El diagnóstico de cáncer de mama se basa en el estudio de imágenes obtenidas a través de mamografías. Pero en el caso de mamas densas o fibrosas resulta más difícil, y a menudo es necesario realizar otras pruebas complementarias. De hecho, según las estadísticas de Dexeus Mujer, de cada 100 mujeres que se realizan una mamografía, un 70% requiere una ecografía para completar el estudio. De estas, en 2-3 se hará biopsia, y, de ellas, solo en 1 caso se confirmará el cáncer. No todas las imágenes tienen el mismo nivel de sospecha. Esto significa la práctica de biopsias que causan mucho estrés y preocupación a las pacientes.
Por este motivo, un equipo del Servicio de Diagnostico Ginecológico por la Imagen (DGI) de Dexeus Mujer ha realizado un estudio retrospectivo para evaluar la eficacia de un nuevo sistema basado en la Inteligencia Artificial con el fin de afinar el diagnóstico del cáncer de mama. Esta tecnología, desarrollada por la empresa Koios Medical, tiene la autorización de la FDA y de la Agencia Europea del Medicamento (EMA).
Para validar la eficacia del sistema, se seleccionaron un total de 403 biopsias eco-guiadas realizadas en el año 2019 a mujeres de diferentes edades. Estas imágenes fueron obtenidas en las revisiones ginecológicas de control que realiza el Servicio de DGI de Dexeus Mujer. De acuerdo con el informe patológico, 197 se clasificaron como lesiones malignas y 206 como benignas. Los autores eligieron la imagen que mejor representaba la clasificación obtenida en la escala BI-RADS y la evaluaron con el sistema de IA Koios. Los resultados de este estudio demuestran que el uso de la IA puede ayudar a afinar el diagnóstico, ya que aumentó la proporción de casos sospechosos de malignidad que finalmente fueron confirmados por la biopsia en las categorías de más riesgo: BI-RADS 4, 5 y 6.
Artículo de referencia:
AI: Can It Make a Difference to the Predictive Value of Ultrasound Breast Biopsy?
Jean L. Browne, M.A. Pascual, J Perez, S. Salazar, B Valero, I. Rodriguez, D Cassina, JL Alcázar, S. Guerriero, B. Graupera.
Diagnostics 2023, 13(4), 811. doi: 10.3390/diagnostics13040811.