IA en mamografías: dos estudios de Google Research muestran mayor detección y menos carga para lectores humanos

Google Research publicó el 17 de marzo de 2026 dos estudios en Nature Cancer, realizados en colaboración con organizaciones del Servicio Nacional de Salud del Reino Unido (NHS) como parte del estudio AIMS (Artificial Intelligence in Mammography Screening).

La investigación evaluó si un sistema de inteligencia artificial (IA) para interpretar mamografías puede mejorar la detección de cáncer y aliviar la carga de trabajo en el flujo de trabajo de “doble lectura” que aplica el programa de cribado mamográfico del Reino Unido.

Qué se evaluó y por qué importa

El NHS usa actualmente una doble lectura: dos radiólogos leen cada mamografía y, si hay desacuerdo, interviene un panel de arbitraje según reglas locales.

Ante un déficit de radiólogos —estimado por las autoridades del Reino Unido como un problema creciente— los autores investigaron si un lector automático podría sustituir al segundo lector humano sin empeorar los resultados, además de detectar más cánceres antes de que se vuelvan sintomáticos.

Diseño de los estudios: retrospectivo y de integración

El primer estudio se dividió en dos fases. La fase retrospectiva analizó mamografías de 125.000 mujeres (115.973 después de criterios de inclusión/exclusión) procedentes de cinco servicios de cribado del NHS.

Se calculó el rendimiento del sistema de IA frente al primer lector humano, usando como “verdad de referencia” un seguimiento de 39 meses, lo que permitió medir si la IA detectaba cánceres que más tarde se manifestaron como intervalos o aparecieron en rondas siguientes.

La segunda fase del primer estudio fue una implementación prospectiva no-intervencionista en 12 centros (dos servicios principales en Londres), procesando 9.266 casos para evaluar la viabilidad técnica, la velocidad de lectura y la necesidad de ajustar el umbral de aviso (operating point) según cada entorno clínico.

Resultados clave: más detección, sin pérdida de especificidad

En la evaluación de desempeño independiente, la IA mostró mayor sensibilidad que el primer lector humano sin reducir la especificidad.

La tasa global de detección de cáncer aumentó de 7.54 a 9.33 casos por cada 1.000 mujeres. Además, la IA detectó el 25% de los cánceres “intervalo” que habían sido pasados por alto por la doble lectura histórica.

Fue especialmente eficaz en cánceres invasivos y mejoró la relación detección/positivos en mujeres que acudían por primera vez.

En la implementación prospectiva, el sistema procesó lecturas con una mediana de 17,7 minutos desde que la mamografía estaba disponible, frente a más de dos días para la primera lectura humana.

También permitió identificar un “cambio de distribución” entre los datos históricos de entrenamiento y la práctica clínica moderna, lo que subraya la necesidad de calibración continua al desplegar IA en entornos reales.

Integración en el flujo de doble lectura: estudio de arbitraje

El segundo estudio fue un gran ensayo de lectores: 22 lectores acreditados revisaron 8.732 casos que requerían arbitraje, extraídos de un conjunto de 50.000 mujeres (45.602 tras aplicar criterios).

Se compararon dos brazos: el estándar (opiniones de los dos lectores humanos) y un brazo en que la decisión del primer lector humano se combinó con la salida de la IA como “segundo lector”.

Resultados de la comparación humana–IA

La combinación humano+IA fue estadísticamente no inferior al flujo tradicional en sensibilidad y especificidad tras arbitraje.

En términos operativos, el uso de la IA permitiría reducir en un 46% el número total de lecturas humanas requeridas (ligeramente por debajo del 50% porque el 8,7% de casos complejos seguían necesitando dos lectores humanos).

Tras ajustar por el mayor tiempo que consume el arbitraje, esto se traduce en una reducción estimada del 36–44% del tiempo total dedicado por los lectores.

Una advertencia práctica: confianza y arbitraje

Sin embargo, el estudio puso de manifiesto un problema humano–IA: los paneles de arbitraje anulaban incorrectamente decisiones de la IA que eran correctas en 93 casos positivos, la mayoría cánceres difíciles de ver.

El hallazgo subraya la necesidad de investigar cómo los expertos interpretan las predicciones automáticas y mejorar la explicabilidad de los modelos.

Conclusiones y limitaciones

En conjunto, estos estudios muestran que un sistema de IA puede aumentar la detección de cáncer en lecturas individuales y ofrecer un desempeño no inferior cuando se integra en el flujo de doble lectura del NHS, con la ventaja adicional de reducir carga y tiempo para los lectores.

No obstante, los autores insisten en que se requieren más trabajos operativos antes de una implementación clínica generalizada: gestionar mayores volúmenes de arbitraje, mejorar la explicabilidad del modelo y monitorizar continuamente la deriva de datos y ajustar umbrales locales.

Nota de Transparencia

Esta nota fue generada 100% con IA. La fuente fue aprobada por Diario Occidente y el contenido final fue revisado por un miembro del equipo de redacción.

🔊 El Resumen de Noticias sobre Inteligencia Artificial e Innovación Tecnológica, aquí 👇🏻

Curaduría editorial

La curaduría y revisión editorial de estas notas está a cargo de Rosa María Agudelo Ayerbe, comunicadora social y periodista, con maestría en Transformación Digital y especialización en Inteligencia Artificial.

Desde su rol como líder del equipo de innovación y transformación digital del Diario Occidente, y a través de la unidad estratégica DO Tech, realiza un seguimiento permanente a las principales novedades en tecnología e inteligencia artificial a nivel global.

Estas notas se apoyan en un agente de investigación basado en inteligencia artificial, diseñado para monitorear semanalmente avances, lanzamientos y debates clave del sector.

El contenido es posteriormente leído, analizado, contextualizado y validado editorialmente antes de su publicación.

Este proceso forma parte del mecanismo de actualización continua que permite interpretar los desarrollos tecnológicos desde una mirada periodística, crítica y comprensible para audiencias no especializadas.

Comments