Mamografías con apoyo de IA detectaron 29% más cánceres en un estudio sueco

La inteligencia artificial se usa en distintas etapas de la atención del cáncer, desde la lectura de imágenes hasta la selección de tratamientos. La evidencia más sólida proviene del cribado de mama, donde un ensayo aleatorizado realizado en Suecia comparó la lectura de mamografías asistida por IA con el método habitual de doble lectura por dos radiólogos.

El estudio, conocido como Masai y dirigido por la investigadora Kristina Lång, de la Universidad de Lund, incluyó a 105.934 mujeres dentro del programa nacional de cribado sueco. La mitad fue asignada a cribado con apoyo de IA y la otra mitad a doble lectura. En el grupo con IA, el programa identificaba las mamografías con mayor riesgo de cáncer para que los radiólogos las revisaran con esa información a la vista. Los resultados se publicaron por etapas.

Un análisis de seguridad apareció en The Lancet Oncology en 2023, los resultados de detección salieron en The Lancet Digital Health en 2025 y los resultados finales se publicaron en The Lancet en 2026. En el primer informe, la detección de cánceres era 20% mayor en el grupo con IA, y en el análisis posterior la diferencia subió a 29%.

El grupo con apoyo de IA detectó un 29% más de cánceres que el grupo de comparación, y la carga de lectura de los radiólogos bajó 44%. Esta última cifra se mantuvo entre el análisis intermedio y el posterior. Los autores concluyeron que el método no era inferior al estándar en precisión de cribado.

Según los datos difundidos por el fabricante del software, la sensibilidad fue de 80,5% en el grupo con IA y de 73,8% en el grupo control, con la misma especificidad. Los resultados fueron consistentes entre grupos de edad y de densidad mamaria. Conviene tener en cuenta que esta cifra proviene de un comunicado de la empresa y no del texto de la revista.

Los resultados finales incluyeron la tasa de cánceres de intervalo, es decir, los que se diagnostican entre dos rondas de cribado y no se vieron en el examen previo. Esa tasa fue 12% menor en el grupo con IA, y hubo 27% menos de cánceres de subtipos no luminal A. Los cánceres de intervalo se asocian con mayor mortalidad, por lo que se usan como medida de la efectividad de un programa.

El ensayo se describe en la publicación como un estudio de precisión de cribado aleatorizado, controlado, de grupos paralelos, de no inferioridad y con enmascaramiento simple. Esto significa que su objetivo principal era comprobar que la lectura con IA no tuviera peor desempeño que la doble lectura, y los resultados de detección y de cánceres de intervalo se analizaron a partir de ese diseño.

La doble lectura es la práctica habitual en los programas de cribado europeos, y exige que dos radiólogos revisen cada mamografía. Según un comentario difundido junto con la publicación de The Lancet, si los resultados siguientes mantienen la tendencia, habría argumentos para usar la IA en el cribado a gran escala, en un contexto de escasez de personal.

Las revisiones posteriores precisan que el beneficio depende del sistema de IA y del protocolo de lectura empleados. En el ensayo, los radiólogos tenían acceso a la información de detección y de riesgo generada por el programa en el momento de leer. Los resultados no se pueden extender a cualquier herramienta de IA sin evaluarla por separado.

Según la Universidad de Lund, los resultados ya contribuyeron a que varios programas regionales de cribado en Suecia incorporaran la IA como apoyo. Cerca de un millón de mujeres son citadas cada año a mamografía en ese país, lo que da una idea de la escala en que se aplica.

Fuera de la mamografía, las revisiones científicas describen usos en patología, radioterapia, análisis genómico y descubrimiento de fármacos. Una revisión publicada en Nature Cancer en 2025 por investigadores del Instituto Nacional del Cáncer de Estados Unidos ordena estas aplicaciones a lo largo de la prevención, el diagnóstico, la optimización del tratamiento y el desarrollo de medicamentos.

Otra, publicada en Cancer en 2025, incluye también el seguimiento de los sobrevivientes y los cuidados al final de la vida, y señala que la implementación requiere colaboración entre disciplinas y formación de los profesionales de la salud.

En neurooncología, una revisión de The Lancet Digital Health de 2025 examina el uso de la IA en el análisis de imágenes, la caracterización molecular de los tumores, la búsqueda de biomarcadores y la identificación de dianas terapéuticas. Sus autores concluyen que la aplicación clínica a corto plazo depende de ampliar el uso de soluciones ya validadas para tareas bien definidas, mientras que los enfoques más experimentales requieren ajustes técnicos y la resolución de cuestiones regulatorias y de datos.

Los modelos de lenguaje también aparecen en estas revisiones. Una de ellas, que reunió 254 publicaciones, los menciona entre las herramientas que empiezan a usarse en consultas de oncología, y una revisión de Nejm AI de 2025 analiza su posible papel en la selección de tratamientos. Esa misma revisión indica que la integración en la práctica clínica sigue restringida por la calidad de los datos, la precisión de los modelos y la falta de validación en ensayos clínicos.

Otra revisión, publicada en 2026 sobre IA multimodal, añade como limitaciones la heterogeneidad de los datos, los sesgos demográficos o institucionales y los problemas de reproducibilidad. Estos factores dificultan que un modelo entrenado en un grupo de pacientes o en un hospital mantenga su desempeño en otro, y por eso las revisiones piden evaluarlos en poblaciones distintas a las del entrenamiento. Para los autores de estas revisiones, el avance depende de ensayos prospectivos, de bases de datos de varios centros y de guías de evaluación comunes.

Las fuentes consultadas sobre el ensayo Masai no incluyen datos de mortalidad, de modo que aún no se conoce si la reducción de cánceres de intervalo se traduce en menos muertes. Mientras tanto, los profesionales de la salud mantienen la decisión sobre el diagnóstico y el tratamiento de cada paciente.

Control de calidad con Inteligencia Artificial

En agosto de 2026, Leica Biosystems obtuvo autorizaciones de la FDA para su portafolio de patología digital. Entre ellas está el software Aperio iQC DX, descrito como el primer producto autorizado por la FDA para control de calidad asistido por IA en patología digital en un entorno clínico. Es una aplicación menos visible que el diagnóstico, pero afecta la calidad de las imágenes sobre las que trabajan los patólogos. Los algoritmos de diagnóstico, como los de próstata o mama que se mencionaron antes, trabajan sobre imágenes digitalizadas de alta cobertura.