La IA de la mamografía puede tener un papel en la predicción del riesgo de cáncer de mama
Un estudio de Kaiser Permanente encuentra que los algoritmos de inteligencia artificial funcionan mejor que la herramienta de predicción del riesgo de cáncer de mama comúnmente utilizada
por Sue Rochmann
Los algoritmos de inteligencia artificial entrenados para leer mamogramas predijeron mejor el riesgo futuro de cáncer de mama de una mujer que una herramienta de evaluación de riesgo de cáncer de mama de uso común, encontró un nuevo estudio de Kaiser Permanente.
La investigación, publicada el 6 de junio en Radiology, sugiere que los biomarcadores de imágenes relacionados con el riesgo que se ven en las mamografías, que las computadoras pueden identificar y usar para generar una puntuación de riesgo, pueden ayudar a los médicos a brindar a las mujeres recomendaciones de detección de cáncer de mama más personalizadas.
"Necesitamos formas más precisas y eficientes de evaluar el riesgo futuro de cáncer de mama de una mujer", dijo el autor principal del estudio, Vignesh Arasu, MD, PhD, científico investigador de la División de Investigación de Kaiser Permanente y radiólogo especializado en imágenes de mama con The Permanente Grupo Médico. "Nuestro estudio muestra que en las mamografías que parecen negativas para un radiólogo, lo que significa que no hay signos de un tumor, hay información que las computadoras pueden ver y que puede ayudar a evaluar el riesgo de que una mujer sea diagnosticada con cáncer de mama en los próximos 5 años. "
El estudio retrospectivo incluyó a 324,000 mujeres que se hicieron una mamografía que no encontró signos de cáncer de mama en 2016 en Kaiser Permanente Northern California. Ninguna de las mujeres había tenido previamente cáncer de mama o había sido diagnosticada con una mutación genética que aumenta el riesgo de cáncer de mama. Alrededor del 24 % de las mujeres tenían menos de 50 años cuando se hicieron la mamografía, y alrededor del 87 % no tenían parientes de primer grado con antecedentes de cáncer de mama.
Durante los siguientes 5 años, 4584 de las mujeres fueron diagnosticadas con cáncer de mama. De estos, el 83% fueron diagnosticados con cáncer de mama invasivo y el 17% fueron diagnosticados con carcinoma ductal in situ no invasivo (DCIS). El estudio comparó a estas mujeres con 13 435 de las 324 000 mujeres del grupo original que no desarrollaron cáncer de mama.
Los investigadores hicieron que 5 algoritmos de inteligencia artificial (IA) informaran una puntuación de predicción de riesgo de cáncer de mama a 5 años a partir de las imágenes de mamografía realizadas para estas mujeres en 2016.
Los investigadores también utilizaron el modelo de riesgo clínico del Consorcio de Vigilancia del Cáncer de Mama (BCSC) para evaluar el riesgo de cada mujer de desarrollar cáncer de mama durante los próximos 5 años. El modelo predice el riesgo utilizando la edad, la raza o el origen étnico, los antecedentes familiares de primer grado de cáncer de mama, el número de biopsias mamarias benignas previas y la densidad mamaria mamográfica. La puntuación de cada mujer se calculó utilizando los datos clínicos de su historia clínica electrónica en el momento de su mamografía en 2016.
El estudio mostró que las mujeres con las puntuaciones de riesgo BCSC más altas (el percentil 90 superior) representaron el 21,1 % de todos los cánceres en los próximos 5 años. En comparación, las mujeres con las puntuaciones de riesgo de IA más altas representaron entre el 24 % y el 28 % de todos los cánceres.
"En este momento, la mayoría de los algoritmos de IA entrenados para leer mamogramas se usan para marcar un cáncer visible para ayudar a los radiólogos", dijo Arasu. "Pero estos algoritmos también pueden ver biomarcadores de imágenes en mamografías, además de la densidad mamaria, que nos dicen que están ocurriendo cambios en el tejido mamario que pueden usarse para predecir el riesgo".
Los investigadores también usaron un método estadístico llamado área bajo la curva (AUC) para comparar qué tan bien predijo cada modelo de riesgo qué mujeres serían diagnosticadas con cáncer de mama dentro de los próximos 5 años. Un resultado de AUC puede oscilar entre 0,0 (ninguna predicción correcta) y 1,0 (todas las predicciones fueron correctas). El modelo BCSC tenía un AUC de 0,61. En comparación, los modelos de IA tuvieron un resultado de predicción de riesgo que osciló entre 0,63 y 0,67.
Cuando se combinaron las predicciones de riesgo de IA y BSCS, el AUC osciló entre 0,66 y 0,68, que fue más alto que todos los algoritmos de IA individuales. El modelo combinado fue incluso mejor en la predicción de mujeres que tenían un diagnóstico de cáncer de mama de intervalo dentro de un año de su mamografía, con un AUC tan alto como 0,73. Un cáncer de seno de intervalo es un tumor que se diagnostica, generalmente porque una mujer encuentra un bulto en su seno, durante el tiempo entre una mamografía de detección que parece normal y su próxima mamografía de detección programada. Los cánceres de intervalo suelen ser cánceres de crecimiento rápido que tienen más probabilidades de diseminarse a otras partes del cuerpo.
"La mejor capacidad predictiva para los cánceres de intervalo nos dice que la IA está identificando cánceres de mama agresivos que antes no se detectaban en las pruebas de detección de rutina", dijo Arasu.
Los investigadores dicen que sus hallazgos sugieren que la IA utilizada sola o combinada con los modelos de predicción de riesgos actuales proporciona una nueva vía para la predicción de riesgos futuros.
"Actualmente, los radiólogos clínicos utilizan principalmente IA con mamografía para identificar un tumor de mama", dijo Arasu. "Pero los hallazgos de nuestro estudio respaldan el uso de IA para producir una puntuación de riesgo predictivo que nos puede indicar el riesgo de una mujer de ser diagnosticada con cáncer de mama durante los próximos 5 años. Usar esa información junto con otros factores de riesgo conocidos podría ayudarnos a alejarnos de recomendaciones de detección únicas para todos y el desarrollo de recomendaciones personalizadas de detección de cáncer de mama para mujeres en función de sus factores de riesgo individuales".
El estudio fue financiado por el Programa de Investigación Aplicada y Ciencia de Entrega de The Permanente Medical Group y el Instituto Nacional del Cáncer.
Los coautores incluyen a Laurel A. Habel, PhD, Ninah S. Achacoso, MS, Lawrence H. Kushi, ScD, Vincent X. Liu, MD, Caitlin M. Lydon, MPH y Catherine Lee, PhD, de la División de Investigación ; Diana SM Buist, PhD, del Kaiser Permanente Washington Health Research Institute; Jason B. Cord, MD, y Donald A. Lewis, MS, del Grupo Médico Permanente del Sur de California; Laura J. Esserman, MD, M. Maria Glymour, ScD, Nola M. Hylton, PhD y John Kornak, PhD, de la Universidad de California, San Francisco; Diana L. Miglioretti, PhD, de la Universidad de California, Davis; Daniel A. Navarro, MD, del Grupo Médico Permanente; Albert Pu, MS, de Kaiser Foundation Hospitals; Li Shen, PhD, y Weiva Sieh, MD, de la Escuela de Medicina Icahn en Mount Sinai; y Hyo-Chun Yoon, MD, PhD, del Hawaii Permanente Medical Group.
# # #
Acerca de la División de Investigación de Kaiser Permanente
La División de Investigación de Kaiser Permanente realiza, publica y difunde investigaciones epidemiológicas y de servicios de salud para mejorar la salud y la atención médica de los miembros de Kaiser Permanente y la sociedad en general. Su objetivo es comprender los determinantes de la enfermedad y el bienestar, y mejorar la calidad y la rentabilidad de la atención de la salud. Actualmente, los más de 600 empleados del DOR están trabajando en más de 450 proyectos de investigación de servicios de salud y epidemiológicos. Para obtener más información, visite divisionofresearch.kaiserpermanente.org o síganos en @KPDOR.
Su dirección de correo electrónico no será publicada. Los campos obligatorios están marcados *
Nombre *
Correo electrónico *
Sitio web
Comentario *
D
Acerca de la División de Investigación de Kaiser Permanente