Inteligencia artificial estima el riesgo de cáncer de mama a cinco años desde una mamografía normal

Qué se hizo

Un estudio multicéntrico internacional, con hospitales de Estados Unidos y de Europa, está evaluando si una herramienta de inteligencia artificial puede estimar el riesgo de cáncer de mama a cinco años a partir de una sola mamografía que el radiólogo ya leyó como normal. El Hospital Universitario Reina Sofía y el IMIBIC (Instituto Maimónides de Investigación Biomédica de Córdoba) son los únicos centros españoles. Los datos son preliminares: los difundió la SERAM (Sociedad Española de Radiología Médica) y todavía no aparecen publicados en una revista revisada por pares.

La herramienta es Transpara Risk Index, un sistema de aprendizaje profundo (tipo de inteligencia artificial que aprende por sí mismo qué rasgos de la imagen se repiten en las mujeres que después enferman, a partir de miles de ejemplos ya etiquetados, sin que nadie le diga qué buscar). Funciona con mamografía digital y con tomosíntesis (mamografía en 3D: el tubo de rayos X hace un barrido en arco y reconstruye la mama en cortes finos, lo que reduce la superposición de tejido). No busca un tumor presente: busca patrones de textura del tejido que el ojo no distingue, además de la densidad mamaria (proporción de tejido glandular y fibroso frente a grasa; el tejido denso se ve blanco, igual que un tumor, y además se asocia por sí mismo a más riesgo).

Qué encontraron

Se analizaron 27.172 mamografías normales, tras las cuales aparecieron 2.011 cánceres con más de cinco años de seguimiento. La capacidad de discriminar se midió con el AUC (área bajo la curva ROC: probabilidad de que el modelo dé una puntuación más alta a una mujer que tendrá cáncer que a una que no; 0,5 es azar y 1 es perfecto):

En las mujeres que tenían también un cálculo con modelos clásicos, la inteligencia artificial obtuvo un AUC de 0,66 frente a 0,60 del modelo BCSC (calculadora del Breast Cancer Surveillance Consortium de EE UU, que suma edad, raza, antecedentes familiares, biopsias previas y densidad mamaria) y de 0,67 frente a 0,58 del modelo de Gail (calculadora clásica que estima el riesgo con edad, menarquia, edad del primer parto, familiares de primer grado con cáncer de mama y biopsias, sin usar la imagen), en esos mismos subgrupos.

Cómo se compara con lo que ya se sabía

Otros trabajos ya publicados van en la misma línea. En el cribado del Reino Unido, cuatro algoritmos de riesgo aplicados a 112.621 mamografías negativas lograron AUC de 0,65 a 0,72 a cinco años. En Suecia, Transpara Risk alcanzó un AUC de 0,81 para predecir cáncer de intervalo (el que se diagnostica entre dos mamografías de cribado tras una lectura normal; suele ser más agresivo o estar oculto por tejido denso) en un horizonte de dos años.

Qué significa y qué no

Una mamografía normal puede contener información de riesgo que hoy se desaprovecha, y la inteligencia artificial la extrae mejor que la densidad sola. La idea es un cribado personalizado: más vigilancia, o pruebas como la resonancia, para quien tiene más riesgo, y menos para quien tiene menos.

Pero un AUC cercano a 0,70 es una discriminación moderada: los propios especialistas reconocen que la herramienta distingue niveles de riesgo de forma limitada, que probablemente no sirva para todas las mujeres y que llevarla al cribado poblacional tiene obstáculos. Son resultados preliminares, de un estudio retrospectivo sin publicar, y no demuestran que usar la puntuación reduzca la mortalidad.

Fuentes del contexto

• Sociedad Española de Radiología Médica. La inteligencia artificial permite calcular el riesgo de cáncer de mama a cinco años a partir de una sola mamografía y abre la puerta al cribado personalizado. 2026 oct 15. https://seram.es/la-inteligencia-artificial-permite-calcular-el-riesgo-de-cancer-de-mama-a-cinco-anos-a-partir-de-una-sola-mamografia-y-abre-la-puerta-al-cribado-personalizado-segun-especialistas-seram/
• Rothwell J, Payne N, Kilburn-Toppin F, et al. Performance of breast cancer risk prediction algorithms across mammography systems in the UK screening programme. NPJ Digit Med. 2026;9(1). doi:10.1038/s41746-026-02507-7
• Wang YK, Cockmartin L, Wagner T, et al. Comparison of artificial intelligence detection and short-term breast cancer risk models within and beyond their intended use in mammography screening. Radiol Imaging Cancer. 2026;8(5):e250609. doi:10.1148/rycan.250609