La resonancia magnética mamaria con contraste dinámico (DCE-RM) tiene un valor diagnóstico decisivo en tres escenarios puntuales. El primero es el cribado de pacientes de alto riesgo, es decir, mujeres con mutaciones genéticas como BRCA1 y BRCA2 o con antecedentes familiares significativos. El segundo es la estadificación preoperatoria, donde permite evaluar con precisión la extensión del tumor y descartar multifocalidad antes de la cirugía. El tercero son los diagnósticos no concluyentes, en casos complejos donde la mamografía y la ecografía convencionales no alcanzan a definir una lesión.
En el marco del Mes de Concientización sobre el Cáncer de Mama, un reciente estudio multicéntrico retrospectivo publicado en el European Journal of Radiology evaluó el desempeño de un algoritmo de aprendizaje profundo entrenado para predecir automáticamente las categorías BI-RADS en resonancia mamaria. El modelo fue desarrollado por Peter Brader y su equipo en el Diagnostikum Linz. Se entrenó con 12.241 exámenes y se probó en una cohorte de validación externa de 158 mujeres, con una mediana de edad de 50 años y 21 casos malignos.
Los resultados mostraron que la evaluación del radiólogo superó al algoritmo en los indicadores clave. En capacidad discriminativa (AUC), el especialista alcanzó 91,3% frente al 76,7% de la IA. La sensibilidad fue similar, con 95,2% para el especialista y 90,5% para el algoritmo. La mayor distancia apareció en la especificidad, el dato más crítico: 77,4% para el radiólogo y apenas 54,7% para la IA.
Esa brecha es el hallazgo que más preocupa a los investigadores. Un modelo que clasifica de forma incorrecta casi la mitad de los estudios benignos incrementaría sustancialmente los falsos positivos en la práctica clínica, con más biopsias innecesarias e inquietud en las pacientes.
Los propios autores señalaron tres limitaciones antes de extrapolar los resultados a la práctica generalizada. La muestra externa es reducida, con solo 21 casos malignos confirmados. El algoritmo se entrenó sin confirmación anátomo-patológica, ya que aprendió a replicar la interpretación de otros radiólogos en lugar de guiarse por diagnósticos histológicos finales, y por eso hereda la variabilidad propia de la lectura humana. Además, todavía faltan estudios prospectivos en condiciones reales de trabajo que midan su impacto efectivo en la dinámica diaria de un centro médico.
Pese al rendimiento global más bajo, el estudio identificó un nicho prometedor. Al fijar el umbral en BI-RADS 3, el algoritmo clasificó correctamente como de bajo riesgo a casi la mitad de los exámenes benignos, con un alto valor predictivo negativo. Esto sugiere que, por ahora, el valor de la IA está en funcionar como herramienta de triage y priorización de listas de trabajo, identificando primero los estudios con mayor probabilidad de ser benignos para agilizar el flujo de lectura, sin reemplazar el juicio del radiólogo.
En regiones como Latinoamérica, donde el cáncer de mama es el más frecuente y faltan especialistas y equipos de resonancia, una herramienta de triage confiable podría ayudar a reducir los tiempos de espera. Aun así, los datos actuales indican que todavía no hay evidencia suficiente para confiar en un algoritmo de este tipo sin la supervisión y la firma de un especialista.