|
Comparación de algoritmos de IA de mamografía con un modelo de riesgo clínico para la predicción del riesgo de cáncer de mama a 5 años: un estudio observacional Resumen Antecedentes Aunque se utilizan varios modelos clínicos de riesgo de cáncer de mama para guiar la detección y la prevención, solo tienen una discriminación moderada. Objetivo Comparar los algoritmos de inteligencia artificial (IA) de mamografía existentes seleccionados y el modelo de riesgo del Consorcio de Vigilancia del Cáncer de Mama (BCSC) para la predicción del riesgo a 5 años. Materiales y métodos Este estudio retrospectivo de cohortes de casos incluyó datos de mujeres con un examen mamográfico de detección negativo (sin evidencia visible de cáncer) en 2016, que fueron seguidas hasta 2021 en Kaiser Permanente Northern California. Se excluyeron las mujeres con cáncer de mama previo o una mutación genética altamente penetrante. De las 324 009 mujeres elegibles, se seleccionó una subcohorte aleatoria, independientemente del estado del cáncer, a la que se agregaron todas las pacientes adicionales con cáncer de mama. El examen mamográfico de detección índice se utilizó como entrada para cinco algoritmos de IA para generar puntajes continuos que se compararon con el puntaje de riesgo clínico BCSC. Las estimaciones de riesgo de cáncer de mama incidente de 0 a 5 años después del examen mamográfico inicial se calcularon utilizando un área dependiente del tiempo bajo la curva característica operativa del receptor (AUC). Resultados La subcohorte incluyó 13.628 pacientes, de los cuales 193 tenían cáncer incidente. También se incluyeron cánceres incidentes en pacientes elegibles (4391 adicionales de 324 009). Para los cánceres incidentes entre los 0 y los 5 años, el AUC dependiente del tiempo para BCSC fue de 0,61 (IC del 95 %: 0,60, 0,62). Los algoritmos de IA tenían AUC dependientes del tiempo más altas que BCSC, que oscilaban entre 0,63 y 0,67 (p ajustado por Bonferroni < 0,0016). Las AUC dependientes del tiempo para los modelos combinados de BCSC e IA fueron ligeramente más altas que las de la IA sola (IA con rango de AUC dependiente del tiempo de BCSC, 0,66–0,68; P ajustada por Bonferroni < 0,0016). Conclusión Cuando se utilizó un examen de detección negativo, los algoritmos de IA funcionaron mejor que el modelo de riesgo BCSC para predecir el riesgo de cáncer de mama de 0 a 5 años. Los modelos combinados de IA y BCSC mejoraron aún más la predicción. |
Comentarios
En un gran estudio de miles de mamografías, los algoritmos de inteligencia artificial (IA) superaron el modelo de riesgo clínico estándar para predecir el riesgo de cáncer de mama a cinco años. Los resultados del estudio se publicaron en Radiology, una revista de la Sociedad Radiológica de América del Norte (RSNA).
El riesgo de cáncer de mama de una mujer generalmente se calcula utilizando modelos clínicos como el modelo de riesgo del Consorcio de Vigilancia del Cáncer de Mama (BCSC), que utiliza información autoinformada y otra información sobre la paciente, incluida la edad, los antecedentes familiares de la enfermedad, si ella ha tenido hijos y si tiene senos densos, para calcular un puntaje de riesgo.
“Los modelos de riesgo clínico dependen de la recopilación de información de diferentes fuentes, que no siempre está disponible o no se recopila”, dijo el investigador principal Vignesh A. Arasu, M.D., Ph.D., científico investigador y radiólogo en ejercicio en Kaiser Permanente Northern California. “Los avances recientes en el aprendizaje profundo de la IA nos brindan la capacidad de extraer de cientos a miles de características mamográficas adicionales”.
En el estudio retrospectivo, el Dr. Arasu usó datos asociados con mamografías 2D de detección negativas (sin evidencia visible de cáncer) realizadas en Kaiser Permanente Northern California en 2016. De las 324,009 mujeres examinadas en 2016 que cumplieron con los criterios de elegibilidad, una subcohorte aleatoria de 13.628 mujeres fue seleccionada para el análisis. Además, también se estudiaron las 4584 pacientes del grupo de elegibilidad a las que se les diagnosticó cáncer dentro de los cinco años posteriores a la mamografía original de 2016. Todas las mujeres fueron seguidas hasta 2021.
“Seleccionamos de todo el año de mamografías de detección realizadas en 2016, por lo que nuestra población de estudio es representativa de las comunidades del norte de California”, dijo el Dr. Arasu.
Los investigadores dividieron el período de estudio de cinco años en tres períodos de tiempo: riesgo de cáncer de intervalo o cánceres incidentes diagnosticados entre 0 y 1 año; riesgo futuro de cáncer, o cánceres incidentes diagnosticados entre uno y cinco años; y todo riesgo de cáncer, o cánceres incidentes diagnosticados entre 0 y 5 años.
Usando las mamografías de detección de 2016, cinco algoritmos de IA generaron puntajes de riesgo para el cáncer de mama durante el período de cinco años, incluidos dos algoritmos académicos utilizados por investigadores y tres algoritmos disponibles comercialmente. A continuación, se compararon las puntuaciones de riesgo entre sí y con la puntuación de riesgo clínico de BCSC.
“Los cinco algoritmos de IA funcionaron mejor que el modelo de riesgo BCSC para predecir el riesgo de cáncer de mama de 0 a 5 años”, dijo el Dr. Arasu. “Este fuerte desempeño predictivo durante el período de cinco años sugiere que la IA está identificando tanto los cánceres perdidos como las características del tejido mamario que ayudan a predecir el desarrollo futuro del cáncer. Algo en las mamografías nos permite rastrear el riesgo de cáncer de mama. Esta es la 'caja negra' de la IA”.
Algunos de los algoritmos de IA se destacaron en la predicción de pacientes con alto riesgo de cáncer que a menudo es agresivo y puede requerir una segunda lectura de mamografías, exámenes complementarios o imágenes de seguimiento de intervalo corto. Al evaluar a las mujeres con el 10 % de riesgo más alto como ejemplo, la IA predijo hasta el 28 % de los cánceres en comparación con el 21 % previsto por BCSC.
Incluso los algoritmos de IA entrenados para horizontes de tiempo cortos (tan bajos como 3 meses) pudieron predecir el riesgo futuro de cáncer hasta cinco años cuando no se detectó clínicamente cáncer mediante una mamografía de detección. Cuando se usaron en combinación, los modelos de riesgo AI y BCSC mejoraron aún más la predicción del cáncer.
“Estamos buscando un medio preciso, eficiente y escalable para comprender el riesgo de cáncer de mama de las mujeres”, dijo el Dr. Arasu.
“Los modelos de riesgo de IA basados en mamografía brindan ventajas prácticas sobre los modelos de riesgo clínico tradicionales porque utilizan una única fuente de datos: la mamografía misma”.
El Dr. Arasu dijo que algunas instituciones ya están usando IA para ayudar a los radiólogos a detectar el cáncer en las mamografías. La puntuación de riesgo futuro de una persona, que la IA tarda unos segundos en generar, podría integrarse en el informe de radiología compartido con el paciente y su médico.
“La IA para la predicción del riesgo de cáncer nos ofrece la oportunidad de individualizar la atención de cada mujer, que no está disponible sistemáticamente”, dijo. “Es una herramienta que podría ayudarnos a brindar medicina personalizada y de precisión a nivel nacional”.