Se publica el primer estudio que investiga estrategias basadas en IA para reducir la carga de trabajo en tomosíntesis digital de mama utilizando cohortes de detección reales

Un nuevo estudio en el campo de la detección del cáncer de mama publicado en la revista Radiology ha reflejado la posibilidad de reducir la carga de trabajo de los radiólogos hasta en un 70%, gracias a la Inteligencia Artificial (IA).

Para llegar a esta conclusión, el equipo de investigación formado por especialistas del Instituto Maimónides de Investigación Biomédica (IMIBIC; Córdoba, España) y de ScreenPoint Medical (Nijmegen, Países Bajos) llevó a cabo un análisis comparativo del trabajo realizado previamente por radiólogos con el del Software Transpara (de ScreenPoint), con el que se simuló retrospectivamente una estrategia de detección de clasificación de IA autónoma.

Motivación y antecedentes

En los últimos años, los sistemas de IA basados ​​en el aprendizaje profundo han evolucionado rápidamente en el campo de las imágenes mamarias, superando el rendimiento y el valor clínico de los sistemas tradicionales de detección asistida por computadora para mamografías. En este mismo blog hemos publicado en diferentes ocasiones novedades en este campo, como las nuevas medidas de Inteligencia Artificial para evaluar el riesgo de cáncer de mama o el sistema de IA creado por Google para detectar cáncer de mama.

Sin embargo, son pocos los estudios que han investigado si los sistemas de IA se pueden utilizar en programas de detección para reducir la carga de trabajo de los radiólogos sin afectar negativamente la calidad de los resultados. Estos son limitados y solo han investigado el uso de Inteligencia Artificial para reducir la carga de trabajo en programas de detección basados ​​en mamografía digital (DM).

Por ello, la motivación que llevó a realizar este estudio se debe a que existe una gran carga de trabajo y un elevado número de falsos positivos y falsos negativos, por lo que se considera que el flujo de trabajo de los programas de detección del cáncer de mama podría mejorarse.

De esta manera, el equipo de investigadores decidió evaluar si el uso de un sistema de inteligencia artificial (IA) podría disminuir la carga de trabajo de los radiólogos sin reducir la detección del cáncer en el cribado del cáncer de mama con mamografía digital (DM) o tomosíntesis digital de mama (DBT).

Metodología del estudio

Para llevar a cabo el estudio, se recopilaron retrospectivamente 15 987 imágenes de DM y DBT, leídas de forma independiente y emparejadas, obtenidas desde enero de 2015 hasta diciembre de 2016, del ensayo de cribado de tomosíntesis de Córdoba.

Los exámenes incluyeron 98 cánceres detectados por cribado y 15 cánceres de intervalo. Los resultados mostraron que, en comparación con la lectura doble de imágenes DBT, la DBT con IA daría como resultado un 72,5% menos de carga de trabajo, una sensibilidad no inferior y una tasa de repetición un 16,7% más baja. Se obtuvieron resultados similares para la MD con IA; en comparación con la lectura doble original de imágenes de MD, la MD con IA daría como resultado un 29,7% menos de carga de trabajo, un 25% más de sensibilidad y un 27,1% menos de tasa de repetición.

Este estudio concluye que, aunque se necesitan nuevas investigaciones para profundizar y validar estos hallazgos, “se muestra una estrategia con un sistema de inteligencia artificial donde la carga de trabajo de detección podría reducirse de manera segura hasta en un 70% para los programas basados ​​en mamografía digital (DM) y tomosíntesis digital de mama (DBT), además de permitir la transición del cribado basado en DM a DBT sin un aumento de la carga de trabajo”.

Gracias a sistemas de IA como Transpara se conseguirá el apoyo a la toma de decisiones para ayudar a mejorar la precisión clínica así como reducir la carga y optimizar el flujo de trabajo.