Una médico revisa una prueba de detección de cáncer de mama. Sevilla
El Ramón y Cajal prueba el sistema inteligente para el diagnóstico precoz de cáncer de mama que llegará a Europa
"No hemos validado solo el algoritmo, hemos evaluado si es realmente útil para los radiólogos", afirma el jefe de Radiología de Mama del hospital.
Más información: Trío de tecnologías contra el cáncer de mama: el software que combina computación, ultrasonidos y algoritmos
El cáncer de mama continúa siendo el tumor más frecuente entre las mujeres. Sólo en España se diagnostican cada año más de 38.000 nuevos casos, según las estimaciones de la Red Española de Registros de Cáncer (Redecan).
Aunque, a priori, puede parecer una mala noticia, el aumento de los diagnósticos no sólo se debe a factores como el envejecimiento de la población, también es consecuencia de una mejora del diagnóstico precoz.
Las campañas de concienciación, la extensión de los programas de cribado y los avances en las técnicas de imagen han permitido identificar lesiones cada vez más pequeñas y en fases más tempranas, lo que mejora las opciones de tratamiento.
Pero estos avances también han supuesto un aumento del número de pruebas de imagen, y no todas son sencillas de interpretar. Este es el caso de la resonancia magnética de mama.
“Es una de las técnicas más sensibles para detectar lesiones, pero también una de las más complejas de interpretar”, explica a DISRUPTORES - EL ESPAÑOL el doctor Miguel Chiva, jefe de Radiología de Mama del Hospital Universitario Ramón y Cajal. Una prueba que “combina múltiples secuencias y exige un conocimiento profundo de la anatomía y de los patrones de realce”, añade.
Segunda lectura para el radiólogo
El reto al que se enfrentan hoy estos especialistas es doble: “Interpretar estudios cada vez más complejos con la máxima precisión y hacerlo en un entorno donde el volumen crece y los recursos no lo hacen al mismo ritmo”, resume Chiva.
Una complejidad a la que se suma otro desafío: la diferencia de criterio entre especialistas. El doctor aclara que dos radiólogos pueden interpretar de forma distinta una misma resonancia, especialmente cuando se trata de lesiones pequeñas o de mamas densas, lo que puede derivar, por ejemplo, en biopsias innecesarias.
"Por primera vez, la inteligencia artificial para resonancia de mama se integra en nuestro flujo de trabajo"
Doctor Miguel Chiva, jefe de Radiología de Mama del Hospital Universitario Ramón y Cajal.
“La resonancia magnética detecta muchas lesiones sospechosas, pero no todas son malignas. De hecho, tras la biopsia, cuatro de cada cinco acaban siendo benignas”. Pero hasta que se obtiene el resultado, “se han generado procedimientos adicionales, ansiedad para el paciente y presión sobre los servicios”, detalla.
Para responder a esta problemática, el equipo de Radiología de Mama del hospital madrileño ha colaborado en la validación clínica de una nueva herramienta desarrollada por la española Quibim. Los especialistas han evaluado su funcionamiento con casos reales de resonancia magnética de mama, comparando los resultados generados por la inteligencia artificial con la interpretación de radiólogos.
![Equipo humano de la startups Frontwave.](["https:\/\/s3.elespanol.com\/k\/imgp\/cms\/elespanol\/10317399.jpg?p=w:320\/h:240&h=W80-DCqO"])
Además, han analizado su integración en la práctica clínica habitual. "No hemos validado solo el algoritmo; hemos evaluado si resulta realmente útil y seguro dentro del trabajo cotidiano del radiólogo de mama", subraya el doctor.
Según el clínico, la principal diferencia respecto a otras soluciones es que “por primera vez, la inteligencia artificial para resonancia de mama está pensada para integrarse de verdad en nuestro flujo de trabajo. No es un visor externo ni una herramienta experimental”. Su finalidad, insiste, no es sustituir el criterio clínico, sino facilitar al especialista una segunda lectura que le ayude a interpretar estudios especialmente complejos.
Visto bueno para el mercado europeo
El resultado de este trabajo conjunto es QP-Breast. Así es como se llama este sistema de Quibim, empresa valenciana especializada en inteligencia artificial aplicada a la imagen médica. Durante sus diez años de trayectoria, ha desarrollado soluciones para asistir a los radiólogos en el diagnóstico de distintas patologías del cerebro, la próstata, el hígado y, próximamente, el pulmón.
Con esta nueva propuesta también entra en el diagnóstico del cáncer de mama mediante resonancia magnética, “un área donde la demanda de pruebas crece más rápido que los recursos disponibles", explica Ángel Alberich-Bayarri, fundador y CEO de la compañía, a DISRUPTORES - EL ESPAÑOL.
"Queremos comprender todo lo que ocurre en el interior del cuerpo"
Ángel Alberich-Bayarri, fundador y CEO de Quibim.
Además, QP-Breast acaba de obtener el marcado CE para Europa y el UKCA para Reino Unido, convirtiéndose, según la compañía, en la primera IA para resonancia de mama que supera ambos procesos regulatorios.
Para su entrenamiento se han empleado cerca de 800 resonancias procedentes de cinco centros de tres países y se ha validado posteriormente con casi 200 resonancias de hospitales de España, Estados Unidos y Brasil, alcanzando una sensibilidad cercana al 90%, según los datos de la compañía.
![El Dr. Ángel Alberich-Bayarri, ingeniero de Telecomunicación, es CEO y cofundador de Quibim.](["https:\/\/s3.elespanol.com\/k\/imgp\/cms\/elespanol\/10771203.png?p=w:320\/h:240&h=BvE9CU-l"])
La solución analiza las resonancias, detecta y segmenta automáticamente las lesiones sospechosas y genera un documento con información sobre su localización, dimensiones, volumen y una estimación del riesgo.
Para Quibim, este lanzamiento supone ampliar sus desarrollos para enfermedades de próstata, cerebro y hepáticas. Pero, como admite su CEO, también forma parte de una estrategia más amplia con la que pretenden convertir la inteligencia artificial en una "capa transversal" dentro de la imagen médica.
Su objetivo es "conseguir que el cuerpo humano sea transparente, comprender todo lo que ocurre en su interior", resume Alberich-Bayarri. "Queremos pasar de un modelo en el que la imagen médica cobra protagonismo cuando aparecen los síntomas a otro en el que desempeñe un papel clave en la prevención".
