Las pruebas indican que la Inteligencia Artificial (IA) puede mejorar las mamografías de cribado al aumentar la detección del cáncer y reducir la carga de trabajo de lectura de las imágenes, pero se desconoce su efecto sobre los cánceres de intervalo (cánceres de mama primarios diagnosticados entre dos rondas de cribado o en los dos años posteriores al último cribado programado que no se detectaron en el cribado). Por ello en Suecia se puso en marcha un estudio cuyo objetivo fue comparar la tasa de cánceres de intervalo en las mamografías de cribado asistidas por IA con las mamografía de lectura doble estándar sin IA. Dicho estudio fue publicado por la prestigiosa revista científica The Lancet el 31 de enero pasado (Volumen: 407, Número: 10527) en el artículo titulado ‘Cáncer de intervalo, sensibilidad y especificidad en la comparación del cribado mamográfico asistido por inteligencia artificial frente a la doble lectura estándar sin inteligencia artificial en el estudio MASAI: ensayo aleatorizado, controlado, de no inferioridad, simple ciego, poblacional y de precisión diagnóstica del cribado’. En el mismo consta como primer firmante Jessie Gommers, MSc, investigadora del Departamento de Diagnóstico por Imagen del Radboud University Medical Centre en Nimega, Países Bajos, así como del Departamento de Medicina Traslacional de la Lund University en Malmö, Suecia. Está especializada en mamografía, radiología e inteligencia artificial aplicada al cribado de cáncer de mama.

En este ensayo sueco aleatorizado, controlado, de no inferioridad, simple ciego y basado en la población sobre la precisión de las pruebas de detección, las participantes fueron asignadas en una proporción de 1:1 a pruebas de detección mamográfica con apoyo de IA (el grupo de intervención) o a la doble lectura radiológica estándar sin IA (el grupo de control). Se utilizó la IA para clasificar los exámenes en lecturas simples o dobles por parte de radiólogos y para ayudar en la detección. Se trata de un análisis definido por el protocolo del resultado primario, la tasa de cáncer de intervalo, con un margen de no inferioridad del 20 %. Los resultados secundarios que se presentan en este análisis son las características del cáncer de intervalo, la sensibilidad, la especificidad y la sensibilidad por edad, densidad mamaria y tipo de cáncer (in situ e invasivo). Otros resultados secundarios del ensayo que se han comunicado anteriormente se mencionan en la sección «Métodos» de este artículo. El ensayo está registrado en ClinicalTrials.gov (NCT04838756) y ha finalizado. Entre el 12 de abril de 2021 y el 7 de diciembre de 2022, 105.934 mujeres fueron asignadas aleatoriamente al grupo de intervención o al grupo de control, de las cuales 19 fueron excluidas del análisis. La mediana de edad fue de 53,8 años (IQR 46,5-63,3) en el grupo de intervención y de 53,7 años (46,5-63,2) en el grupo de control. Las tasas de cáncer en el intervalo por cada 1000 participantes  fueron de 1,55 (IC del 95 %: 1,23-1,92) y 1,76 (1,42-2,15)  en el grupo de intervención y el grupo de control, respectivamente, una proporción no inferior de 0,88 (IC del 95 %: 0,65-1,18; p = 0,41). De forma descriptiva, el grupo de intervención tuvo menos cánceres de intervalo invasivos (75 frente a 89), T2+ (38 frente a 48) o no luminal A (43 frente a 59) que el grupo de control. La sensibilidad fue mayor en el grupo de intervención (80,5 % [IC del 95 %: 76,4-84,2]) que en el grupo de control (73,8 % [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 cáncer in situ. La especificidad fue del 98,5 % (IC del 95 %: 98,4-98,6) para ambos grupos (p = 0,88). 

Las conclusiones del artículo ponen de relieve como el cribado mamográfico asistido por Inteligencia Artificial mostró resultados consistentemente favorables en comparación con la doble lectura estándar por expertos, con una tasa de cánceres de intervalo no inferior, menos cánceres de intervalo con características desfavorables, mayor sensibilidad y la misma especificidad, al tiempo que reducía la carga de trabajo de lectura de las pantallas. Estos hallazgos implican que el cribado mamográfico asistido por IA puede mejorar eficazmente el rendimiento del cribado en comparación con la doble lectura estándar y puede considerarse su implementación en la práctica clínica.   

El artículo completo está disponible para subscriptores en www.thelancet.com y se puede acceder en abierto al resumen del mismo en: https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(25)02464-X/abstract