La detección precoz sigue siendo uno de los pilares fundamentales para mejorar el pronóstico del cáncer de mama. Sin embargo, identificar qué mujeres presentan un mayor riesgo de desarrollar la enfermedad continúa siendo un reto, ya que muchas pacientes no tienen antecedentes familiares ni mutaciones genéticas conocidas. En este contexto, la inteligencia artificial continúa abriendo nuevas posibilidades para personalizar los programas de cribado.
Un estudio realizado por investigadores de la Facultad de Medicina de Harvard y Weill Cornell Medicine, publicado en la revista Radiology de la Sociedad Radiológica de Norteamérica (RSNA), ha demostrado que un modelo de aprendizaje profundo puede estimar el riesgo de desarrollar cáncer de mama en los cinco años siguientes utilizando únicamente las imágenes obtenidas en mamografías de cribado.
A diferencia de otros métodos de evaluación, este sistema no necesita información clínica, demográfica o genética de la paciente. El algoritmo analiza la mamografía completa y detecta patrones que pueden pasar desapercibidos para el ojo humano, generando una puntuación continua de riesgo basada exclusivamente en la imagen.
Para validar el modelo, los investigadores analizaron mamografías realizadas entre 2009 y 2019 en seis centros de imagen con distintos perfiles asistenciales. Tras el proceso de selección, el estudio incluyó a 54.014 mujeres, de las cuales 817 desarrollaron cáncer de mama y 53.197 actuaron como grupo de control. En total, se estudiaron más de 158.000 mamografías, incluyendo exploraciones realizadas hasta seis años antes del diagnóstico.
Los resultados mostraron una diferencia clara entre ambos grupos. En las mujeres que posteriormente desarrollaron cáncer de mama, la puntuación de riesgo aumentó progresivamente conforme se acercaba el momento del diagnóstico, con el incremento más acusado durante los dos años previos. En cambio, las participantes que no desarrollaron la enfermedad mantuvieron valores estables a lo largo del tiempo.
Según la investigadora principal, Constance D. Lehman, profesora de Radiología en la Facultad de Medicina de Harvard, estas tendencias fueron consistentes independientemente de la edad o de la densidad mamaria, lo que refuerza la posibilidad de aplicar este tipo de herramientas a diferentes perfiles de pacientes. Además, señala que los biomarcadores obtenidos directamente de las imágenes podrían contribuir a personalizar el cribado sin depender de datos clínicos que, en ocasiones, pueden ser incompletos o inconsistentes.
Los autores consideran que este enfoque puede convertirse en un biomarcador dinámico para adaptar las estrategias de prevención y seguimiento en función del riesgo individual. De hecho, en 2026 la National Comprehensive Cancer Network (NCCN) incorporó en sus guías clínicas las puntuaciones de riesgo obtenidas mediante inteligencia artificial, recomendando valorar una resonancia magnética mamaria adicional a la mamografía anual en mujeres mayores de 35 años con un riesgo elevado a cinco años.
La incorporación de herramientas de inteligencia artificial al cribado no pretende sustituir el criterio del radiólogo, sino ofrecer información adicional que facilite una toma de decisiones más personalizada. En Actualpacs seguimos de cerca este tipo de avances e integramos soluciones de apoyo al diagnóstico, ayudando a los profesionales a optimizar los procesos, mejorar la precisión y ofrecer una atención cada vez más adaptada a las necesidades de cada paciente.
Fotografía: Sociedad Radiológica de América del Norte (RSNA)
Imágenes de una mujer de 75 años que se sometió a una mamografía de cribado rutinaria en 2022. Se muestran proyecciones oblicuas mediolaterales izquierdas de mamografías de cribado previas: (A) 2015, (B) 2018, (C) 2019 y (D) 2021. En 2022 (E) se desarrolló una nueva masa en la mama izquierda en la posición de las 6 en punto (flecha), con una masa irregular (F) correspondiente en la ecografía (flecha). La biopsia con aguja gruesa guiada por ecografía posterior reveló un carcinoma ductal invasivo de grado 2. Las puntuaciones de riesgo a 5 años mediante aprendizaje profundo aumentaron gradualmente de 2,0 (2015) a 2,1 (2018), 3,4 (2019), 3,6 (2021) y 15,3 (2022). CMFN = centímetros desde el pezón, LT = izquierda, TRANS = transversal.