La IA detecta cánceres que pasaron inadvertidos en el cribado mamográfico

La detección temprana del cáncer de mama es uno de los factores que más influyen en el pronóstico de la enfermedad. La inteligencia artificial empieza a ofrecer nuevas posibilidades para identificar señales que pueden pasar inadvertidas durante la lectura de una mamografía, aunque su aplicación clínica exige evaluación y supervisión profesional.

Según la Asociación Española Contra el Cáncer (AECC), el diagnóstico en fases iniciales mejora considerablemente las posibilidades de supervivencia. En este contexto, la investigación sobre inteligencia artificial aplicada al cribado mamográfico está explorando cómo estas herramientas pueden ayudar a los profesionales sanitarios a revisar las pruebas y detectar posibles indicios de la enfermedad.

Un estudio identifica señales en uno de cada cuatro cánceres de intervalo

Un estudio publicado en Nature Cancer en marzo de 2026 analizó 115.973 mamografías procedentes de cinco servicios de cribado del sistema sanitario británico. Los investigadores evaluaron la capacidad de un sistema de inteligencia artificial para identificar señales asociadas a cánceres de intervalo, es decir, aquellos que se diagnostican después de una mamografía de cribado con resultado negativo y antes de la siguiente ronda programada.

El sistema identificó señales en el 25 % de los cánceres de intervalo analizados. Además, cuando detectó una posible anomalía, señaló correctamente la mama afectada en el 88 % de los casos.

El estudio también exploró cómo incorporar la IA al proceso de lectura. En una simulación en la que se utilizaba como segundo lector, los investigadores estimaron una reducción del 32 % en el tiempo total dedicado a la lectura de las mamografías. Este resultado corresponde al escenario analizado y no implica que la misma reducción se produzca automáticamente en cualquier centro sanitario.

La importancia de evaluar la IA en condiciones reales

Los resultados prometedores no eliminan la necesidad de comprobar cómo se comportan estas herramientas en la práctica clínica. La calidad de los datos, las características de la población y las condiciones de trabajo pueden influir en su rendimiento.

Durante una evaluación prospectiva realizada en 12 centros, los investigadores observaron diferencias importantes en uno de ellos: el sistema de IA seleccionó el 11,3 % de las pruebas, frente al 3,8 % que había seleccionado el primer lector humano. La monitorización permitió detectar esta diferencia y ajustar el umbral del sistema.

¿Qué es el cambio de distribución de datos?

En inteligencia artificial, el término distribution shift o cambio de distribución de datos describe una situación en la que los datos reales con los que trabaja un sistema difieren de aquellos con los que fue entrenado o evaluado.

En el ámbito sanitario, estas diferencias pueden aparecer por el uso de equipos distintos, cambios en los protocolos, características de la población atendida o variaciones en la forma de obtener las imágenes. Cuando esto sucede, una herramienta que funcionaba correctamente durante su evaluación inicial puede necesitar ajustes o una nueva validación.

Por eso, evaluar un modelo antes de incorporarlo a un servicio sanitario es solo una parte del proceso. También es necesario vigilar su comportamiento después de la implantación y comprobar que sus resultados siguen siendo fiables en las condiciones reales de uso.

La IA en oncología: apoyo a los profesionales, no sustitución

La inteligencia artificial está abriendo nuevas líneas de trabajo en oncología, desde el análisis de imágenes médicas hasta la organización de procesos y el apoyo a determinadas tareas clínicas. Su valor depende de que se utilice con objetivos definidos, evidencia suficiente y criterios claros de responsabilidad.

Que un sistema obtenga buenos resultados en un estudio no significa que pueda incorporarse automáticamente a la práctica asistencial. Es necesario evaluar su funcionamiento en distintas poblaciones, supervisar su rendimiento y valorar sus resultados dentro del contexto clínico de cada paciente.

La mamografía no es un dato aislado: debe interpretarse junto con los antecedentes, las características de la paciente y el resto de la información clínica disponible. La decisión final requiere profesionales capacitados para valorar los resultados de la herramienta y actuar en consecuencia.

Formación para aplicar la IA en el ámbito oncológico

Integrar estas tecnologías de forma responsable requiere comprender tanto sus posibilidades como sus limitaciones. Los profesionales sanitarios necesitan conocer cómo funcionan estas herramientas, cómo evaluar sus resultados y qué condiciones deben cumplirse antes de utilizarlas en su entorno de trabajo.

TEP Institute, Instituto Superior de Educación e Investigación especializado en Tecnologías Disruptivas, trabaja para acercar la inteligencia artificial a profesionales que necesitan aplicarla en sus respectivos sectores con criterio, conocimiento y responsabilidad.