Octubre rosa en la era de los algoritmos

Luis Alejandro Estrada* 

Cada 19 de octubre se conmemora el Día Mundial de la Lucha contra el Cáncer de Mama. A lo largo del mes, conocido como Octubre Rosa, se busca sensibilizar a la población sobre la importancia de la detección temprana para mejorar el pronóstico y la supervivencia de las personas diagnosticadas.

La doctora Lourdes Santos es radióloga con alta especialidad en imagen e intervención de la glándula mamaria por el Instituto Nacional de Ciencias Médicas y Nutrición. Su práctica profesional está dedicada a la detección de este padecimiento y conoce de primera mano las herramientas de inteligencia artificial (IA), que fueron el centro de su investigación doctoral. Desde su experiencia, sostiene que uno de los principales beneficios de la IA para profesionales de su especialidad consiste en reducir la carga de lectura de mastografías y ampliar las posibilidades de diagnóstico en lugares donde escasea el personal especializado.

Sin embargo, también advierte que uno de los principales retos se encuentra en los datos de entrenamiento. Un algoritmo desarrollado con imágenes de determinadas poblaciones y equipos médicos no necesariamente tendrá el mismo desempeño al utilizarse en otros hospitales. La precisión puede disminuir cuando las características de las personas atendidas están subrepresentadas en los datos empleados para desarrollar y entrenar estos modelos.

Vivimos un periodo de expansión acelerada de la inteligencia artificial en prácticamente todos los ámbitos de nuestra vida, y su incorporación a los servicios de salud plantea preguntas particularmente relevantes. De acuerdo con la Organización Panamericana de la Salud (OPS), cada año se diagnostican más de 491,000 nuevos casos de cáncer de mama en las Américas y cerca de 106,000 mujeres mueren por esta causa. Para 2040, el organismo estima que los diagnósticos aumentarán 39 % y las muertes asociadas, 52 %.

Ante este panorama, resulta fundamental comprender tanto las posibilidades como las limitaciones de la inteligencia artificial en la detección del cáncer de mama, así como las condiciones necesarias para incorporarla de manera efectiva a las estrategias de salud pública de la región.

Imagen mamaria, uno de los campos clínicos con mayor desarrollo de aplicaciones de IA

En la Conferencia Interamericana de Seguridad Social (CISS) hemos concluido un libro, de próxima publicación, que mapea los usos de la inteligencia artificial en los sistemas de seguridad social del continente. De ese ejercicio de investigación y de la conversación con la doctora Santos surge el siguiente balance.

Dado que cada mastografía de tamizaje requiere la interpretación de personal especializado, la imagen mamaria se ha convertido en uno de los campos clínicos con mayor desarrollo de aplicaciones de inteligencia artificial, particularmente para reducir la carga de lectura, apoyar el diagnóstico y realizar tareas de triaje, es decir, priorizar los estudios que requieren atención.

La evidencia más sólida sobre la reducción de la carga de trabajo proviene de programas de tamizaje que emplean la doble lectura, un procedimiento en el que dos especialistas interpretan de manera independiente una misma mastografía y una tercera persona interviene cuando existen discrepancias. Este modelo no ha sido adoptado de forma sistemática en Estados Unidos, debido, entre otros factores, a la fragmentación de su financiamiento, ni en buena parte de América Latina, donde la disponibilidad de personal especializado representa una limitación importante.

En México, el Consejo Mexicano de Radiología e Imagen reportó en 2022 alrededor de 6,000 especialistas en Radiología e Imagen, de los cuales solamente 627 contaban con certificación en imagen de la mama. Una disponibilidad de especialistas de esta magnitud plantea desafíos importantes para interpretar oportunamente los estudios de todas las mujeres en edad de tamizaje en el país.

En este contexto, uno de los principales mecanismos mediante los cuales la IA puede aportar valor es la priorización de estudios. El algoritmo permite ordenar las mastografías según el riesgo estimado e identificar hallazgos que requieren una revisión más inmediata, de manera que el personal especializado pueda concentrar su atención en los casos prioritarios.

Sin embargo, los lugares donde estas herramientas podrían resultar más útiles suelen ser también aquellos con menor disponibilidad de especialistas para supervisar y evaluar sus resultados. Esto vuelve especialmente importante considerar el llamado sesgo de automatización, entendido como la tendencia a confiar en las recomendaciones de un sistema automatizado, incluso cuando son incorrectas.

Depositar una confianza excesiva en los resultados de herramientas algorítmicas tiene sus consecuencias

La literatura clínica ha documentado este riesgo. Un ensayo aleatorizado realizado con personal clínico en Estados Unidos identificó una disminución de 11.3 puntos porcentuales en la exactitud diagnóstica cuando el modelo de apoyo proporcionaba recomendaciones sistemáticamente sesgadas.

Aunque este hallazgo no corresponde específicamente a la interpretación de mastografías, permite dimensionar las consecuencias de depositar una confianza excesiva en los resultados de herramientas algorítmicas. En la lectura de imágenes médicas, una recomendación incorrecta puede contribuir a generar falsos positivos y, en consecuencia, procedimientos adicionales o biopsias innecesarias. También resulta indispensable vigilar los falsos negativos, que podrían retrasar la identificación de lesiones que requieren atención.

Tanto el sesgo de automatización como los problemas derivados de los datos de entrenamiento pueden gestionarse mediante procesos de validación local, supervisión clínica y monitoreo continuo. La incorporación de estas herramientas requiere, por tanto, evaluar su desempeño en las poblaciones y condiciones específicas donde serán utilizadas.

En las Américas, el panorama de adopción es altamente asimétrico. La oferta de soluciones tecnológicas se concentra principalmente en Estados Unidos, donde la autoridad sanitaria ha autorizado más de veinte productos relacionados con mastografía, mientras que su incorporación en instituciones públicas de América Latina todavía es incipiente.

Entre las experiencias documentadas en la próxima publicación de la CISS destaca el caso del Instituto de Seguridad y Servicios Sociales de los Trabajadores del Estado (ISSSTE), que en 2026 puso en marcha cuatro centros de interpretación de mastografías asistida por inteligencia artificial, conocidos como Cuartos Azules, con una meta superior a 400,000 estudios anuales. Mediante este esquema, los estudios se transmiten digitalmente desde 98 unidades médicas y la interpretación final permanece a cargo de personal de radiología.

La experiencia permite observar una aplicación concreta de estas tecnologías para organizar la lectura de estudios y aprovechar las capacidades del personal especializado. También ofrece un referente para evaluar aspectos como los tiempos de interpretación, la precisión diagnóstica y la articulación entre las unidades médicas y los centros de lectura.

Condiciones fundamentales para la incorporación de herramientas digitales en la detección oportuna del cáncer de mama

Desde la CISS hemos estudiado el uso de herramientas digitales y de inteligencia artificial en los sistemas de salud y seguridad social, con especial atención a sus posibilidades para ampliar la cobertura y mejorar la prestación de servicios en el continente. A partir de la evidencia revisada, identificamos tres condiciones fundamentales para su incorporación en la detección oportuna del cáncer de mama: que la interpretación final permanezca bajo responsabilidad de personal especializado, que los algoritmos sean validados con datos de las poblaciones atendidas y que sus resultados se sometan a evaluación continua y transparente.

La detección temprana puede mejorar el pronóstico y la supervivencia cuando existen capacidades para confirmar oportunamente el diagnóstico e iniciar el tratamiento correspondiente. Por ello, la inversión en herramientas algorítmicas debe acompañarse del fortalecimiento de los servicios de biopsia, patología y oncología, así como de los mecanismos de referencia y seguimiento de pacientes. Se trata de una agenda que requiere coordinación entre instituciones y distintos niveles de atención.

En el fondo, este es también el desafío que plantea la doctora Lourdes Santos: llevar las posibilidades del diagnóstico asistido por inteligencia artificial a los lugares donde faltan especialistas. Para que ese objetivo se traduzca en mejores resultados de salud es necesario que la tecnología se integre a servicios con capacidad humana, clínica e institucional para atender oportunamente los hallazgos que identifica.

Octubre Rosa ofrece una oportunidad para ampliar la conversación pública sobre la detección temprana del cáncer de mama e incorporar a ella las posibilidades de la inteligencia artificial, sus riesgos y las condiciones que requiere su implementación. La tecnología puede contribuir a que más personas accedan a un diagnóstico oportuno, siempre que su desarrollo y adopción respondan a las necesidades de los sistemas de salud y de las poblaciones a las que buscan atender.♦ 

*Luis Alejandro Estrada es candidato a doctor en Políticas Públicas por el CIDE; actualmente se desempeña como investigador especialista en Análisis Cuantitativo y Desigualdades de la Conferencia Interamericana de Seguridad Social. Redes: @je_nesaispas 

Más sobre este blog