MADRID, 16 Dic. (EUROPA PRESS) -
El futuro de la detección del cáncer de mama y las estrategias de reducción de riesgos están siendo moldeados por la inteligencia artificial (IA), según un artículo de revisión de la Universidad Tecnológica de Queensland en Brisbane, Australia, publicado en la revista 'Trends in Cancer'.
"Discutimos los avances recientes en la predicción del riesgo de cáncer de mama asistida por IA, lo que esto significa para el futuro de la detección y prevención del cáncer de mama, y la investigación clave necesaria para avanzar las características mamográficas de la investigación a la práctica clínica", cuenta el autor principal del estudio, Erik Thompson, de la Universidad Tecnológica de Queensland en Brisbane, Australia.
El tejido mamario que aparece blanco en una mamografía es radiológicamente denso, mientras que el tejido mamario que aparece oscuro se considera no denso. Es ampliamente aceptado que las mujeres con mayor densidad mamográfica para su edad e índice de masa corporal tienen mayor riesgo de cáncer de mama. Además, una mayor densidad hace que el cáncer de mama sea más difícil de detectar mediante mamografía, lo que se conoce como "efecto de enmascaramiento".
Los movimientos de defensa de derechos en todo el mundo exigen que se notifique a las mujeres su densidad mamográfica. La densidad mamográfica está orientando el uso de tecnologías de diagnóstico por imagen complementarias en algunos lugares, como la ecografía y la resonancia magnética, que han proporcionado mayores tasas de detección de cáncer en estudios clínicos de mujeres con mamas extremadamente densas.
Sin embargo, los científicos y los médicos siguen luchando con la complejidad que surge del efecto de enmascaramiento, el riesgo de cáncer de mama asociado con la densidad mamográfica y cómo implementar de manera óptima los cambios en la práctica clínica.
Para predecir un futuro diagnóstico de cáncer de mama, ahora se están utilizando enfoques computacionales avanzados, como el aprendizaje profundo, para analizar imágenes mamográficas. En particular, los métodos de IA están descubriendo características mamográficas que tienen el potencial de ser predictores más fuertes del riesgo de cáncer de mama que cualquier otro factor de riesgo conocido.
Estas características podrían explicar una gran proporción de la asociación entre la densidad mamográfica y el riesgo de cáncer de mama. El descubrimiento de las características mamográficas generadas por IA que predicen el riesgo está brindando nuevas oportunidades para identificar a las mujeres con mayor riesgo de desarrollar cáncer de mama en el futuro y separarlas de aquellas mujeres con mayor riesgo de tener un cáncer de mama no detectado debido al efecto de enmascaramiento.
"Una mujer con características mamográficas asociadas con un alto riesgo de detección de cáncer de mama podría beneficiarse de una detección más frecuente o de medicación para reducir el riesgo", comenta Thompson. "Por otro lado, se podría proporcionar un intervalo más largo entre las pruebas de detección a una mujer con una baja probabilidad de diagnóstico de cáncer de mama en los próximos cinco años. Además, una mujer con una alta densidad mamográfica sin características mamográficas de alto riesgo podría beneficiarse de imágenes complementarias como la resonancia magnética o la ecografía".
Las investigaciones sugieren que algunas características mamográficas generadas por IA son indicativas de una malignidad temprana que no se puede detectar mediante una mamografía leída por un radiólogo, mientras que otras pueden ser afecciones benignas asociadas con un mayor riesgo de cáncer de mama. La identidad de las características mamográficas generadas por IA que no se identifican como cáncer o una afección benigna sigue sin estar clara.
"Es fundamental identificar la patobiología asociada a las características mamográficas y los mecanismos subyacentes que las vinculan con la oncogénesis del cáncer de mama", resume Thompson. "Esto será esencial para establecer su relevancia en el riesgo de cáncer de mama a corto y largo plazo, así como para los esfuerzos futuros por reducir ese riesgo", señala