El cáncer de mama afecta a una de cada ocho mujeres en todo el mundo. La Sociedad Estadounidense del Cáncer determinó que los radiólogos no logran detectar alrededor del 20 por ciento de los cánceres de seno en las mamografías. Y muchas mujeres que se hacen las pruebas tienen un resultado falso positivo en algún momento.
Un estudio del Imperial College de Londres y el Servicio Nacional de Salud de Gran Bretaña mostró que el sistema de Inteligencia Artificial podría identificar cánceres con un nivel de precisión similar al de los radiólogos expertos.
Al mismo tiempo, redujo el número de resultados falsos positivos en un 5,7 por ciento en los pacientes estadounidenses y en un 1,2 por ciento en los pacientes británicos. También disminuyó la cantidad de falsos negativos, donde las pruebas se enumeran incorrectamente como normales, en un 9,4 por ciento en el grupo estadounidense y en un 2,7 por ciento en el grupo británico.
El equipo incluyó investigadores que entrenaron al sistema de IA para identificar cánceres de seno en decenas de miles de mamografías. Luego compararon el rendimiento del sistema de IA con los resultados reales de un conjunto de 25,856 mamografías en el Reino Unido y 3,097 de los Estados Unidos.
Los hallazgos del estudio, publicado en la revista Nature, se desarrollaron con DeepMind AI, que se unió a Google Health en septiembre. Los resultados representan un gran paso hacia la posibilidad de detección temprana del cáncer de seno, dijo Mozziyar Etemadi, uno de los escritores del estudio. Este es el estudio más reciente que intenta demostrar que la inteligencia artificial, o IA, puede mejorar la precisión de las mamografías.
A pesar de que pareciera inspirar plena confianza, Google generó una ola de titulares con un estudio que pretende demuestrar que sus sistemas de IA pueden detectar el cáncer de seno en las mamografías con mayor precisión que los médicos.
Los daños de encontrar más cáncer
Pero para muchos en la atención médica, lo que demuestran estudios como estos no es sólo la promesa de la IA, sino también su amenaza potencial. Dicen que para todas las habilidades obvias de los algoritmos para procesar datos, las habilidades sutiles y basadas en el juicio de las enfermeras y los médicos no se digitalizan tan fácilmente. Y en algunas áreas donde las empresas tecnológicas están impulsando la IA médica, esta tecnología podría exacerbar los problemas existentes.
Los resultados arrojados por los estudios, pueden mostrar simplemente lesiones en etapa inicial y obtener respuestas completamente diferentes sobre si se trata o no de cáncer. E incluso si sus diagnósticos son correctos y esa lesión fuera un cáncer, no hay forma de saber si ese cáncer es una amenaza para la vida de alguien. Esto lleva al sobrediagnóstico, dice Adamson: «Llamar a las cosas cáncer que, si no las buscaras, no dañarían a las personas a lo largo de su vida».
Tan pronto como se le llame a algo «cáncer», desata una cadena de intervenciones médicas que pueden ser dolorosas, costosas y que cambian la vida de una persona. En el caso del cáncer de seno, eso podría significar tratamientos de radiación, quimioterapia, la extracción de tejido del seno (una tumorectomía) o la extracción de uno o ambos senos por completo (una mastectomía). Éstas no son decisiones para apresurarse.
Pero las complejidades de dicho diagnóstico no reciben la atención adecuada en el estudio de Google, dice Adamson. Primero, los investigadores de la compañía entrenaron su algoritmo en imágenes que ya habían sido identificadas como cancerosas o no. Pero como no hay un estándar de oro para el diagnóstico de cáncer, particularmente el cáncer temprano, es discutible si dichos datos de capacitación proporcionan una buena línea de base. Segundo, el algoritmo de Google sólo produce resultados binarios: sí, es cáncer, o no, no lo es. Como Adamson argumenta en un artículo reciente, debe haber espacio para la incertidumbre, una tercera opción que representa el área gris del diagnóstico y que prolonga el debate en lugar de cerrarlo.
Sin embargo, para Adamson, estos desafíos son más grandes que un solo documento. El sobrediagnóstico, dice, «es un problema para muchos tipos de cáncer diferentes; para próstata, melanoma, cáncer de mama, tiroides. Y si los sistemas de IA se vuelven cada vez mejores para encontrar lesiones cada vez más pequeñas, fabricará muchos pseudopacientes que tienen una ‘enfermedad’ que en realidad no los matará«.
