DE LA PANTALLA AL DIAGNÓSTICO: CÓMO LA INTELIGENCIA ARTIFICIAL ESTÁ REDEFINIENDO LA INTERPRETACIÓN MAMOGRÁFICA EN EL CRIBADO DEL CÁNCER DE MAMA

Resumen

Objetivo: Analizar, mediante una revisión integrativa de la literatura, la eficacia y la precisión de la inteligencia artificial (IA) aplicada a la interpretación de mamografías para el diagnóstico del cáncer de mama, comparando sus resultados con los métodos tradicionales realizados por médicos especialistas.Método: Revisión integrativa de la literatura realizada conforme a las directrices PRISMA 2020, con búsqueda en las bases de datos PubMed/MEDLINE, Scopus y la Biblioteca Virtual en Salud (BVS), abarcando publicaciones de enero de 2020 a abril de 2026. Se incluyeron estudios originales — ensayos clínicos aleatorizados, estudios de cohorte prospectivos y retrospectivos y estudios de precisión diagnóstica — que evaluaran sistemas de IA basados en deep learning aplicados a la mamografía, con resultados de sensibilidad, especificidad y/o área bajo la curva ROC (AUC), comparando con el desempeño de radiólogos. La calidad metodológica fue evaluada mediante las herramientas QUADAS-2, RoB 2.0 y ROBINS-I.Resultados: Se incluyeron 23 estudios, que totalizan más de 2,5 millones de mamografías evaluadas, publicados entre 2022 y 2026 en 14 países. Cuatro ensayos clínicos aleatorizados demostraron la no inferioridad de la combinación IA + radiólogo frente a la doble lectura humana estándar, con una reducción del 44 al 87% en la carga de trabajo radiológica. Los valores de AUC oscilaron entre 0,86 y 0,97, con sensibilidad superior o equivalente a la lectura humana en la mayoría de los estudios. La IA identificó hasta el 54% de los cánceres falsos negativos no detectados por los radiólogos, con una anticipación diagnóstica de una mediana de 272 días. La asistencia por IA mejoró significativamente el desempeño de los radiólogos menos experimentados en todos los estudios que evaluaron esta variable. La evaluación del riesgo de sesgo clasificó el 78% de los estudios como bajo riesgo y el 22% como riesgo incierto; ninguno fue clasificado como alto riesgo.Conclusión: La inteligencia artificial presenta un rendimiento diagnóstico no inferior a la lectura humana convencional en mamografías de cribado y diagnóstico, con potencial para reducir la carga de trabajo radiológica, detectar cánceres falsos negativos, acortar el tiempo hasta el diagnóstico e igualar el rendimiento entre radiólogos de distintos niveles de experiencia. La implementación de la IA como segunda lectora o herramienta de apoyo a la decisión, con monitoreo continuo del rendimiento y arbitraje estructurado en los casos discordantes, es el modelo más respaldado por la evidencia actual y puede considerarse seguro para su adopción en programas poblacionales de cribado mamográfico.