Hay una cifra que cambia el tono del debate. El ensayo Masai redujo un 12% los cánceres de intervalo.
Publicada en The Lancet, esta investigación es la primera prospectiva, aleatorizada y a gran escala que mide qué ocurre cuando la inteligencia artificial entra en un programa poblacional de cribado mamográfico. El trabajo comparó en Suecia, entre 2021 y 2022, la doble lectura habitual de las mamografías por dos radiólogos con un modelo asistido por inteligencia artificial.
Más de 100.000 mujeres pusieron a prueba si la IA ayuda a detectar antes
La escala importa porque aquí no hablamos de una prueba de laboratorio ni de una simulación. El estudio siguió a más de 100.000 mujeres dentro de un programa real de cribado y observó que el modelo asistido por inteligencia artificial detectó más cánceres clínicamente relevantes sin aumentar la tasa de falsos positivos.
Ignacio Miranda Gómez, responsable de la Unidad de Diagnóstico por Imagen de Mama del International Breast Cancer Center del Grupo Pangaea Oncology en el Instituto Oncológico Teknon de Barcelona, sitúa el alcance del trabajo.
"La mayor evidencia científica disponible hasta la fecha sobre el uso de la inteligencia artificial en radiología mamaria" - Dr. Ignacio Miranda Gómez, responsable de la Unidad de Diagnóstico por Imagen de Mama del International Breast Cancer Center del Grupo Pangaea Oncology en el Instituto Oncológico Teknon de Barcelona
No es un matiz menor. En cribado mamográfico, detectar más no sirve de mucho si el precio es disparar las alarmas innecesarias, y Masai no encontró ese peaje en forma de falsos positivos.
El algoritmo ordenó el riesgo y rebajó la carga de lectura
Primero, la inteligencia artificial clasifica los casos según su nivel de riesgo. Después concentra la doble lectura de los radiólogos en las mamografías que exigen una revisión más exhaustiva. Ese reparto del trabajo redujo en torno a un 44% la carga de lectura.
Ahí aparece una de las imágenes más claras del ensayo, la de una sala de lectura donde no todas las pruebas pesan lo mismo. En lugar de repartir la atención por igual, el sistema empuja hacia delante los estudios con más probabilidad de esconder un tumor, una lógica cercana a la del triaje que ya inspira lectores adicionales en mamografía.
Miranda Gómez describe el sentido de ese ajuste de una forma muy concreta.
"El objetivo no es sustituir al radiólogo, sino optimizar los recursos disponibles y reforzar la capacidad diagnóstica en los casos más complejos" - Dr. Ignacio Miranda Gómez, responsable de la Unidad de Diagnóstico por Imagen de Mama del International Breast Cancer Center del Grupo Pangaea Oncology en el Instituto Oncológico Teknon de Barcelona
Esa idea corrige una caricatura bastante extendida. La pieza central no es una máquina que decide sola, sino un filtro inicial que redistribuye tiempo humano hacia los casos más difíciles.
Detectar antes importa cuando también cambia el tipo de tumor que aflora
Miranda Gómez añade otra consecuencia clínica que va más allá del número bruto de hallazgos.
"El ensayo Masai demuestra que la inteligencia artificial puede mejorar la capacidad del cribado mamográfico para detectar tumores en fases más tempranas y con características biológicas más favorables, sin generar un aumento de falsos positivos ni una sobrecarga para el sistema sanitario" - Dr. Ignacio Miranda Gómez, responsable de la Unidad de Diagnóstico por Imagen de Mama del International Breast Cancer Center del Grupo Pangaea Oncology en el Instituto Oncológico Teknon de Barcelona
Detectar antes no siempre significa lo mismo, y ahí está una de las claves del estudio. Si además de encontrar más casos aparecen tumores en fases más tempranas y con rasgos biológicos más favorables, el valor del cribado cambia en la práctica clínica, igual que ocurre en otros intentos de cribado asistido por IA cuando la detección se adelanta antes de que los síntomas o los intervalos jueguen en contra.
Después llegará la parte menos vistosa y más decisiva. Los especialistas plantean avanzar hacia modelos de cribado personalizados que combinen datos clínicos, antecedentes personales, densidad mamaria e información de técnicas de imagen, pero antes habrá que comprobar el resultado en otros sistemas sanitarios, medir su coste efectividad y ver cómo responde en poblaciones más diversas.
De momento, la tensión de fondo queda bastante definida. Masai detectó más cánceres clínicamente relevantes, mantuvo estable la tasa de falsos positivos y alivió en torno a un 44% la carga de lectura, tres datos que rara vez aparecen juntos cuando se habla de mamografías a gran escala.