Triaje de mamografías con IA acelera diagnóstico de cáncer de mama

Los resultados anormales en las mamografías de detección pueden hacer que las mujeres esperen semanas para obtener respuestas, lo que prolonga la ansiedad y retrasa la atención médica. Estas demoras pueden sobrecargar los servicios de diagnóstico, especialmente en hospitales que atienden a poblaciones vulnerables, y posponer las biopsias para pacientes que finalmente tienen cáncer.

Un nuevo flujo de trabajo de triaje guiado por inteligencia artificial (IA) prioriza a los pacientes con mayor probabilidad de padecer la enfermedad para una evaluación inmediata. Los investigadores han demostrado que este enfoque puede acortar el proceso de diagnóstico a un solo día para pacientes seleccionados de alto riesgo.

Investigadores de la Universidad de California en San Francisco (UCSF) y de la Universidad de California en Berkeley utilizaron Mirai, un modelo de IA de código abierto, para estratificar el riesgo directamente a partir de mamografías de detección. El programa, implementado en el Hospital General y Centro de Traumatología Zuckerberg de San Francisco, deriva a pacientes de alto riesgo de las mamografías de detección a pruebas de diagnóstico por imagen específicas y, cuando está indicado, a una biopsia el mismo día.

Mirai se entrenó con cientos de miles de mamografías y sus resultados en casos de cáncer para reconocer patrones sutiles en estudios de detección y estimar el riesgo a corto plazo. Los médicos utilizan esta puntuación para priorizar a los pacientes y acelerar su evaluación, sin sustituir la interpretación del radiólogo ni realizar diagnósticos autónomos. El objetivo es dirigir la limitada capacidad de diagnóstico el mismo día hacia quienes tienen más probabilidades de beneficiarse.

Antes de su implementación, el equipo analizó más de 114.000 mamografías de archivo para ajustar los umbrales y detectar suficientes casos de alto riesgo sin sobrecargar la clínica. En su uso prospectivo con más de 4.100 mamografías de cribado, Mirai identificó a 525 mujeres (el 12,7 %) como de alto riesgo. Estas pacientes recibieron resultados inmediatos y pruebas de diagnóstico por imagen el mismo día en caso de hallazgos sospechosos, y algunas se sometieron a una biopsia ese mismo día.

Este método redujo el tiempo de espera para la evaluación diagnóstica de varias semanas a aproximadamente una hora. Entre las mujeres a las que finalmente se les diagnosticó cáncer de mama, el tiempo promedio para la biopsia disminuyó de más de dos meses a menos de 10 días. Los hallazgos se publicaron en npj Digital Medicine el 18 de mayo de 2026, con contribuciones de la UCSF y la UC Berkeley.

“Este es un momento realmente emocionante. Esto nos acerca a la atención personalizada, donde podemos adaptar un plan para que cada paciente reciba la intervención adecuada en el momento oportuno”, dijo la Dra. Maggie Chung, primera autora del estudio.

“Este es un ejemplo contundente de cómo la IA puede ser un socio colaborador para los médicos. Demuestra cómo podemos mejorar la atención médica cuando reunimos a clínicos y científicos de datos para diseñar estos sistemas”, afirmó Adam Yala, doctor y profesor asistente del Programa Conjunto UCSF-UC Berkeley de Salud de Precisión Computacional.

Enlaces relacionados
UCSF
UCSF‑UC Berkeley Joint Program in Computational Precision Health