Artículo original: Lukas Hirsch, L., Huang, Y., Makse H. et al. Early Detection of Breast Cancer in MRI Using AI. Acad Radiol [Internet]. 2025.
DOI: doi:10.1016/j.acra.2024.10.014.
Sociedad: The Association of University Radiologists. (@aaradiol)
Palabras clave: Breast cancer; Magnetic resonance imaging; Early detection; Deep learning.
Abreviaturas y acrónimos utilizados: RM resonancia magnética, IA Inteligencia artificial, CNN red neuronal convolucional, ROC área bajo la curva.
Línea editorial: Academic Radiology es una revista científica publicada por Elsevier, que forma parte de ScienceDirect.com. Es la revista oficial de varias asociaciones, como la Sociedad de Presidentes de Radiología Académica, la Asociación de Directores de Programas en Radiología, la Alianza Americana de Residentes Jefes Académicos en Radiología y varias más.
Este artículo pertenece Volumen 32; publicación 3 (Marzo 2025)
Dentro de este número me llaman la atención otros artículos: The Role of Artificial Intelligence in Radiology Education, este artículo explora cómo la inteligencia artificial está transformando la educación en radiología. Se analizan las aplicaciones de la IA en el entrenamiento de residentes y en la educación continua de radiólogos, y Advances in Image-Guided Interventions las últimas innovaciones en intervenciones guiadas por imagen, explorando nuevos enfoques y tecnologías que mejoran la precisión y la eficacia de los procedimientos mínimamente invasivos.
Motivos para la selección: El radiólogo es una pieza clave en el diagnóstico del cáncer de mama, no solo por su capacidad para interpretar imágenes, sino también por su papel en la colaboración multidisciplinaria, la educación y la investigación. La inteligencia artificial tiene un potencial transformador en el ámbito de la medicina, y su futuro en áreas como la radiología. Ver como la inteligencia artificial se puede implementar en este ámbito radiológico, y si, realmente, produce una mejora en la detección precoz del cáncer de mama.
Resumen:
El artículo presenta un estudio innovador sobre la detección temprana del cáncer de mama utilizando un algoritmo de inteligencia artificial (IA) aplicado a resonancias magnéticas (RM). El objetivo principal fue desarrollar y evaluar un modelo de red neuronal convolucional (CNN) capaz de identificar lesiones cancerosas hasta un año antes de que sean detectadas por radiólogos, lo cual es especialmente relevante para mujeres en grupos de alto riesgo, donde la detección temprana es crucial para mejorar los resultados clínicos. Para llevar a cabo este estudio, se utilizó un conjunto de datos retrospectivo que incluía 3029 escaneos de MRI de 910 pacientes, de los cuales 115 desarrollaron cáncer durante el año posterior tras un resultado negativo en MRI. El modelo fue entrenado y validado utilizando un enfoque de validación cruzada de 10 pliegues, lo que garantiza la fiabilidad de los resultados obtenidos.
Los hallazgos revelan que el modelo de IA logró detectar cánceres con un área bajo la curva ROC de 0.72, lo que indica una capacidad razonable para identificar lesiones. Además, la revisión retrospectiva de los escaneos de alto riesgo realizada por un radiólogo experimentado mostró que, al reevaluar el 10% de los casos clasificados como de mayor riesgo por la IA, se podría haber incrementado la detección temprana en un 30%. El radiólogo identificó hallazgos sugestivos de cáncer en 83 de los 115 casos, mientras que la IA localizó correctamente las áreas anatómicas de interés en 66 casos, concordando en 54 ocasiones.
Este estudio subraya la importancia de integrar la inteligencia artificial en la práctica radiológica para mejorar la detección temprana del cáncer de mama. La reevaluación asistida por IA de imágenes consideradas benignas ofrece una segunda oportunidad para detectar lesiones malignas que podrían pasar desapercibidas. Con el continuo avance en la calidad de los conjuntos de datos y las imágenes, este enfoque tiene el potencial de transformar el diagnóstico en oncología mamaria, contribuyendo a obtener mejores resultados para las pacientes. Este avance representa un paso significativo hacia la implementación de herramientas basadas en IA en el flujo de trabajo clínico, lo que podría cambiar la forma en que se detecta y maneja el cáncer de mama. La colaboración entre radiólogos e ingenieros de software será fundamental para maximizar el impacto de estas tecnologías emergentes en la atención al paciente.
Valoración personal: La capacidad de la IA para identificar lesiones en etapas tempranas del cáncer de mama tiene el potencial de mejorar significativamente las tasas de supervivencia, y el hecho de que un algoritmo pueda detectar anomalías que podrían pasar desapercibidas resalta la importancia de integrar la tecnología en nuestro trabajo clínico. El enfoque multidisciplinario que se plantea es alentador, ya que refleja la tendencia hacia un modelo de atención más integral y centrado en el paciente.
Sin embargo, es importante reseñar los desafíos éticos y de responsabilidad que surgen con la implementación de la IA, lo que subraya la necesidad de que estemos bien informados y preparados para usar estas herramientas de manera efectiva. En general, el artículo me ha brindado una visión optimista sobre el futuro de la radiología y la IA.
Sociedad: Sociedad Americana de Radiología (Radiological Society of North America, RSNA).
Sección y órgano-sistema: Radiología Mamaria.
Técnica radiológica: Resonancia magnética.
Tipo de artículo: Revisión
Año de residencia recomendado: R2, R3 y R4
Firma:
Jose Antonio Ruiz Castillo
Hospital Don Benito-Villanueva de la Serena, Don Benito, Extremadura. R2
cbseram.com 
Deja un comentario