El AI podría compensar la falta de radiólogos en la lucha contra el cáncer de mama, pero aún no está listo

Recientemente, un equipo de investigadores del Imperial College de Londres y Google (GOOGL ) Health creó un modelo de visión por computadora destinado a diagnosticar casos de cáncer de mama a partir de radiografías. Según informa CNN, el modelo se entrenó con radiografías de más de 29.000 mujeres, y cuando se comparó con seis radiólogos, el modelo logró superar las evaluaciones de los médicos.

Actualmente, el NHS utiliza las decisiones combinadas de dos médicos para diagnosticar el cáncer de mama a partir de radiografías. Si los dos médicos no están de acuerdo, se llama a un tercer médico para consultar las imágenes. Mientras que los médicos tenían acceso a los registros médicos de los pacientes, el dispositivo de IA solo tenía las mamografías para basar sus decisiones. A pesar de esta limitación, el modelo de IA demostró ser al menos tan bueno como dos médicos para diagnosticar el cáncer de mama. De hecho, el modelo funcionó mejor que un solo médico para detectar el cáncer de mama. Al comparar las tasas de falsos positivos entre el IA y los médicos, el IA redujo ligeramente los falsos positivos, siendo aproximadamente un 1,2% más preciso en general. Según los resultados del informe de investigación, el IA también redujo las tasas de falsos negativos (donde se pasa por alto un caso positivo real de cáncer) en aproximadamente un 2,7%.

Uno de los autores del documento, el director del Centro de Investigación del Cáncer del Reino Unido Imperial, Ara Darzi, explicó que el equipo de investigación no esperaba que su sistema produjera resultados de tan alta calidad. Sin embargo, Darzi está emocionado con la posibilidad de mejorar la productividad y la precisión en la detección del cáncer.

El cáncer de mama es la segunda causa principal de muerte por cáncer en mujeres, pero los resultados pueden mejorar dramáticamente si se diagnostica la enfermedad temprano. El problema es que, según la Sociedad Estadounidense del Cáncer, incluso los programas de detección a gran escala actualmente pasan por alto alrededor de uno de cada cinco casos.

Por esta razón, el equipo de investigación es optimista de que su sistema pueda mejorarse y superar incluso a los mejores clínicos. El equipo de investigación también declaró que su algoritmo podría abordar potencialmente la escasez de radiólogos. Un informe realizado por el Royal College of Radiologists encontró que en el Reino Unido, habrá una escasez de casi 2.000 radiólogos para 2023 a menos que se tome alguna medida para remediar la situación.

Sin embargo, Darzi admite que en esta etapa el sistema no está listo para reemplazar a los humanos y ser utilizado como intérprete secundario. Las herramientas de IA en el campo de la salud a menudo no cumplen con sus promesas iniciales, gracias a factores complejos que no pueden ser simulados adecuadamente en el entrenamiento. Una de las grandes limitaciones del estudio es que todas las imágenes provienen de un solo sistema de mamografía y las imágenes carecen de diversidad. Según QZ, el equipo de investigación no tuvo acceso a detalles que podrían utilizarse para determinar la diversidad de las imágenes en el conjunto de datos, y por lo tanto no es posible saber si el sistema seguía siendo muy preciso al examinar radiografías de minorías. Hay disparidades raciales en el diagnóstico del cáncer de mama tanto en el Reino Unido como en los Estados Unidos, con las mujeres negras siendo menos propensas a someterse a pruebas de detección de cáncer de mama en el Reino Unido.

Google planea dedicar tiempo a remediar la disparidad en los datos en los que se entrena el modelo antes de ponerlo a disposición de los socios de atención médica, con el objetivo de crear un conjunto de datos más grande y más inclusivo. El sistema también tendrá que ser probado en ensayos clínicos antes de estar disponible para su uso en entornos clínicos. Los algoritmos desarrollados por el equipo de investigación tienen el poder de mejorar genuinamente los resultados de la atención médica y salvar vidas, pero solo si se prueban cuidadosa y rigurosamente.