Modelo de IA NYU-DRP predice el riesgo de cáncer de mama a cinco años a partir de mamografías 3D

NYU Langone Health anunció el 10 de septiembre de 2026 que investigadores de NYU Langone Health y su Perlmutter Cancer Center han desarrollado una herramienta de aprendizaje profundo, llamada NYU-DRP, que estima el riesgo a cinco años de una mujer de desarrollar cáncer de mama al analizar sus mamografías 3D realizadas durante varios años.

Un modelo de aprendizaje profundo construido a partir de mamografías 3D longitudinales

La herramienta analiza la tomosíntesis digital de mama longitudinal, o DBT longitudinal, el registro de mamografías 3D que una mujer acumula a través de exámenes anuales repetidos. El estudio de validación, titulado “Predicting 5-Year Breast Cancer Risk From Longitudinal Digital Breast Tomosynthesis: A Single-Center Retrospective Study”, se publicó en el American Journal of Roentgenology en línea el 12 de agosto de 2026, tras su aceptación el 3 de agosto de 2026, y lleva el DOI 10.2214/AJR.26.34951.

El artículo indica que su objetivo era desarrollar y evaluar un modelo de aprendizaje profundo que utilizara exámenes de DBT longitudinal para predecir el riesgo a largo plazo de cáncer de mama. Sus autores señalan que los modelos de predicción del riesgo de cáncer de mama basados en imágenes principalmente han utilizado mamografía digital de campo completo, o FFDM, y que aunque la DBT se ha convertido en una modalidad de detección predominante en los Estados Unidos, su potencial para la predicción a largo plazo del riesgo sigue sin explorarse.

“Nuestro estudio muestra cómo modelos de IA como NYU-DRP pueden usarse para determinar de manera fiable el riesgo futuro de cáncer de mama de una mujer basándose en mamografías 3D existentes, que contienen información sobre cómo el tejido mamario ha cambiado a lo largo de múltiples exámenes a lo largo del tiempo”, dijo la investigadora principal del estudio Yanqi Xu, PhD, becaria postdoctoral en el Departamento de Radiología de la NYU Grossman School of Medicine y el Perlmutter Cancer Center.

Cohorte retrospectiva y resultados reportados

Según el estudio publicado, el análisis retrospectivo incluyó 313,335 exámenes de DBT de 161,077 mujeres con una edad media de 58.5 años, realizadas entre enero de 2016 y agosto de 2020 en una única institución de salud. El anuncio de NYU Langone describe NYU-DRP como creado a partir de 313,531 mamografías 3D anuales de 161,165 mujeres sin cáncer de mama que se sometieron a pruebas en los hospitales de NYU Langone entre 2016 y 2020.

El modelo DRP estima el riesgo de cáncer de mama a dos o cinco años a partir de exámenes de DBT longitudinal, la edad de la paciente y la densidad mamaria. Los investigadores lo compararon con un modelo de DBT de un solo punto temporal, con el modelo Mirai que utiliza FFDM del mismo día, y con el modelo de riesgo clínico Tyrer‑Cuzick, midiendo el desempeño con el AUC, el índice de concordancia dependiente del tiempo y las métricas de puntuación integrada de Brier.

En un conjunto de prueba independiente de 34,570 exámenes, el artículo informa que el modelo DRP longitudinal alcanzó un AUC a cinco años de 0.721 (95% CI, 0.698–0.744), superando al modelo de un solo punto temporal con 0.707 (95% CI, 0.683–0.730) y al modelo Mirai con 0.687 (95% CI, 0.663–0.710), ambos con p <.001. El anuncio caracteriza esos resultados como una clasificación correcta de mujeres con mayor riesgo en un 72 percent, 70 percent, y 68 percent de las veces, respectivamente.

En una cohorte caso‑control emparejada de 432 mujeres, el artículo informa un AUC a cinco años de 0.676 (95% CI, 0.626–0.726) para el modelo DRP frente a 0.563 (95% CI, 0.509–0.619; p <.001) para el modelo Tyrer‑Cuzick, una comparación que el anuncio presenta como 67 percent versus 56 percent. Según el comunicado, Tyrer‑Cuzick no incorpora IA ni escaneos de mamografía y se basa en información médica personal y familiar, como edad, mutaciones genéticas y densidad mamaria respaldada por resultados de biopsias; la comparación incluyó a 432 mujeres, con la mitad emparejada contra mujeres de edad y antecedentes similares cuyos resultados a cinco años diferían.

El estudio también informa que la densidad mamaria por sí sola no se correspondía con el riesgo predicho. Entre los exámenes de mujeres con mamas extremadamente densas, el modelo clasificó al 39.7 percent (746 of 1,877) como riesgo medio, con una incidencia de cáncer a cinco años observada del 0.8 percent (6 of 746); entre los exámenes de mujeres con mamas grasas, clasificó al 14.8 percent (386 of 2,605) como alto riesgo, con una incidencia observada del 2.6 percent (10 of 386). El anuncio, que señala que el tejido mamario denso se conoce por aumentar el riesgo de cáncer, reporta estas proporciones como 37.6 percent y 0.7 percent, y como 15.5 percent y 2.5 percent, respectivamente.

El investigador principal del estudio, Yiqiu “Artie” Shen, PhD, profesor asistente del Departamento de Radiología de la NYU Grossman School of Medicine y del Perlmutter Cancer Center, dijo que los hallazgos demuestran que las mamografías 3D repetidas contienen información sobre el futuro riesgo de cáncer de mama de una mujer que no se captura completamente ni con la densidad mamaria ni con una sola mamografía. Los investigadores observaron que menos del 3 percent de las mujeres evaluadas durante el estudio, que concluyó en 2025, desarrollaron cáncer de mama, y que todas las pruebas utilizaron equipos de imagen mamaria fabricados por Hologic Inc. de Marlborough, Massachusetts; el artículo identifica el diseño como un estudio retrospectivo de un solo centro.

Los autores concluyen que un modelo de aprendizaje profundo que emplea exámenes de DBT longitudinal mejoró la predicción del riesgo a largo plazo de cáncer de mama en comparación con los modelos basados en FFDM y los modelos de riesgo clínico, y afirman que el impacto clínico radica en el potencial de informar una evaluación de riesgo dinámica mediante imágenes de detección y de respaldar futuras estrategias de cribado personalizadas.

Validación planificada, financiamiento y contexto del cribado

“Si futuros experimentos en otras mujeres con cáncer de mama resultan exitosos, entonces las mamografías 3D asistidas por IA como NYU‑DRP podrían ayudar a los médicos a adaptar mejor el cribado al riesgo real de una mujer, identificando a aquellas que podrían beneficiarse de exámenes adicionales y evitando pruebas suplementarias innecesarias para las de menor riesgo”, dijo la coinvestigadora del estudio Laura Heacock, MD, profesora asociada del Departamento de Radiología de la NYU Grossman School of Medicine y del Perlmutter Cancer Center.

Shen comentó que el equipo planea utilizar el programa de DBT longitudinal para monitorear proactivamente la salud mamaria de las mujeres, observando cómo la herramienta afecta su salud y quién desarrolla cáncer de mama. Los investigadores también planean compartir y validar la herramienta con datos de otros centros académicos de salud y con datos de diferentes fabricantes de mamografías 3D.

El apoyo financiero para el estudio provino de la subvención 1922658 de la National Science Foundation, la subvención R01EB036530 de los National Institutes of Health, el Milstein Pilot Project Fund, el Shifrin‑Myers Breast Cancer Discovery Fund y la Manhasset Women’s Coalition Against Breast Cancer. Además de Xu, Shen y Heacock, los coinvestigadores del estudio fueron Jungkyu Park, Felicia Pasadyn, Qi Lei, Alana Lewin, Krzysztof Geras, Linda Moy y Freya Schnabel, y el artículo indica a Shen como autor de correspondencia.

El anuncio sitúa el estudio en el contexto de las estadísticas de cribado en EE. UU: se estima que 1 de cada 8 mujeres en los Estados Unidos será diagnosticada con cáncer de mama a lo largo de su vida, con aproximadamente 382,640 mujeres previstas para ser diagnosticadas en 2026. La tasa de supervivencia relativa a cinco años supera el 99 percent cuando el cáncer de mama se detecta en sus etapas más tempranas, más de 4 million breast cancer survivors currently live in the country, more than 43 million mammograms were performed in 2025, and experts now recommend annual mammography screening beginning at age 40.