{"id":19849,"date":"2026-10-15T05:10:01","date_gmt":"2026-10-15T08:10:01","guid":{"rendered":"https:\/\/rtmedical.com.br\/tmp-es-1792051801042\/"},"modified":"2026-10-15T05:10:13","modified_gmt":"2026-10-15T08:10:13","slug":"ia-resonancia-prostata-scarlet-1","status":"publish","type":"post","link":"https:\/\/rtmedical.com.br\/es\/ia-resonancia-prostata-scarlet-1\/","title":{"rendered":"IA de c\u00f3digo abierto iguala a radi\u00f3logos en RM de pr\u00f3stata"},"content":{"rendered":"<p>Un sistema de <strong>inteligencia artificial de c\u00f3digo abierto para RM de pr\u00f3stata<\/strong> alcanz\u00f3 un desempe\u00f1o comparable al de los radi\u00f3logos en la detecci\u00f3n de c\u00e1ncer cl\u00ednicamente significativo en tres cohortes externas, una diagn\u00f3stica y dos de cribado poblacional. As\u00ed lo muestra el estudio SCARLET-1, publicado en <em>Radiology<\/em> por Anindo Saha y colegas del Radboud University Medical Center (Nimega, Pa\u00edses Bajos), con \u00e1reas bajo la curva (AUC) de entre 0,84 y 0,89 y una concordancia con el diagn\u00f3stico de referencia de 13 a 16 puntos porcentuales por encima de la estimada para un radi\u00f3logo promedio.<\/p>\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" class=\"alignleft lazyload\" data-src=\"https:\/\/rtmedical.com.br\/wp-content\/uploads\/2026\/10\/scarlet-1-ia-rm-prostata-concordancia-es.png\" alt=\"Gr\u00e1fico de barras de SCARLET-1 que compara la concordancia de la IA PI-CAI con la del radi\u00f3logo promedio estimado en las cohortes PRIME, STHLM3-MRI e IP1-PROSTAGRAM\" width=\"640\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" style=\"--smush-placeholder-width: 1200px; --smush-placeholder-aspect-ratio: 1200\/630;\"><figcaption>Concordancia con el diagn\u00f3stico est\u00e1ndar de c\u00e1ncer grupo de grado de Gleason \u22652: IA PI-CAI-2B frente al radi\u00f3logo promedio estimado, por cohorte externa. Gr\u00e1fico de RT Medical con datos de Saha A et al., Radiology 2026 (CC BY 4.0).<\/figcaption><\/figure>\n<h2>Qu\u00e9 evalu\u00f3 SCARLET-1<\/h2>\n<p>El nombre del estudio proviene de <em>Scaling Artificial Intelligence for Prostate Cancer Detection on MRI to Global, Multiethnic Populations<\/em>. Se trata de una validaci\u00f3n retrospectiva y confirmatoria, con un plan estad\u00edstico registrado previamente en arXiv y un reporte conforme a las gu\u00edas STARD-AI y TRIPOD+AI. En total se reunieron 22.445 estudios de RM de 21.252 hombres con sospecha de c\u00e1ncer de pr\u00f3stata, realizados entre enero de 2012 y octubre de 2024 en 46 ciudades de 22 pa\u00edses, incluidos centros de Vietnam, Kenia, China y Estados Unidos.<\/p>\n<p>El algoritmo evaluado es PI-CAI-2B, sucesor m\u00e1s liviano del sistema surgido del desaf\u00edo internacional PI-CAI (<em>Prostate Imaging: Cancer AI<\/em>). Se entren\u00f3 una sola vez con 18.471 estudios de 26 ciudades y 14 pa\u00edses, sin reentrenamiento ni redise\u00f1o posterior, y su c\u00f3digo fuente y pesos est\u00e1n disponibles en <a href=\"https:\/\/github.com\/DIAGNijmegen\/scarlet_ai\" target=\"_blank\" rel=\"noopener\">GitHub<\/a>. Las im\u00e1genes provinieron de 38 modelos de equipos de 1,5 T y 3 T de cinco fabricantes.<\/p>\n<p>Lo m\u00e1s relevante para la pr\u00e1ctica cl\u00ednica es la prueba externa, realizada en 1.974 pacientes de 20 ciudades y 12 pa\u00edses, procedentes de tres ensayos prospectivos ya publicados:<\/p>\n<ul>\n<li><strong>PRIME<\/strong> (n = 476): contexto diagn\u00f3stico, hombres derivados por sospecha cl\u00ednica, prevalencia de c\u00e1ncer significativo del 30%;<\/li>\n<li><strong>STHLM3-MRI<\/strong> (n = 1.108): cribado poblacional organizado en Suecia, prevalencia del 17%;<\/li>\n<li><strong>IP1-PROSTAGRAM<\/strong> (n = 390): cribado poblacional en el Reino Unido, prevalencia del 4%.<\/li>\n<\/ul>\n<p>Una aclaraci\u00f3n: parte de la cobertura period\u00edstica mencion\u00f3 \u00ab2.000 pacientes\u00bb. Esa cifra corresponde solo a la cohorte de prueba externa (1.974); el estudio completo incluy\u00f3 a m\u00e1s de 21.000 hombres.<\/p>\n<h2>Las cifras principales<\/h2>\n<p>El desenlace primario fue la concordancia entre la evaluaci\u00f3n de la IA y el diagn\u00f3stico de referencia de c\u00e1ncer grupo de grado de Gleason (GG) \u22652. La IA coincidi\u00f3 en el 83,0% de los casos en PRIME, el 87,9% en STHLM3-MRI y el 87,7% en IP1-PROSTAGRAM. Las concordancias esperadas para un radi\u00f3logo promedio fueron del 67,4%, 74,6% y 72,8%, respectivamente, una ventaja de unos 15,5, 13,3 y 14,9 puntos porcentuales para el algoritmo. Los criterios preespecificados de intercambiabilidad diagn\u00f3stica se cumplieron en los tres conjuntos.<\/p>\n<p>Las AUC externas fueron de 0,86 en PRIME, 0,89 en STHLM3-MRI y 0,84 en IP1-PROSTAGRAM; en esta \u00faltima el intervalo de confianza es amplio (0,70 a 0,95), reflejo de la baja prevalencia. El an\u00e1lisis de curvas de decisi\u00f3n mostr\u00f3 beneficio neto positivo tanto en umbrales orientados a no perder c\u00e1ncer (10% a 30%) como en los orientados a evitar biopsias (por encima del 30%).<\/p>\n<p>Un detalle metodol\u00f3gico importante: el comparador \u00abradi\u00f3logo promedio\u00bb no es una relectura local. Es una estimaci\u00f3n estad\u00edstica derivada del estudio de observadores de PI-CAI, con 62 radi\u00f3logos de 45 centros en 20 pa\u00edses, ajustada por la prevalencia de cada cohorte. Los propios autores reconocen que esta referencia puede ser optimista frente a la variabilidad real de la pr\u00e1ctica.<\/p>\n<h2>Biopsias: el efecto depende de la poblaci\u00f3n<\/h2>\n<p>En el subgrupo de pacientes con confirmaci\u00f3n histol\u00f3gica, los autores compararon la IA con las lecturas radiol\u00f3gicas originales (PI-RADS \u22654) en un punto de operaci\u00f3n de alta especificidad (88% a 90%) y sensibilidad del 73% al 76%. En STHLM3-MRI, la IA detect\u00f3 un 26,1% m\u00e1s de c\u00e1nceres de alto grado (145 frente a 115), pero gener\u00f3 m\u00e1s del doble de biopsias innecesarias (47 frente a 21). En IP1-PROSTAGRAM ocurri\u00f3 lo contrario: un 19,2% menos de biopsias innecesarias (21 frente a 26) con el mismo n\u00famero de c\u00e1nceres GG \u22652 detectados (11 frente a 11).<\/p>\n<p>En PRIME, con un punto de operaci\u00f3n de alta sensibilidad (90%, con especificidad del 58%), la IA gener\u00f3 un 34,2% menos de biopsias innecesarias, pero detect\u00f3 un 9,1% menos de c\u00e1nceres que las lecturas hist\u00f3ricas. El mensaje de los autores es que el umbral de operaci\u00f3n es una decisi\u00f3n de dise\u00f1o que debe ajustarse al flujo cl\u00ednico, no una propiedad fija del algoritmo.<\/p>\n<h2>Contexto t\u00e9cnico: por qu\u00e9 importa la validaci\u00f3n externa<\/h2>\n<p>La RM multiparam\u00e9trica antes de la biopsia ya es el est\u00e1ndar internacional, y el tema gan\u00f3 impulso con estudios de cribado que analizamos en <a href=\"https:\/\/rtmedical.com.br\/es\/cribado-cancer-prostata-rm-eficaz\/\">El cribado de c\u00e1ncer de pr\u00f3stata con RM gana fuerza<\/a> y con el cambio de postura de <a href=\"https:\/\/rtmedical.com.br\/es\/cochrane-cribado-prostata-rm-2026\/\">Cochrane sobre el cribado de pr\u00f3stata<\/a>. El cuello de botella es la lectura: la interpretaci\u00f3n PI-RADS var\u00eda mucho entre radi\u00f3logos y depende de experiencia en uroimagen, concentrada en centros de alto volumen. Incluso en Estados Unidos, la <a href=\"https:\/\/rtmedical.com.br\/es\/rm-prebiopsia-prostata-eeuu\/\">RM prebiopsia se usa solo en un tercio de los casos<\/a>.<\/p>\n<p>SCARLET-1 tambi\u00e9n muestra los l\u00edmites de la generalizaci\u00f3n. El desempe\u00f1o fue estable entre grupos de edad, etnias, localizaci\u00f3n del tumor y estratos de riesgo (diferencia media de AUC de 0,02), pero vari\u00f3 mucho entre los 25 centros: el 28% tuvo AUC inferior a 0,80 y el 32% alcanz\u00f3 0,90 o m\u00e1s. La calidad de imagen pes\u00f3 bastante, con AUC de 0,78 en estudios clasificados como PI-QUAL 1 (inadecuados) frente a 0,88 en PI-QUAL 3 (\u00f3ptimos). Para quien gestiona un servicio de RM, esto confirma que el protocolo de adquisici\u00f3n, la preparaci\u00f3n del paciente y el control de calidad siguen siendo decisivos, con o sin IA.<\/p>\n<h2>Implicaciones pr\u00e1cticas para Am\u00e9rica Latina<\/h2>\n<p>El argumento central de los autores es ampliar el acceso a la RM de pr\u00f3stata donde faltan especialistas, una situaci\u00f3n muy com\u00fan en buena parte de Am\u00e9rica Latina, sobre todo fuera de las grandes capitales. Un modelo abierto, entrenado con datos multi\u00e9tnicos y con validaci\u00f3n externa publicada, es un punto de partida interesante para grupos de investigaci\u00f3n y servicios que quieran probar la herramienta con sus propios datos. Sin embargo, no reemplaza la autorizaci\u00f3n regulatoria para uso asistencial ni la validaci\u00f3n local.<\/p>\n<p>La recomendaci\u00f3n expl\u00edcita del grupo de Radboud es validar localmente y monitorear el desempe\u00f1o de forma continua, porque los cambios en el perfil de pacientes, en las derivaciones o en los equipos pueden degradar la exactitud sin que resulte evidente. Los autores sugieren recalibrar o mover el punto de operaci\u00f3n cuando la diferencia se debe a la prevalencia, y reentrenar cuando el desempe\u00f1o cae en todos los umbrales. La discusi\u00f3n dialoga con otros frentes del diagn\u00f3stico de pr\u00f3stata que ya abordamos, como la <a href=\"https:\/\/rtmedical.com.br\/es\/biopsia-pet-psma-rm-negativa\/\">biopsia guiada por PET\/TC PSMA en hombres con RM negativa<\/a> y el uso de <a href=\"https:\/\/rtmedical.com.br\/es\/cancer-prostata-tratamiento-focal\/\">IA y terapia focal en el cuidado del c\u00e1ncer de pr\u00f3stata<\/a>.<\/p>\n<h2>Limitaciones y pr\u00f3ximos pasos<\/h2>\n<p>El estudio es retrospectivo y combina pacientes consecutivos en las pruebas externas con muestras de conveniencia en el entrenamiento. Varios an\u00e1lisis de subgrupos tienen muestras peque\u00f1as. El punto de operaci\u00f3n global usado en la prueba de intercambiabilidad se preespecific\u00f3 por coherencia metodol\u00f3gica, no para uso cl\u00ednico. Adem\u00e1s, la mayor\u00eda de los hombres con RM negativa no se someti\u00f3 a biopsia, lo que impide comparar por completo las tasas de falsos negativos de la IA y de los radi\u00f3logos y deja los resultados expuestos a sesgo de verificaci\u00f3n parcial.<\/p>\n<p>En s\u00edntesis, SCARLET-1 respalda que la IA rinde a la par de la lectura est\u00e1ndar, no que la supere de forma definitiva. Los ensayos prospectivos en curso deber\u00edan aclarar c\u00f3mo usar puntuaciones continuas de riesgo, combinadas con datos cl\u00ednicos y preferencias del paciente, en lugar de una respuesta binaria de \u00abbiopsiar o no\u00bb.<\/p>\n<p><strong>Fuente:<\/strong> Saha A, Bosma JS, Twilt JJ et al. Artificial Intelligence for Prostate Cancer Detection and Screening on MRI in Global Populations: The SCARLET-1 Study. <em>Radiology<\/em> 2026;321(1):e262081. <a href=\"https:\/\/doi.org\/10.1148\/radiol.262081\" target=\"_blank\" rel=\"noopener\">doi:10.1148\/radiol.262081<\/a>; <a href=\"https:\/\/www.diagnosticimaging.com\/view\/prostate-mri-study-ai-unassisted-radiologist-assessment\" target=\"_blank\" rel=\"noopener\">Diagnostic Imaging<\/a>; <a href=\"https:\/\/theimagingwire.com\/2026\/10\/14\/testing-ai-performance-in-analyzing-prostate-mri-exams\/\" target=\"_blank\" rel=\"noopener\">The Imaging Wire<\/a>.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Estudio SCARLET-1 en Radiology: la IA PI-CAI logr\u00f3 AUC de 0,84-0,89 y hasta 16 p.p. m\u00e1s de concordancia que el radi\u00f3logo promedio en RM de pr\u00f3stata.<\/p>\n","protected":false},"author":5,"featured_media":19816,"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,"_rt_cluster":"","fifu_image_url":"","fifu_image_alt":"","footnotes":""},"categories":[229,183],"tags":[],"class_list":["post-19849","post","type-post","status-publish","format-standard","has-post-thumbnail","category-inteligencia-artificial-es","category-radiologia-es"],"aioseo_notices":[],"rt_seo":{"title":"","description":"Estudio SCARLET-1 en Radiology: la IA PI-CAI logr\u00f3 AUC de 0,84-0,89 y hasta 16 p.p. m\u00e1s de concordancia que el radi\u00f3logo promedio en RM de pr\u00f3stata.","canonical":"","og_image":"","robots":"index,follow","schema_type":"Article","include_in_llms":true,"llms_label":"SCARLET-1: IA para RM de pr\u00f3stata","llms_summary":"El estudio SCARLET-1 (Radiology 2026) valida la IA abierta PI-CAI-2B en 1.974 pacientes externos de PRIME, STHLM3-MRI e IP1-PROSTAGRAM: AUC 0,84-0,89, mayor concordancia que el radi\u00f3logo promedio estimado, efecto en biopsias variable.","faq_items":[],"video":[],"gtin":"","mpn":"","brand":"","aggregate_rating":[]},"_links":{"self":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/19849\/"}],"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\/5\/"}],"replies":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/comments\/?post=19849"}],"version-history":[{"count":1,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/19849\/revisions\/"}],"predecessor-version":[{"id":19853,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/19849\/revisions\/19853\/"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/19816\/"}],"wp:attachment":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/?parent=19849"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/categories\/?post=19849"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/tags\/?post=19849"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}