructurados, y reglas claras de auditor\u00eda, para que el ahorro de recursos nunca se pague con un diagn\u00f3stico perdido.<\/p>\n

Fuente:<\/strong> The Imaging Wire \u2014 \u00abAI Reduces Mammography Workload\u00bb<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Un estudio frances muestra que la IA clasifico el 77% de las mamografias como bajo riesgo, liberando a los radiologos de la doble lectura sin perder precision.<\/p>\n","protected":false},"author":1,"featured_media":17948,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"ngg_post_thumbnail":0,"fifu_image_url":"","fifu_image_alt":"","footnotes":""},"categories":[229,183],"tags":[],"class_list":{"0":"post-17953","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-inteligencia-artificial-es","8":"category-radiologia-es"},"aioseo_notices":[],"rt_seo":{"title":"","description":"La IA clasifico el 77% de las mamografias como bajo riesgo y redujo la doble lectura sin perder precision. Mira los numeros del estudio frances.","canonical":"","og_image":"","robots":"index,follow","schema_type":"Article","include_in_llms":true,"llms_label":"IA triaje mamografia","llms_summary":"Estudio frances con MammoScreen (Therapixel) en 42.400 mujeres: la IA clasifico el 77% de las mamografias como bajo riesgo, sacandolas de la doble lectura con un riesgo pequeno pero no nulo.","faq_items":[],"video":[],"gtin":"","mpn":"","brand":"","aggregate_rating":[]},"_links":{"self":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/17953\/"}],"collection":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/"}],"about":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/types\/post\/"}],"author":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/users\/1\/"}],"replies":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/comments\/?post=17953"}],"version-history":[{"count":1,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/17953\/revisions\/"}],"predecessor-version":[{"id":17955,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/17953\/revisions\/17955\/"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/17948\/"}],"wp:attachment":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/?parent=17953"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/categories\/?post=17953"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/tags\/?post=17953"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}