Compartir
Un ensayo aleatorizado de gran escala realizado en Suecia ha proporcionado evidencia robusta sobre el potencial transformador de la inteligencia artificial en programas de detección oncológica. El estudio MASAI (Mammography Screening with Artificial Intelligence), que incluyó a 105.934 mujeres entre abril de 2021 y diciembre de 2022, comparó sistemáticamente el desempeño de un modelo de cribado asistido por IA frente a la lectura radiológica doble convencional. Los hallazgos, publicados recientemente en The Lancet, revelan resultados que desafían las preocupaciones sobre la implementación de tecnología en diagnóstico médico.
La arquitectura del ensayo fue rigurosa: participantes con edad promedio de 53 años fueron asignadas aleatoriamente a dos grupos. En el brazo de intervención, la IA se utilizó tanto para clasificar estudios según su complejidad como para asistir activamente en la detección de anomalías. El objetivo principal fue evaluar la tasa de cánceres de intervalo —aquellos diagnosticados entre ciclos de cribado— con un margen de no inferioridad del 20%. Esta métrica resulta crucial porque refleja los casos que el sistema falla en detectar, indicador directo de su confiabilidad clínica.
Los resultados fueron inequívocamente favorables para la estrategia asistida por IA. La tasa de cánceres de intervalo fue de 1,55 por cada mil participantes en el grupo con IA, comparado con 1,76 en el grupo control —una reducción que, aunque modesta en términos absolutos, se mantiene dentro del margen de no inferioridad y sugiere un desempeño superior. Más relevante aún, los tumores de intervalo detectados en el grupo con IA presentaban características clínicas menos agresivas:
- Menor número de cánceres invasivos (75 versus 89 casos)
- Menos tumores de tamaño avanzado T2 o superior (38 versus 48)
- Menor prevalencia de subtipos histológicos de pronóstico desfavorable (43 versus 59 casos de cáncer no luminal A)
En cuanto a métricas de rendimiento diagnóstico, la sensibilidad del programa mejoró significativamente con IA: alcanzó 80,5% frente a 73,8% en el grupo control. Este incremento de casi 7 puntos porcentuales se mantuvo consistente en distintos subgrupos demográficos, rangos de densidad mamaria y para cánceres invasivos. Lo particularmente notable es que esta mejora en detección no se logró a costa de especificidad reducida: ambos grupos mantuvieron 98,5% de especificidad, lo que significa que la IA no generó un aumento en falsos positivos.
Más allá de los indicadores clínicos puros, el estudio documentó un beneficio operacional sustancial. La estrategia asistida por IA redujo aproximadamente 44% la carga de lectura para radiólogos: mientras el grupo control requirió 109.692 lecturas, el grupo intervención necesitó solo 61.248. Este dato es particularmente relevante en contextos donde la escasez de especialistas en diagnóstico por imagen representa un cuello de botella para la accesibilidad al cribado.
Los investigadores también reportaron que la tasa general de detección de cáncer aumentó 29% con IA (6,4 versus 5,0 cánceres por mil mujeres), fundamentalmente gracias a la identificación de tumores invasivos pequeños y sin compromiso ganglionar —precisamente aquellos con mejor pronóstico y mayor potencial curativo cuando se detectan en estadios tempranos.
Las implicaciones para la práctica clínica son profundas. El ensayo MASAI constituye la primera evidencia poblacional, aleatorizada y de no inferioridad que demuestra que la IA puede mejorar simultáneamente la sensibilidad diagnóstica, mantener la especificidad, reducir cánceres de intervalo y aliviar la carga de trabajo. En un panorama donde los sistemas de salud enfrentan presión creciente para expandir programas de cribado con recursos limitados, estos datos ofrecen un argumento sólido para la adopción de tecnología en mamografía.
Para hospitales, centros de diagnóstico por imagen y aseguradoras, los resultados sugieren que la inversión en soluciones de IA no es simplemente un avance tecnológico, sino una estrategia viable para mantener o mejorar la calidad diagnóstica incluso en contextos de escasez de radiólogos especializados. El mercado de tecnología médica y desarrolladores de algoritmos de detección asistida encuentra en estos hallazgos una justificación científica robusta para expandir su presencia en programas públicos de cribado oncológico.
El financiamiento del estudio por la Sociedad Sueca del Cáncer, centros regionales de cáncer y fondos gubernamentales de investigación clínica refuerza la credibilidad de estos resultados, posicionándolos como evidencia de clase alta para la toma de decisiones en salud pública y políticas de implementación de tecnología diagnóstica.
