Inteligencia artificial y cribado de cáncer de mama

Los programas poblacionales para la detección precoz de cáncer de mama han contribuido en la reducción de la mortalidad por esta causa (15-30 %). Sin embargo, su eficacia está en discusión debido a limitaciones en sensibilidad y especificidad. Otro problema es el gran volumen de pacientes a estudiar y la limitada disponibilidad de radiólogos con experiencia en mama. Existe por tanto la necesidad de disponer de herramientas que ayuden en la valoración mamográfica y en la gestión de las cargas de trabajo.

En los años 90 se desarrollaron los CAD (detección asistida por ordenador) convencionales, con una especificidad baja sin aumentar significativamente la sensibilidad de la mamografía. Recientemente, el desarrollo de sistemas de inteligencia artificial con Deep Learning ha mostrado que pueden ayudar a la lectura radiológica y eventualmente disminuir las cargas de trabajo. El sistema TransparaTM (ScreenPoint Medical) ha sido aprobado para su uso en USA y Europa, demostrando la no inferioridad comparado con radiólogos y la posibilidad de reducir las cargas de trabajo de lectura del cribado. Este sistema además de poner marcas en la mamografía indicando posibles lesiones, asigna una puntuación del 1-10 a la prueba. Se estima que con puntuaciones igual o superiores a 7 hay mayor riesgo de encontrar un cáncer.

Objetivos del estudio:

- Valorar el rendimiento del Transpara en mamografías de primer cribado (mujeres que acuden al programa por primera vez , leídas con doble lectura con arbitraje) de una ronda (unas 2500). Como el número de cánceres de mama en este periodo y para ese número de mujeres sería pequeño (unos 20 cánceres), hemos enriquecido la muestra con 100 cánceres procedentes de primer cribado.

- Estimar la potencial reducción de las cargas de trabajo (prescindir de doble lectura) en grupos, de bajo y alto riesgo con diferentes umbrales.

- Estimar la potencial reducción de las cargas de trabajo en el grupo de recitaciones y arbitrajes de toda la ronda.