¿Hasta dónde cambiará la IA las mamografías? ― El comienzo de una nueva era para reducir los “casos pasados por alto”

El cáncer de mama sigue siendo uno de los tipos de cáncer más diagnosticados en mujeres a nivel mundial. Según la OMS, en 2022 aproximadamente 2.3 millones de personas fueron diagnosticadas con cáncer de mama y alrededor de 670,000 murieron a causa de esta enfermedad. Además, se considera que cerca de la mitad de los pacientes no presentan factores de riesgo claros aparte del género y la edad. Es decir, incluso personas sin antecedentes familiares o problemas significativos en su estilo de vida pueden desarrollar esta enfermedad. Por eso, mejorar la precisión en la detección temprana sigue siendo un gran desafío para los sistemas de salud en todo el mundo.

Para enfrentar este desafío, la IA está evolucionando de ser una "herramienta para detectar anomalías" a una "herramienta para predecir riesgos futuros". Un desarrollo que ha captado la atención es el AI para la detección de cáncer de mama "BRAIx", desarrollado en Australia. Según informes y publicaciones de instituciones de investigación, esta IA calcula una puntuación de riesgo de 0 a 99.9 basada en imágenes de mamografías, prediciendo la probabilidad de que una mujer desarrolle cáncer de mama en los próximos cuatro años. En los estudios, aproximadamente el 10% de las mujeres que se encontraban en el 2% de mayor riesgo fueron diagnosticadas con cáncer de mama dentro de los cuatro años, a pesar de no presentar anomalías en el momento de la detección. Además, se informa que esta predicción mostró un rendimiento superior a los indicadores tradicionales como la edad, los antecedentes familiares y la densidad mamaria.

Lo importante aquí es que la IA no solo busca "sombras que parecen tumores". La interpretación tradicional se centra en identificar anomalías claras en las imágenes actuales. Sin embargo, BRAIx busca patrones sutiles que el ojo humano no puede detectar, evaluando incluso la "posibilidad de que el cáncer aparezca en el futuro". El equipo de investigación explica que al manejar información a nivel de píxeles, la IA puede ser efectiva incluso en casos difíciles de distinguir, como los senos de alta densidad. Cuando la densidad mamaria es alta, tanto el tejido mamario como los tumores aparecen blanquecinos, lo que hace que las mamografías tradicionales sean propensas a errores. La IA está tratando de trazar una nueva línea de apoyo en este contexto.

Este desarrollo no es un tema aislado. Un estudio de implementación a gran escala en Alemania informó que la doble lectura asistida por IA aumentó la tasa de detección de cáncer de mama en un 17.6% en comparación con la doble lectura tradicional, sin empeorar la tasa de re-llamadas para exámenes adicionales. Otro informe sugiere que el uso de IA ha reducido el porcentaje de "cánceres de intervalo" que se detectan más tarde. En otras palabras, la IA no es solo una tecnología futura teórica, sino que ya está siendo evaluada como una herramienta práctica con el potencial de mejorar la precisión de las detecciones.

Sin embargo, el interés en la IA también refleja las limitaciones del sistema de detección actual. En Australia, BreastScreen Australia ha contribuido durante años a la reducción de la tasa de mortalidad por cáncer de mama, pero la tasa de participación aún no es lo suficientemente alta. Además, el sistema se basa en exámenes "uniformes a intervalos" para ciertos grupos de edad, sin un mecanismo flexible que ajuste la frecuencia de los exámenes según el riesgo futuro individual. Los equipos de investigación y expertos enfatizan que el uso de IA podría acercar la detección personalizada, permitiendo "más exámenes para personas de alto riesgo" y "menos carga para personas de bajo riesgo".

Esta "personalización" no solo es conveniente para los pacientes. Reducir los casos no detectados en personas de alto riesgo puede acelerar el inicio del tratamiento. Por otro lado, evitar exámenes adicionales innecesarios en personas de bajo riesgo puede reducir la carga psicológica y los costos médicos. El verdadero valor de la investigación en IA no es reemplazar a los médicos, sino visualizar dónde deben priorizarse los recursos médicos limitados. Con el envejecimiento de la población, la demanda de diagnóstico por imágenes está aumentando, y la carga sobre los radiólogos está creciendo en todos los países. La IA no es una "varita mágica para la escasez de personal", sino un "dispositivo de apoyo para enfocar el juicio de los expertos en lo más importante".

De hecho, el ambiente en las redes sociales públicas es de bienvenida. En LinkedIn, las publicaciones de organizaciones e investigadores involucrados en la investigación del cáncer y la innovación médica han recibido comentarios positivos como "un trabajo importante", "un gran avance" y "esperamos que se implemente en el campo médico". La publicación de VCCC Alliance recibió varios comentarios elogiando la investigación, y los investigadores y profesionales médicos relacionados también reaccionaron diciendo que es un "resultado de gran impacto". En las publicaciones relacionadas con AIML, se destaca la narrativa de que "la IA no reemplaza a los médicos, sino que funciona como un segundo par de ojos". La intensidad en las redes sociales muestra que este tema no es solo una noticia tecnológica, sino un tema relacionado con los desafíos urgentes del campo médico.

Sin embargo, la reacción no es solo de elogio total. Los comentarios de expertos y los informes relacionados mantienen consistentemente una postura cautelosa, afirmando que "aunque prometedor, se necesita más verificación antes de incorporarlo en la práctica diaria". En una opinión de expertos presentada por el Science Media Centre de España, se señala que, aunque el estudio es grande y metodológicamente sólido, la comparación con los portadores de mutaciones BRCA debe leerse como un "riesgo limitado a un período de cuatro años" y no debe equipararse con el riesgo de por vida. Otro informe también advierte sobre la generalización de los resultados de un solo centro o población específica. Aunque la IA es de alta precisión, no necesariamente funcionará de la misma manera en todas las regiones, razas y sistemas.

Además, no debemos olvidar que la IA no es responsable de la "responsabilidad final del diagnóstico". En un informe de ABC, el equipo de investigación también afirma claramente que se necesita la supervisión final por parte de radiólogos humanos. De hecho, el estado de salud del paciente, los antecedentes médicos, los hallazgos de palpación, las preocupaciones personales, las decisiones sobre exámenes adicionales y la conexión con el tratamiento no se completan solo con imágenes. Recientemente, también se han planteado advertencias sobre confiar demasiado en la IA para consultas médicas, y en enfermedades como el cáncer de mama, donde el retraso en la respuesta puede ser fatal, se requiere especial precaución al utilizar la IA para reforzar el juicio personal. La IA es inteligente, pero aún son los humanos quienes atienden a los pacientes. Este principio obvio no cambia, incluso con el avance de la tecnología.

Aun así, el significado del estudio presentado es significativo. Durante mucho tiempo, la detección de cáncer de mama se ha operado bajo el diseño de "realizarse a cierta edad y a intervalos regulares". Sin embargo, en el futuro, puede prevalecer la idea de "¿realmente es adecuado el mismo intervalo para todos los de 50 años?" o "si alguien de 40 años tiene alto riesgo, ¿no deberíamos intervenir antes?". El equipo de investigación está considerando un sistema de detección basado no solo en criterios de edad, sino también en el riesgo individual. Si se avanza en la implementación, la detección de cáncer de mama podría transformarse de un "sistema basado en la edad" a un "sistema adaptado a cada individuo mediante imágenes y datos".

En la atención del cáncer de mama, lo que realmente da miedo no es solo la anomalía visible. Es ese tiempo en blanco en el que la enfermedad progresa después de que te dicen "todo está bien" en un examen. Lo que la IA está tratando de cambiar es precisamente ese vacío. Aunque es difícil reducir a cero los casos no detectados, conocer el riesgo de acercarse a un caso no detectado más temprano y poder tomar medidas más rápidamente es crucial. En ese sentido, la IA está comenzando a mostrar su verdadero potencial, no como una "máquina para encontrar cáncer", sino como un "dispositivo de predicción para reducir los casos tardíos".

Fuente URL

https://www.theage.com.au/lifestyle/health-and-wellness/artificial-intelligence-revolutionising-breast-cancer-research-20260307-p5o8cx.html

・Informes relacionados que abordan el mismo contenido (resumen de BRAIx, predicción de riesgo a 4 años, resultados del 2% superior, comentarios de investigadores)
https://www.abc.net.au/news/2026-03-04/artificial-intelligence-breast-cancer-risk-mammogram/106411246

・Información de publicación anticipada en revistas académicas (título del artículo, fecha de publicación, posición formal del estudio)
https://www.thelancet.com/journals/landig/onlinefirst

・Anuncio de la institución de investigación (antecedentes del desarrollo de BRAIx, aprendizaje de aproximadamente 400,000 personas, verificación de aproximadamente 96,000 personas, confirmación externa en Suecia, concepto de detección personalizada)
https://www.svi.edu.au/news-events/ai-based-tool-estimates-breast-cancer-risk-within-next-four-years/

・Resumen de información científica para medios (puntos clave del estudio, riesgo del 9.7% en el 2% superior a 4 años, necesidad de investigación adicional antes de la atención rutinaria)
https://www.scimex.org/newsfeed/ai-could-help-preduct-your-risk-of-breast-cancer-in-the-next-4-years

・Hoja informativa sobre el cáncer de mama de la OMS (número de pacientes y muertes en el mundo, factores de riesgo, importancia de la detección temprana)
https://www.who.int/news-room/fact-sheets/detail/breast-cancer

・Estudio de implementación a gran escala en Alemania (caso en el que la lectura asistida por IA aumentó la tasa de detección sin empeorar la tasa de re-llamadas)
https://www.nature.com/articles/s41591-024-03408-6

・Informe que complementa la cautela hacia la introducción de IA (punto de que aunque el uso de IA puede reducir los diagnósticos tardíos, se necesita más verificación)
https://www.theguardian.com/science/2026/jan/29/ai-use-in-breast-cancer-screening-cuts-rate-of-later-diagnosis-by-12-study-finds

・Información básica sobre el sistema de detección en Australia (explicación de BreastScreen Australia, concepto de grupo de edad objetivo)
https://www.aihw.gov.au/reports/cancer-screening/breastscreen-australia-monitoring-report-2025/contents/breast-cancer/breast-cancer-screening

・Fuente de confirmación de reacciones en redes sociales públicas 1 (publicación de VCCC Alliance en LinkedIn y comentarios)
https://www.linkedin.com/posts/vcccalliance_an-artificial-intelligence-tool-to-predict-activity-7435097386366054400-xWmT

・Fuente de confirmación de reacciones en redes sociales públicas 2 (publicaciones relacionadas con AIML. Contexto de IA como "segundo par de ojos")
https://www.linkedin.com/posts/jonathangovette_sweden-just-proved-ai-can-catch-29-more-activity-7426652456484397056-ceWM

・Fuente de confirmación de reacciones en redes sociales públicas 3 (publicación de presentación de investigación en LinkedIn)
https://www.linkedin.com/posts/professor-gerald-lip-633a5556_ai-based-braix-risk-score-for-the-intermediate-term-activity-7435008570406117376-ypfK