El auge de la Inteligencia Artificial (IA) en todos los ámbitos de la vida moderna no han dejado de lado a la medicina. Cada vez más disciplinas científicas adoptan esta herramienta prometedora, que se consolida como una aliada clave en el diagnóstico precoz y la precisión clínica del cáncer de mama. Desde el análisis de imágenes médicas hasta la personalización de tratamientos, la IA promete mejorar la detección, optimizar recursos médicos y ampliar el acceso a terapias más efectivas. Tal como se evidencia en varios estudios científicos publicados en Estados Unidos, América Latina y en Europa.
En la revista Ciencia Latina, los especialistas Kléver David Montero-Cadena y Jissela del Camen Silva-Acosta publicaron un ensayo sobre el uso de la IA en el diagnóstico del cáncer de mama, en el que analizaron los últimos 14 estudios relevantes de las bases de datos científicas publicados desde 2020 hasta 2025.
Los expertos señalan que el cáncer de mama representa un problema de salud en el ámbito mundial, para 2022 se constituye como segundo tipo de cáncer diagnosticado con mayor asiduidad, solo superado por el cáncer de pulmón, cada año se presentan aproximadamente 2,3 millones de casos nuevos lo que corresponde a un 11,5% de todos los casos de cáncer.
La conclusión de este estudio asegura que la inteligencia artificial mejora la precisión diagnóstica, reduce la variabilidad inter observador y optimiza los procesos clínicos. Se proyecta como una herramienta clave en el abordaje personalizado del cáncer de mama.
Advierten los especialistas que aunque la mamografía sigue siendo el estándar global para detección precoz, su eficacia disminuye en mujeres con mamas densas o en estadios iniciales. La IA se integra como lector secundario para mejorar la precisión diagnóstica y reducir la carga de trabajo de los radiólogos.
Uso de la IA en diferentes tipos de procedimiento
Mamografía
- La IA mejora la detección temprana, reduce la variabilidad entre radiólogos y optimiza recursos en contextos con alta demanda o escasez de especialistas.
- Estudios multicéntricos demuestran que la IA aumenta la sensibilidad diagnóstica y reduce falsos negativos, incluso en lesiones pequeñas o difíciles de interpretar.
Resonancia Magnética (RM)
- Técnica altamente sensible, especialmente útil en mujeres con alto riesgo o mamas densas. La IA mejora la clasificación de las señales de cuidado, predice agresividad tumoral y respuesta al tratamiento.
- Estudios reportan sensibilidad del 94% y AUC de 0.91, comparable o superior a radiólogos expertos.
Ultrasonido
- Técnica accesible, pero operador-dependiente, con alta variabilidad interobservador. La IA mejora la clasificación de lesiones, reduce biopsias innecesarias y falsos positivos. Modelos como el de Ciritsis alcanzan precisión del 93.1%, y la FDA ha aprobado su uso clínico en regiones con escasez de radiólogos.
Histopatología
- Pilar del diagnóstico definitivo; la IA permite análisis digital más rápido, preciso y reproducible. Mejora la caracterización tisular, cuantificación de biomarcadores (HER2, Ki-67) y tareas como conteo de mitosis o detección de micrometástasis.
- Modelos como ViT-DeiT alcanzan precisión del 98.17% en clasificación histológica.
La IA se consolida como una aliada estratégica en radiología y patología mamaria, no para reemplazar al especialista, sino para potenciar su capacidad diagnóstica. Su implementación abre la puerta a una medicina más personalizada, eficiente y equitativa, especialmente en contextos con limitaciones de recursos.
Más estudios
Según una publicación de la revista Techno-science un estudio alemán revela que la IA mejora significativamente la detección del cáncer de mama sin aumentar los falsos positivos. Este avance podría transformar las prácticas médicas y salvar vidas. El cáncer de mama, uno de los cánceres más frecuentes en las mujeres, afecta a millones de personas cada año. A pesar de los avances médicos, el cribado tradicional tiene limitaciones. Un estudio reciente, realizado en condiciones reales, muestra que la inteligencia artificial podría subsanar estas carencias.
INTELIGENCIA ARTIFICIAL.jpg
Según el estudio "Actitudes sobre Banca Digital de Chase" destacan varios aspectos: 39% de los encuestados tienen un gran interés en usar IA para manejar finanzas en el futuro.
Pixabay
Un estudio a gran escala
El estudio, publicado en Nature Medicine, analizó cerca de 500 000 mamografías realizadas en Alemania. Los investigadores compararon los resultados obtenidos con y sin la ayuda de un software de IA. Los datos muestran un aumento del 16,7 % en la tasa de detección del cáncer de mama gracias a la IA, sin incrementar la tasa de falsos positivos.
Esta mejora viene acompañada de una reducción de la carga de trabajo para los radiólogos. Los casos clasificados como “normales” por la IA requirieron un 43 % menos de tiempo de examen, sin comprometer la calidad del diagnóstico.
El software de IA utilizado en el estudio integra una “red de seguridad”. Este sistema alerta a los radiólogos cuando pasan desapercibidas anomalías. Gracias a esta función, se realizaron 204 diagnósticos adicionales, evitando posibles errores.
Sin embargo, la IA no es infalible. Veinte casos de cáncer no fueron detectados por el software pero sí por los radiólogos. Esto subraya la importancia de mantener una colaboración entre el humano y la máquina.
Modelo predictivo
Un nuevo modelo de deep learning (aprendizaje profundo) ha dado vida a una serie de algoritmos de inteligencia artificial que, aplicados a las mamografías convencionales, permite detectar el cáncer hasta cinco años antes de su desarrollo en el paciente.
Ideado por un grupo de investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) y del Hospital General de Massachusetts, este nuevo método de predicción del cáncer futuro podría revolucionar los tratamientos, ya que categoriza con precisión en la categoría de mayor riesgo al 31% de todos los pacientes con cáncer, frente a un 18% de los modelos tradicionales.
A pesar de los continuos avances científicos en materia de genética, a menudo el diagnóstico del cáncer de mama llega demasiado tarde, lo que lleva a tratamientos agresivos con resultados no siempre positivos. La identificación anticipada de los pacientes en riesgo a partir de este nuevo modelo de aprendizaje profundo se vuelve vital para detectar en una mamografía si el paciente desarrollará cáncer en el futuro.
