Según una investigación publicada el 7 de enero en Medicina de la naturaleza.
Un equipo dirigido por Nora Eisemann, PhD, de la Universidad de Lübeck en Alemania, descubrió que, en comparación con la doble lectura estándar, la doble lectura respaldada por IA permitía detectar más cánceres de mama sin generar tasas de recuerdo significativamente más altas.
“Nuestros hallazgos se suman sustancialmente al creciente conjunto de evidencia que sugiere que la mamografía respaldada por IA es factible y segura y puede reducir la carga de trabajo”, escribió el equipo de Eisemann.
Los estudios retrospectivos continúan destacando el potencial de la IA en los departamentos de radiología, incluso para imágenes mamarias. La investigación también ha sugerido que la tecnología puede integrarse en los flujos de trabajo clínicos y ayudar a los radiólogos a completar sus tareas. Sin embargo, hay pocos estudios prospectivos disponibles, lo que constituye una de las principales críticas a la IA en los estudios de imagen.
Uno de esos estudios prospectivos, PRAIM (Estudio observacional multicéntrico prospectivo de un sistema de IA integrado con monitoreo en vivo), es un estudio de implementación observacional, multicéntrico, del mundo real y de no inferioridad. Su objetivo es comparar el rendimiento de la doble lectura respaldada por IA con la doble lectura estándar entre mujeres de 50 a 69 años. Las mujeres se sometieron a mamografías organizadas en 12 lugares de Alemania. Los radiólogos del estudio PRAIM eligieron voluntariamente si utilizar el sistema de IA (Vara MG, Vara).
Eisemann y sus colegas describieron los resultados iniciales del estudio PRAIM, para el cual 119 radiólogos examinaron a 463.094 mujeres entre 2021 y 2023. Del total de mujeres, 260.739 fueron examinadas con apoyo de IA.
El equipo informó que la doble lectura respaldada por IA condujo a que se detectaran más cánceres, las tasas de recuperación fueran más bajas y los valores predictivos positivos (VPP) para la recuperación y la biopsia fueran más altos.
| Comparación entre la doble lectura estándar de mamografías de detección respaldadas por IA | ||
|---|---|---|
| Medida | Lectura doble estándar | Doble lectura asistida por IA |
| Tasa de detección de cáncer (por 1.000) | 5.7 | 6.7 |
| Tasa de recuperación (por 1000) | 38.3 | 37,4 |
| PPV (recuerdo) | 14,9% | 17,9% |
| VPP (biopsia) | 59,2% | 64,5% |
Los autores destacaron que, teniendo en cuenta estos resultados, la doble lectura respaldada por IA puede mejorar las métricas de detección de mamografía. Pidieron que se hicieran esfuerzos “urgentes” para integrar la mamografía respaldada por IA en las pautas de detección y promover la adopción generalizada de la IA en los programas de detección por mamografía.
Los investigadores no evaluaron directamente el alcance de la reducción de la carga de trabajo de lectura con la integración de la IA. Sin embargo, informaron que los radiólogos del grupo de IA dedicaron menos tiempo a interpretar los exámenes considerados normales por el sistema de IA en comparación con los exámenes sin predicciones confiables y los exámenes con una red de seguridad.
“En un análisis post hoc, asumiendo que todos los exámenes etiquetados como normales no fueron leídos por los radiólogos y no fueron enviados a una conferencia de consenso, observamos una reducción del 56,7% en la carga de trabajo de lectura”, escribieron. “Curiosamente, esto resultó en una tasa de recuperación significativamente menor (-15,0%) y al mismo tiempo mejoró la (tasa de detección de cáncer) en un 16,7%”.
El equipo pidió estudios futuros para examinar los efectos posteriores de la detección respaldada por IA en el desempeño general del programa. Estos incluyen las tasas de cáncer de intervalo y la distribución del estadio en el momento del diagnóstico en rondas de detección posteriores.
El estudio completo se puede encontrar aquí.
