Un estudio del Centro Médico Universitario Radboud en Nijmegen, Países Bajos, determinó que la aplicación de la inteligencia artificial (IA) mejora la exactitud en la identificación del cáncer de mama por parte de los radiólogos, durante el proceso de interpretación de mamografías.
La investigación, publicada el 8 de julio en la revista Radiology de la Sociedad Radiológica de Norteamérica, indicó que las herramientas de IA permiten a los profesionales médicos concentrar su análisis en áreas específicas de las mamografías que presenten características anómalas.
De acuerdo con el equipo científico, las herramientas de IA ayudan específicamente a dirigir la atención del radiólogo hacia los puntos más relevantes de la imagen, sin perder tiempo en analizar otras áreas.
Los autores del estudio señalaron que informes previos habían abordado el apoyo de la IA en la toma de decisiones clínicas, enfocándose en un incremento de la capacidad de identificar correctamente los casos de cáncer sin prolongar el tiempo de lectura de las imágenes.
No obstante, el efecto de la IA en los patrones de búsqueda visual de los radiólogos no había sido examinado con profundidad hasta ahora. La investigación demostró que los modelos de aprendizaje automático se convierten en ojos adicionales de radiólogos que se detienen sobre una imagen mientras la analizan.
¿En qué consiste el sistema de IA para analizar mamografías?
Para profundizar en este aspecto, los científicos emplearon un sistema de seguimiento ocular, que es un dispositivo tecnológico con IA que registra los movimientos de los ojos de un especialista.
Este modelo consiste en un aparato compacto, situado frente a la pantalla de lectura, dotado de dos luces infrarrojas que iluminan los ojos del radiólogo, y una cámara central que registra los reflejos, lo que permite calcular la ubicación precisa de la mirada del profesional en la pantalla.
De esta forma, cuando el especialista analiza las mamografías y se detiene en un área específica, el modelo de IA es capaz de determinar con mayor rapidez si existe una anomalía que sugiera la presencia de cáncer.
“Al analizar estos datos, podemos determinar en qué partes de las mamografías se centra el radiólogo y durante cuánto tiempo, lo que proporciona información valiosa sobre sus patrones de lectura”, señaló Jessie JJ Gommers, una de las autoras principales del estudio.
Resultados de la investigación
Durante la investigación, un grupo de 12 radiólogos interpretó mamografías correspondientes a 150 mujeres; la mitad de estas pacientes tenían diagnóstico de cáncer de mama y la otra mitad no.
Los resultados evidenciaron que la exactitud en la detección del cáncer fue superior cuando los radiólogos contaron con el apoyo de la IA, en comparación con la lectura realizada sin dicha asistencia.
El estudio apuntó que no se registraron variaciones en la capacidad de identificar correctamente los casos sin cáncer, ni en el tiempo requerido para la lectura de las imágenes, lo que significa que el sistema que usaron no influyó en el trabajo del radiólogo en las mamografías de pacientes sanas.
Los datos recabados mediante la herramienta de seguimiento ocular revelaron que los radiólogos dedicaron un mayor tiempo al examen de las áreas que contenían lesiones cancerosas reales cuando disponían del soporte de la IA.
“Los radiólogos ajustaron su comportamiento de lectura según el nivel de sospecha de la IA, cuando daba una puntuación baja, probablemente los tranquilizaba, ayudándolos a avanzar con mayor rapidez. Por el contrario, las puntuaciones altas los impulsaban a realizar una segunda revisión, más cuidadosa, sobre todo en los casos más complejos o sutiles», agregó la autora del estudio.
Herramienta complementaria para detectar el cáncer de mama
El equipo aclaró que las indicaciones proporcionadas por la IA actuaron como señales visuales, que orientaron la atención de los radiólogos hacia zonas potencialmente sospechosas.
Esto significa que el sistema de IA se comportó como una herramienta complementaria, que brinda a los radiólogos información adicional para mejorar tanto la exactitud como la eficiencia en la interpretación de las imágenes.
“En general, la IA no solo ayudó a los radiólogos a centrarse en los casos con presencia de la enfermedad, sino que también dirigió su atención a las regiones más relevantes, lo que sugiere un beneficio tanto del rendimiento como de la eficiencia en la detección del cáncer de mama», afirmó Gommers.
No obstante, la investigadora también mencionó que una dependencia excesiva de sugerencias de la IA podría derivar en la omisión de cánceres o en la realización innecesaria de estudios de seguimiento, por lo que es indispensable el criterio médico al momento de dar un diagnóstico.
Actualmente, los investigadores continúan con las pruebas para evaluar los posibles errores que presenta la herramienta y también están desarrollando métodos para predecir si la IA tiene incertidumbres con respecto a sus propias evaluaciones, con el objetivo de asegurar la fiabilidad de los resultados.
