Un proyecto de la Universidad de Lund (Suecia) ha entrenado un modelo de IA para identificar a pacientes con cáncer de mama que podrían evitar la cirugía axilar. El modelo analiza información previamente no utilizada en mamografías e identifica con gran precisión el riesgo individual de metástasis en la axila. Un estudio reciente muestra que el modelo indica que poco más del 40 % de las cirugías axilares actuales podrían evitarse.
En los casos de cáncer de mama, se examinan los ganglios linfáticos axilares para evaluar la diseminación metastásica y, por lo tanto, el pronóstico y la elección del tratamiento. Se realiza una intervención quirúrgica menor en la que se identifican y extirpan quirúrgicamente los primeros ganglios linfáticos para su análisis. El procedimiento es leve, pero puede causar dolor, inflamación, entumecimiento y, en ocasiones, acumulación de líquido. La diseminación del cáncer a la axila afecta aproximadamente a una de cada cinco pacientes con cáncer de mama. El 80 % restante, aproximadamente, no presenta rastros de cáncer en los ganglios linfáticos. En este caso, el procedimiento es puramente diagnóstico, sin efecto terapéutico.
En este estudio nos hemos centrado en predecir el riesgo de metástasis en la axila, afirma Lisa Rydén, profesora de cirugía en la Universidad de Lund y consultora senior en el Hospital Universitario de Skåne.
La investigación ha puesto un énfasis considerable en la búsqueda de métodos de diagnóstico no invasivos que permitan determinar el estado de los ganglios linfáticos en una etapa más temprana de lo que es posible actualmente. Lisa Rydén es responsable del proyecto de investigación NILS (Estadificación No Invasiva de los Ganglios Linfáticos), una colaboración de investigación de varios años entre la Facultad de Medicina y la Facultad de Ciencias de la Universidad de Lund.
Actualmente, se realiza un procedimiento independiente en la axila, conocido como biopsia del ganglio linfático centinela, para determinar la propagación a los ganglios linfáticos. Utilizando el NILS como punto de partida y los datos del paciente y del tumor como base, podríamos realizar una evaluación de riesgos más individualizada antes de la operación. Si el riesgo es bajo, se podría evitar la cirugía axilar, tras consultar con el paciente. Si el riesgo es alto, planificaríamos la cirugía. Sería un paso hacia una atención más centrada en la persona, donde cada acción tiene un beneficio claro para ese paciente específico», afirma Lisa Rydén.
En el estudio, los investigadores crearon un modelo de IA entrenado para analizar mamografías. Estas mamografías se realizan rutinariamente en el contexto del diagnóstico del cáncer de mama, por lo que no implican medidas ni costes adicionales. Se utilizaron imágenes de 1265 mujeres de Escania diagnosticadas con cáncer de mama entre 2009 y 2017. El denominador común de las participantes fue que su cáncer de mama se encontraba en una fase temprana y que la cirugía fue el primer tratamiento. Los resultados del estudio se han publicado en la revista de investigación NPJ Digital Medicine.
El modelo de IA se entrenó para identificar diferentes tipos de información, de la mamografía completa, no solo de la parte que mostraba el tumor. A partir de esta información compleja, el modelo pudo calcular el riesgo de metástasis.
Desarrollamos nuestro algoritmo en tres pasos. Primero, el modelo de IA analizó decenas de miles de mamografías para aprender su estructura básica, como bordes, textura y formas. Luego, se entrenó para encontrar pistas específicas sobre el cáncer, como los límites de los tumores. Finalmente, se le asignó una mentalidad holística al incluir otra información importante del paciente, como la edad y el tipo de tumor, para predecir con mayor precisión el riesgo de metástasis, afirma Daqu Zhang, estudiante de doctorado de la Facultad de Ciencias de la Universidad de Lund.
El modelo de IA se utilizó para clasificar los ganglios linfáticos como libres de enfermedad o no, y los investigadores demostraron que la biopsia del ganglio linfático centinela podría haberse evitado en el 41,7 por ciento de los casos.
“Este estudio indica que al utilizar el modelo de IA en lugar de operar a todos los pacientes, podríamos identificar alrededor del 40 por ciento de los pacientes en los que es posible evitar el procedimiento”, explica Lisa Rydén.
Suecia destaca internacionalmente por la frecuencia y la disponibilidad de mamografías públicas. Alrededor del 67 % de los casos de cáncer de mama en Suecia se detectan mediante mamografías en mujeres de entre 40 y 74 años. Las invitaciones para las pruebas se envían con una frecuencia de 18 a 24 meses, según la edad de la mujer.
Muchos países no cuentan con este tipo de cribado poblacional. Para afirmar que nuestros resultados son de aplicación universal, necesitamos que se validen y, por lo tanto, se confirmen de forma independiente. Por ello, estamos buscando exhaustivamente material relevante de pacientes independientes, tanto en Suecia como en el extranjero, afirma Lisa Rydén.
Se espera que en el futuro los algoritmos de cálculo integrados del modelo de IA se puedan utilizar en la etapa del examen de mamografía para evaluar el riesgo de metástasis en los ganglios linfáticos y que el tratamiento se pueda diseñar rápidamente en función de este riesgo.
En un escenario ideal, sería posible obtener mucha más información sobre el estadio del tumor y el pronóstico a partir de las mamografías diagnósticas. Nuestro artículo se centra en la propagación a los ganglios linfáticos, pero en estudios internacionales en curso, el patrón de imagen también podría predecir el pronóstico, afirma Lisa Rydén.
El estudio en breve: investigación interdisciplinaria // publicación revisada por pares // estudio de cohorte // número de pacientes en el estudio: 1265 // correlación estadística // retrospectivo
Publicación
DOI: 0,1038/s41746-025-01831-8
Fondos
Fundación Erling Persson, Fundación Sjöberg, ALF y Consejo Sueco de Investigación.
LUND UNIVERSITY News. Traducido al español
