La inteligencia artificial identifica el tejido denso en las mamografías

  • Lehman CD & al.
  • Radiology
  • 16 oct. 2018

  • de Miriam Davis, PhD
  • Univadis Clinical Summaries
El acceso al contenido completo es sólo para profesionales sanitarios registrados. El acceso al contenido completo es sólo para profesionales sanitarios registrados.

Punto clave

  • La inteligencia artificial (IA), en este caso un algoritmo de aprendizaje profundo (AP), alcanzó una concordancia de buena a muy buena con los mamógrafos experimentados en la categorización de la densidad de la mama mediante BI-RADS (Sistema de Notificación y Datos de las Imágenes de Mama, Breast Imaging Reporting and Data System).

Por qué es importante

  • El tejido de mama denso puede enmascarar la detección del cáncer.
  • La categorización realizada por los radiólogos de la densidad de la mama es subjetiva y varía en gran medida.
  • El modelo de AP puede aportar una mayor fiabilidad a la categorización de la densidad de la mama.

Diseño del estudio

  • El modelo de AP se entrenó en la categorización de BI-RADS en 41 479 mamografías de cribado digitales obtenidas por radiólogos experimentados.
  • Se probó la categorización de BI-RADS realizada por el algoritmo resultante y se comparó con la de los radiólogos en 3 marcos:
    • un conjunto de prueba de 8677 mamografías,
    • un conjunto de estudio por evaluadores de 500 mamografías seleccionadas de modo aleatorio del conjunto de prueba e interpretadas por el consenso de 5 radiólogos y
    • un conjunto de implantación clínica de 10 763 mamografías interpretadas por 8 radiólogos que trabajaban en la práctica clínica habitual.
  • Financiación: no se reveló ninguna.

Resultados clave

  • El algoritmo de AP obtuvo una concordancia buena con la categorización de BI-RADS realizada por los radiólogos en el conjunto de prueba (κ: 0,67; IC del 95 %: 0,66-0,68) y el conjunto de estudio por los evaluadores (κ: 0,78; IC del 95 %: 0,73-0,82).
  • El algoritmo de AP obtuvo una concordancia muy buena con los radiólogos en el conjunto de implantación clínica (κ: 0,85; IC del 95 %: 0,84-0,86).

Limitaciones

  • Hubo un cambio en la orientación de BI-RADS a la mitad del estudio.