La detecci\u00f3n del c\u00e1ncer de mama se basa en el examen de mamograf\u00edas por parte de dos profesionales de la salud. Este m\u00e9todo, aunque eficaz, enfrenta una creciente escasez de radi\u00f3logos, especialmente en el Reino Unido, donde cerca del 40 % de los puestos podr\u00edan faltar para 2028. Un estudio reciente explor\u00f3 el uso de la inteligencia artificial como segundo lector para analizar estas im\u00e1genes, con el fin de aliviar la carga de trabajo sin comprometer la calidad de los diagn\u00f3sticos.<\/p>\n
El estudio incluy\u00f3 a 50.000 mujeres de dos centros de detecci\u00f3n brit\u00e1nicos. Los resultados muestran que reemplazar al segundo lector humano por una herramienta de inteligencia artificial permite mantener una precisi\u00f3n similar en t\u00e9rminos de detecci\u00f3n de c\u00e1nceres y reducci\u00f3n de falsos positivos. Tras una etapa de arbitraje, en la que expertos reexaminan los casos controvertidos, la sensibilidad y la especificidad de la inteligencia artificial resultaron ser tan buenas como las de dos lectores humanos. Esto significa que la herramienta detecta la misma cantidad de c\u00e1nceres reales y evita igual n\u00famero de diagn\u00f3sticos err\u00f3neos.<\/p>\n
Una de las principales ventajas de este enfoque es la reducci\u00f3n significativa del tiempo de trabajo. El n\u00famero de mamograf\u00edas que deben analizar los humanos disminuy\u00f3 un 50 %, ya que la inteligencia artificial se encarga de parte de los ex\u00e1menes. Sin embargo, el arbitraje se vuelve m\u00e1s frecuente con la inteligencia artificial, aumentando entre un 22 % y un 142 % seg\u00fan los centros. Este incremento se debe a que la herramienta a veces puede se\u00f1alar anomal\u00edas que no son confirmadas por los expertos, o por el contrario, pasar por alto casos sutiles que los humanos detectan.<\/p>\n
La inteligencia artificial demostr\u00f3 una capacidad particular para identificar c\u00e1nceres que aparecen entre dos detecciones o en la siguiente, denominados c\u00e1nceres de intervalo o de pr\u00f3xima ronda. Antes del arbitraje, los detectaba mejor que los humanos. Pero tras la reevaluaci\u00f3n por parte de los expertos, esta diferencia se desvaneci\u00f3, ya que algunas se\u00f1ales de la herramienta fueron descartadas. Esto plantea una pregunta: \u00bfc\u00f3mo integrar mejor las sugerencias de la inteligencia artificial para que sean m\u00e1s fiables y comprendidas por los radi\u00f3logos?<\/p>\n
El rendimiento de la herramienta var\u00eda seg\u00fan los equipos utilizados para las mamograf\u00edas. Es m\u00e1s eficaz con los aparatos de un fabricante que con los de otro, lo que sugiere que debe adaptarse a las tecnolog\u00edas locales antes de ser implementada. Los radi\u00f3logos que participaron en el estudio expresaron una confianza moderada en la herramienta, al tiempo que se\u00f1alaron sus limitaciones, como su tendencia a sobreestimar ciertas anomal\u00edas, como las calcificaciones.<\/p>\n
Este estudio abre el camino a un uso m\u00e1s amplio de la inteligencia artificial en la detecci\u00f3n del c\u00e1ncer de mama. Demuestra que es posible reducir la carga de trabajo de los profesionales sin sacrificar la calidad de los diagn\u00f3sticos. Para avanzar, ser\u00e1 necesario mejorar la transparencia de las decisiones de la herramienta y capacitar a los radi\u00f3logos en su uso, para que puedan evaluar mejor sus alertas y aprovecharla al m\u00e1ximo.<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1038\/s43018-026-01128-z<\/a><\/p>\n Titre\u00a0:<\/strong> Impact of using artificial intelligence as a second reader in breast screening including arbitration<\/p>\n Revue : <\/strong> Nature Cancer<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Lucy M. Warren; Jenny Venton; Kenneth C. Young; Mark Halling-Brown; Christopher J. Kelly; Marc Wilson; Megumi Morigami; Lisanne Khoo; Deborah Cunningham; Richard Sidebottom; Mamatha Reddy; Hema Purushothaman; Delara Khodabakhshi; Lesley Honeyfield; Amandeep Hujan; Tsvetina Stoycheva; Andy Joiner; Reena Chopra; Aminata Sy; Dominic Ward; Lin Yang; Rory Sayres; Daniel Golden; Namrata Malhotra; Rachita Mallya; Lihong Xi; Della Ogunleye; Charlotte Purdy; Alistair Mackenzie; Susan Thomas; Shravya Shetty; Fiona J. Gilbert; Ara Darzi; Hutan Ashrafian<\/p>\n","protected":false},"excerpt":{"rendered":" \u00bfPuede la inteligencia artificial mejorar la detecci\u00f3n del c\u00e1ncer de mama sin sobrecargar a los radi\u00f3logos? La detecci\u00f3n del c\u00e1ncer de mama se basa en el examen de mamograf\u00edas por parte de dos profesionales de la salud. Este m\u00e9todo, aunque eficaz, enfrenta una creciente escasez de radi\u00f3logos, especialmente en el Reino Unido, donde cerca del… Seguir leyendo \u00bfPuede la inteligencia artificial mejorar la detecci\u00f3n del c\u00e1ncer de mama sin sobrecargar a los radi\u00f3logos?<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[5,6,3],"tags":[],"class_list":["post-17","post","type-post","status-publish","format-standard","hentry","category-ciencia-y-tecnologia","category-politica","category-salud","entry"],"_links":{"self":[{"href":"https:\/\/theengineeringreview.com\/es\/wp-json\/wp\/v2\/posts\/17","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/theengineeringreview.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/theengineeringreview.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/theengineeringreview.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/theengineeringreview.com\/es\/wp-json\/wp\/v2\/comments?post=17"}],"version-history":[{"count":1,"href":"https:\/\/theengineeringreview.com\/es\/wp-json\/wp\/v2\/posts\/17\/revisions"}],"predecessor-version":[{"id":18,"href":"https:\/\/theengineeringreview.com\/es\/wp-json\/wp\/v2\/posts\/17\/revisions\/18"}],"wp:attachment":[{"href":"https:\/\/theengineeringreview.com\/es\/wp-json\/wp\/v2\/media?parent=17"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/theengineeringreview.com\/es\/wp-json\/wp\/v2\/categories?post=17"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/theengineeringreview.com\/es\/wp-json\/wp\/v2\/tags?post=17"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}