cribado de cáncer, salud, IA, MASAI, The Lancet, cáncer de mama
Un ensayo clínico muestra que la mamografía asistida por IA puede detectar más casos de cáncer peligroso y reducir los diagnósticos erróneos.
09 febrero 2026.- Un ensayo pionero en su tipo demuestra que la mamografía asistida por IA puede mejorar los resultados de las pacientes con cáncer de mama, en particular aquellas con enfermedad agresiva.
Si bien muchas personas han comenzado recientemente a usar la inteligencia artificial (IA) en su vida cotidiana, su uso en medicina comenzó hace aproximadamente una década, especialmente en el campo del diagnóstico por imágenes . Los investigadores han estado entrenando programas de IA para reconocer tumores y otros signos de enfermedad en diversas imágenes médicas, como radiografías, resonancias magnéticas y biopsias de tejido montadas en portaobjetos.
Estas imágenes se obtuvieron principalmente de pacientes cuyos diagnósticos ya se conocían, en estudios "retrospectivos" . Conocer el diagnóstico permitió a los médicos proporcionar retroalimentación a la IA, confirmando que había identificado correctamente el cáncer o que una imagen estaba libre de cáncer. Estos estudios han demostrado que la IA podría ser una herramienta invaluable en la medicina diagnóstica.
Sin embargo, para saber si una herramienta de IA puede realmente diagnosticar el cáncer y marcar una diferencia para los pacientes, es necesario realizar un estudio "prospectivo" , es decir, uno en el que los pacientes diagnosticados mediante la herramienta de IA sean seguidos durante varios años para determinar sus resultados de salud.
Investigadores suecos han llevado a cabo un ensayo de referencia para evaluar el uso de IA en el cribado mamográfico. Los resultados del ensayo Cribado Mamográfico con Inteligencia Artificial (MASAI), publicado el 31 de enero en la revista The Lancet , demostraron que la lectura mamográfica con IA puede mejorar el rendimiento del cribado y reducir la carga de trabajo de los radiólogos.
Esta es la primera vez que se demuestra que la IA mejora los resultados de los pacientes con cáncer de mama.
Detección temprana del cáncer
La práctica de realizar mamografías regulares a las pacientes ha reducido significativamente la incidencia de cáncer en etapa avanzada y las muertes por cáncer de mama en gran parte del mundo. Sin embargo, incluso con mamografías regulares, algunos tipos de cáncer pueden pasar desapercibidos.
Estos " cánceres de intervalo " no se detectan en una prueba de detección inicial, sino que se diagnostican en los dos años siguientes o entre dos rondas de detección. A menudo pasan desapercibidos porque quedan ocultos durante la prueba inicial debido a la densidad del tejido mamario o porque el tumor se camufla como tejido normal. O, en ocasiones, pueden desarrollarse muy rápidamente entre las fechas de las pruebas de detección.
Estos cánceres son invasivos, se propagan a los tejidos sanos adyacentes y suelen ser agresivos, lo que resulta en peores pronósticos para los pacientes. La disminución de las tasas de cáncer de intervalo es la mejor manera de confirmar la eficacia de un método de detección, lo que significa que reduce los diagnósticos de cáncer en etapa avanzada al detectar más casos de forma temprana.
El ensayo MASAI incluyó a más de 100.000 mujeres de entre 40 y 80 años residentes en Suecia. Se utilizó un sistema de IA disponible comercialmente, entrenado con más de 200.000 exámenes realizados en instituciones médicas de todo el mundo.
En un grupo de comparación, las mamografías fueron interpretadas por dos radiólogos, como es habitual en Suecia. En el grupo con IA, el sistema analizó las mamografías en busca de hallazgos sospechosos y proporcionó una puntuación de riesgo de 1 a 10. Los casos con una puntuación de 1 a 9 fueron interpretados posteriormente por un solo radiólogo, mientras que los casos con una puntuación de 10 serían interpretados por dos radiólogos. El sistema de IA también pudo resaltar los hallazgos sospechosos en la imagen para que los radiólogos humanos pudieran revisarlos fácilmente.
El cribado con IA identificó más cánceres clínicamente relevantes que la mamografía sin asistencia. Los cánceres clínicamente relevantes son aquellos con potencial de progresión y, por lo tanto, requieren intervención médica.
También redujo el número de diagnósticos de cáncer a intervalos dentro de los dos años posteriores a la prueba. Esto demuestra que el programa de IA fue más eficaz en la identificación de cánceres que normalmente un radiólogo humano podría pasar por alto, lo que permitió iniciar los tratamientos médicos antes.
Reducir los falsos positivos
Si bien las pruebas de detección del cáncer suelen ser beneficiosas, existen posibles desventajas, como los falsos positivos y el sobrediagnóstico. Cuando se cita a un paciente para una segunda revisión después de una prueba de detección, pero no presenta cáncer, puede ser una experiencia muy estresante.
Esta última situación, el sobrediagnóstico, se refiere a situaciones en las que una prueba de detección detecta un cáncer que, en última instancia, no causará daño al paciente . Estos cánceres crecen tan lentamente que no causarán síntomas durante la vida del paciente ni aumentarán la probabilidad de muerte. El sobrediagnóstico puede someter a pacientes sanos a tratamientos oncológicos innecesarios.
El objetivo de la mamografía asistida por IA es mejorar la capacidad de la prueba de detección para detectar el cáncer y, al mismo tiempo, mitigar estos posibles efectos negativos; el estudio descubrió que la detección asistida por IA no aumentó el riesgo de falsos positivos y que mejoró la detección de cánceres clínicamente relevantes.
Además de mejorar la detección del cáncer, las evaluaciones asistidas por IA podrían abordar la escasez constante de radiólogos disponibles para realizar evaluaciones del cáncer. Si no se cuenta con radiólogos expertos, las mujeres no pueden beneficiarse como deberían de los programas de detección.
Además, como los pocos radiólogos disponibles trabajan más horas, su rendimiento disminuye . Pero la IA no se cansa ni decae al final de la jornada laboral.
Fuente: Gommers, J., et al. (2026). Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading without AI in the Masai study: A randomised, controlled, non-inferiority, single-blinded, population-based, screening-accuracy trial. The Lancet, 407(10527), 505–514. https://doi.org/10.1016/s0140-6736(25)02464-x
COMENTARIOS