Entrevista IntraMed realizada a Vignesh Arasu, MD, PhD, científico investigador de Kaiser Permanente Northern California. También ejerce como radiólogo subespecializado en diagnóstico por imagen de la mama en el Centro Médico Kaiser Permanente Vallejo.

El Dr. Arasu investiga en la intersección de la imagen médica, el cáncer de mama y la inteligencia artificial (IA). Como investigador clínico integrado, evalúa cuestiones operativas prioritarias en el diagnóstico por imagen del cáncer de mama para acelerar la implementación y la innovación. Como investigador principal, supervisa dos ensayos aleatorios que investigan el uso de la IA para el cribado del cáncer de mama.

El Dr. Arasu se licenció en Medicina y completó su residencia en radiología en la Universidad de California, San Francisco (UCSF). También es doctor en Epidemiología y Ciencia Traslacional por la UCSF.

El cáncer de mama es la segunda causa de muerte por cáncer entre las mujeres estadounidenses, pero sólo entre el 15% y el 20% de ellas presentan factores de riesgo conocidos. Estos factores de riesgo tradicionales incluyen la edad de la mujer, sus antecedentes familiares, sus biopsias benignas previas, la exposición a estrógenos y la densidad mamaria.

Sabemos desde hace décadas que una sola característica de imagen evaluada en una mamografía -la densidad mamaria- aumenta el riesgo a largo plazo. Ahora, la inteligencia artificial nos ha permitido identificar cientos de nuevas características en una mamografía más allá de la densidad mamaria.

En la actualidad, la IA mamográfica se utiliza principalmente para identificar un cáncer de mama visible. Pero como radiólogo clínico e investigador, sabía que, además de identificar cánceres, la IA también podría identificar características de riesgo futuro, más allá del único factor de la densidad mamaria. Pensamos que sería interesante comprobar hasta qué punto estos algoritmos de IA evalúan el riesgo futuro de cáncer de mama de una mujer en comparación con un modelo de riesgo estándar que incorpore estos factores de riesgo tradicionales.

Nuestros hallazgos nos indican que los algoritmos de inteligencia artificial pueden ver biomarcadores de imagen en las mamografías -además de la densidad mamaria- que nos indican que se están produciendo cambios en el tejido mamario que pueden utilizarse para predecir el riesgo. Esto sugiere que la IA utilizada sola o combinada con los modelos actuales de predicción del riesgo proporciona una nueva vía para la predicción del riesgo en el futuro.

En la actualidad, la mayoría de los algoritmos de IA entrenados para leer mamografías se utilizan para señalar un cáncer visible para ayudar a los radiólogos. Este estudio sugiere que podemos ampliar el uso de la IA y las mamografías para ir más allá de la detección precoz y llegar a la predicción del riesgo. Sólo entre el 15% y el 20% de las mujeres tienen un factor de riesgo de cáncer de mama conocido que las exponga a un mayor riesgo de padecerlo.

Si utilizamos las puntuaciones de IA de las mamografías junto con estos factores de riesgo tradicionales, podemos identificar potencialmente hasta el 60% de las mujeres con mayor riesgo de desarrollar cáncer de mama. Esta información podría utilizarse para elaborar recomendaciones de cribado personalizadas. Para algunas mujeres de alto riesgo, esto podría significar una mayor frecuencia de las pruebas, con el objetivo de identificar el cáncer lo antes posible, cuando el tratamiento tiene más probabilidades de ser eficaz.

Nos gustaría ver si podemos hacer que los algoritmos de IA sean aún más precisos. También necesitamos investigaciones futuras para determinar la mejor manera de utilizar la información clínicamente.