La integración de la inteligencia artificial (IA) en el ámbito del cribado mamográfico ha surgido como una estrategia prometedora para optimizar la detección precoz del cáncer de mama y mitigar la carga de trabajo radiológica. Si bien estudios retrospectivos y análisis preliminares de seguridad han sugerido que la IA podría igualar o superar la precisión humana, hasta ahora existía incertidumbre sobre su impacto en la tasa de cáncer de intervalo, un indicador crucial de la eficacia del cribado asociado a tumores de crecimiento rápido y peor pronóstico.

Esta investigación, liderada por la Dra. Jessie Gommers del Centro Médico de la Universidad de Radboud, en los Países Bajos, tuvo como objetivo comparar la tasa de cáncer de intervalo en un programa de cribado mamográfico asistido por IA frente a la doble lectura estándar sin IA.

Se realizó el estudio MASAI, un ensayo aleatorizado, controlado, de no inferioridad y simple ciego, integrado dentro del programa poblacional de detección de cáncer de mama en Suecia. Se asignó aleatoriamente a 105.934 mujeres, en una proporción 1:1, al grupo de intervención (mediana de edad: 53,8 años) o al grupo control (mediana de edad: 53,7 años). El análisis asistido por IA consistió en un sistema que realizaba el triaje para lectura única o doble y brindaba soporte diagnóstico, mientras que en la rama control se siguió el procedimiento estándar de doble lectura radiológica.

La tasa de cáncer de intervalo fue de 1,55 por 1.000 participantes en el grupo asistido por IA, frente a 1,76 por 1.000 en el grupo control, demostrando la no inferioridad con una razón de 0,88 (IC 95%: 0,65-1,18; p= 0,41). Descriptivamente, el grupo de IA presentó menos cánceres de intervalo invasivos (75 frente a 89), menos tumores T2+ (38 frente a 48) y menos subtipos no luminal A (43 frente a 59). La sensibilidad fue significativamente mayor en el grupo de intervención (80,5%; IC 95%: 76,4-84,2) comparado con el control (73,8%; IC 95%: 68,9-78,3; p= 0,031), un efecto consistente en todas las edades y densidades mamarias, y para el cáncer invasivo, pero no para el de tipo in situ. La especificidad fue del 98,5% (IC 95%: 98,4-98,6) para ambos grupos (p= 0,88).

En conclusión, el cribado mamográfico asistido por IA demostró resultados consistentemente favorables en comparación con la doble lectura estándar. Se logró una tasa de cáncer de intervalo no inferior, acompañada de una mayor sensibilidad global y una reducción significativa de la carga de lectura. Estos hallazgos sugieren que esta tecnología puede implementarse de manera segura en la práctica clínica para mejorar el rendimiento del cribado poblacional.