Impacto del uso de inteligencia artificial como segundo lector en el cribado de mama, incluida la arbitraje

Por qué este estudio importa para las mujeres y sus familias

El cribado mamario es una de las herramientas más empleadas para detectar el cáncer en una fase temprana, cuando el tratamiento es más eficaz y menos agresivo. Sin embargo, el sistema depende de una gran plantilla muy especializada que examina las mamografías visualmente. En el Reino Unido no hay suficientes radiólogos para atender la demanda con holgura, lo que genera inquietudes sobre demoras y cánceres no detectados. Este estudio plantea una pregunta que afecta a millones de mujeres: ¿puede un sistema de inteligencia artificial (IA) asumir de forma segura parte de la lectura junto a expertos humanos sin sacrificar precisión —y quizás incluso ayudar a encontrar cánceres antes?

Cómo funciona hoy el cribado mamario

En el Programa de Cribado de Mama del Servicio Nacional de Salud, las mujeres de 50 a 70 años son citadas para una mamografía cada tres años. Cada conjunto de imágenes se suele leer de forma independiente por dos lectores especializados en mamografía, como radiólogos o técnicos radiográficos especialistas. Si ambos discrepan, o si la política local lo exige, el caso pasa a una discusión especial llamada arbitraje, donde los lectores deciden conjuntamente si la mujer debe ser convocada para pruebas adicionales. Este sistema de doble lectura está diseñado para equilibrar dos objetivos: detectar el mayor número posible de cánceres y evitar convocatorias innecesarias que causan ansiedad, pruebas adicionales y costes.

Qué se propusieron probar los investigadores

El equipo estudió mamografías y registros clínicos de 50.000 mujeres cribadas en dos servicios hospitalarios de Londres. Gracias a varios años de seguimiento, los investigadores pudieron ver no solo qué cánceres se detectaron en el cribado, sino también cuáles aparecieron más tarde entre cribados (los llamados cánceres de intervalo) o en la siguiente visita rutinaria. Compararon dos vías usando las mismas imágenes históricas: el enfoque estándar con dos lectores humanos y un enfoque asistido por IA en el que el primer lector era humano y el segundo era el sistema de IA desarrollado por Google. Cualquier caso que necesitara una decisión final se remitía a paneles de arbitraje de 22 lectores experimentados, que actuaron como lo harían en las clínicas reales.

Cómo se comportó la IA frente a los expertos humanos

En conjunto, usar IA como segundo lector rindió al menos igual que tener dos humanos, una vez que se tuvieron en cuenta las decisiones de arbitraje. La vía asistida por IA mostró una capacidad muy similar para detectar a las mujeres que realmente tenían cáncer (sensibilidad) y para tranquilizar a las que no lo tenían (especificidad), cumpliendo criterios estadísticos estrictos de “no inferioridad”. De hecho, la especificidad fue ligeramente mayor con IA, lo que significa menos mujeres convocadas innecesariamente, y la tasa de detección de cáncer fue virtualmente idéntica entre ambos enfoques. Como la IA sustituyó a uno de los lectores humanos en la mayoría de los casos, el número total de lecturas rutinarias se redujo aproximadamente a la mitad, lo que se traduce en una estimada reducción del 36–44% del tiempo de lectura incluso tras contabilizar el esfuerzo adicional en arbitraje.

Dónde ayudó la IA —y dónde quedó corta

Antes del arbitraje, el sistema de IA era más propenso que lectores humanos individuales a señalar cánceres que luego aparecieron entre cribados o en la siguiente visita rutinaria, lo que sugiere que a veces puede detectar cambios sutiles que los humanos pasan por alto. Sin embargo, muchas de estas alertas tempranas potenciales fueron anuladas durante el arbitraje, especialmente cuando los lectores se vieron influidos por imágenes antiguas que la IA no analizó o por zonas resaltadas por la IA que resultaron ser inocuas. En un subconjunto pequeño pero importante de 93 mujeres, la IA acertó al indicar que algo iba mal, pero los paneles de arbitraje decidieron no convocar; la mayoría de estas mujeres desarrollaron posteriormente cánceres de intervalo o en la siguiente ronda. Al mismo tiempo, el arbitraje humano canceló correctamente muchas convocatorias sugeridas por la IA en mujeres que resultaron no tener cáncer, mejorando la especificidad global. Entre distintos grupos de edad, etnias, densidades mamarias y tipos de cáncer, la vía asistida por IA en general igualó el rendimiento de la atención estándar, aunque los resultados para algunos subgrupos más pequeños fueron menos concluyentes.

Qué podría significar esto para el cribado futuro

El estudio sugiere que la IA puede desempeñar de forma segura el papel de segundo lector en el cribado de mama sin reducir la calidad de la atención, al tiempo que alivia la presión sobre una plantilla sobrecargada. Sin embargo, también pone de manifiesto los límites de los sistemas actuales: por sí sola, la IA mostró potencial para señalar cánceres antes, pero estas ventajas se diluyeron cuando los humanos, comprensiblemente cautelosos, anularon algunas indicaciones de la IA. Los autores sostienen que mejorar cómo la IA explica sus sugerencias, reducir las falsas alarmas que distraen y formar a los clínicos sobre cuándo confiar en la herramienta o cuestionarla podría liberar más de su potencial. Si estas asociaciones humano‑máquina se perfeccionan y se prueban con cuidado en ensayos en el mundo real, el cribado asistido por IA no solo podría sostener los programas actuales, sino también ayudar a que más mujeres vean sus cánceres detectados en una fase en la que el tratamiento tiene más probabilidades de éxito.

Cita: Warren, L.M., Venton, J., Young, K.C. et al. Impact of using artificial intelligence as a second reader in breast screening including arbitration. Nat Cancer 7, 507–521 (2026). https://doi.org/10.1038/s43018-026-01128-z

Palabras clave: cribado de cáncer de mama, mamografía, inteligencia artificial, carga de trabajo en radiología, arbitraje médico