El sistema analiza mamografías, clasifica la densidad del tejido mamario y estima niveles de riesgo para orientar la revisión médica. La investigación utiliza estudios de unas 700 pacientes mexicanas y busca agilizar la atención sin sustituir a los especialistas.
La inteligencia artificial comienza a abrir nuevas posibilidades para enfrentar uno de los principales retos de la detección del cáncer de mama: identificar oportunamente los estudios que requieren una revisión médica prioritaria. Con ese objetivo, especialistas del Instituto Politécnico Nacional (IPN) desarrollan un sistema capaz de analizar mamografías, reconocer posibles lesiones y estimar el nivel de riesgo de cada paciente como apoyo al trabajo de los médicos radiólogos.
El proyecto se realiza en el Centro de Investigación en Computación (CIC) y está encabezado por Elsy Guadalupe Cruz Murrieta, maestra en Ciencias de la Computación y estudiante de doctorado, bajo la dirección del investigador José Eduardo Valdez Rodríguez y la asesoría de Lourdes Noemí Santos Aragón, médica radióloga especializada en imagen de la mama.
La propuesta busca contribuir a que los especialistas organicen sus cargas de trabajo de acuerdo con la urgencia de cada caso, especialmente en un contexto donde la demanda de estudios de imagen representa un desafío para los servicios de salud.
Una herramienta para identificar los casos prioritarios
El sistema está diseñado para intervenir antes de la interpretación diagnóstica del especialista. Mediante distintos modelos de inteligencia artificial, analiza los estudios disponibles y los organiza de acuerdo con el nivel de prioridad que requieren.
“El sistema entra como una propuesta antes de la interpretación diagnóstica. La idea es analizar automáticamente los estudios disponibles en un determinado periodo y organizarlos de acuerdo con su nivel de prioridad, de manera que el especialista pueda identificar cuáles requieren una revisión más inmediata”, explicó Cruz Murrieta.
La investigadora señaló que, en 2024, México contaba con 674 médicos certificados para atender a cerca de 20 millones de mujeres en edad de detección. Además, los especialistas pueden evaluar entre 5 mil y 7 mil estudios al año, una carga laboral que hace necesario explorar herramientas para organizar mejor la atención.
La finalidad no es emitir un diagnóstico definitivo de manera automática, sino ofrecer información adicional que ayude a determinar qué estudios deben revisarse primero.
Modelos entrenados con información de pacientes mexicanas
Uno de los componentes centrales de la investigación es la creación de una base de datos con estudios de aproximadamente 700 pacientes mexicanas, obtenidos mediante la colaboración con el Centro Médico ABC y el Instituto de Seguridad Social del Estado de México y Municipios (ISSEMYM), previa autorización de sus respectivos comités de ética.
Trabajar con información de pacientes del país permite evaluar el desempeño de los modelos en un contexto clínico más cercano a la población para la que se busca desarrollar la herramienta.
Entre los aspectos considerados se encuentra la densidad mamaria, es decir, la proporción de tejido fibroso y glandular en comparación con el tejido graso. Esta característica puede influir en la interpretación de una mamografía, ya que el tejido denso puede dificultar la identificación de algunas lesiones.
Por ello, los modelos analizan patrones relacionados con la densidad y otras características de las imágenes, con el propósito de apoyar la detección de regiones que ameriten una valoración médica más detallada.
De la imagen a una estimación de riesgo
La plataforma integra distintos módulos especializados. Algunos identifican las regiones anatómicas de la mama y otras áreas de interés; otros clasifican la densidad mamaria y analizan características de posibles lesiones.
El sistema también incorpora información clínica, como antecedentes personales y familiares de cáncer, uso de terapia hormonal y obesidad. Al combinar estos elementos, genera una estimación de riesgo clasificada en tres niveles: bajo, medio y alto.
Esta clasificación permite establecer una prioridad para la revisión de los estudios. Sin embargo, una estimación de riesgo no equivale a confirmar o descartar cáncer: la interpretación final y las decisiones clínicas corresponden al personal médico.
El objetivo es que la tecnología contribuya a aprovechar mejor el tiempo de los especialistas y facilite la identificación de casos que podrían necesitar atención más inmediata.
La inteligencia artificial como apoyo, no como sustituto
Cruz Murrieta subrayó que el desarrollo no pretende reemplazar la experiencia de los médicos, sino proporcionarles una herramienta complementaria.
“No pretendemos sustituir al especialista con IA, sino proporcionarle una herramienta adicional que le permita realizar mejor su trabajo y aprovechar de manera más eficiente su capacidad de diagnóstico”, destacó.
Esta distinción es fundamental en una aplicación médica: para incorporarse a la práctica clínica, el sistema debe demostrar que sus resultados son confiables y útiles en diferentes escenarios, además de someterse a procesos de validación que permitan identificar sus alcances y limitaciones.
La investigación plantea así una combinación entre capacidad de procesamiento tecnológico y conocimiento especializado, con el propósito de contribuir a que los estudios se revisen con mayor oportunidad.
Hacia una red nacional de atención
A futuro, el equipo del IPN contempla ampliar el proyecto mediante una red de hospitales y servicios de telerradiología, un modelo que permite compartir estudios médicos a distancia para facilitar su interpretación por especialistas.
La iniciativa podría ayudar a aprovechar los recursos humanos disponibles, reducir desplazamientos innecesarios y favorecer el acceso a servicios de diagnóstico en regiones donde la atención especializada es limitada.
El desafío será trasladar los avances de investigación a herramientas clínicas debidamente evaluadas, capaces de integrarse de manera segura a los procesos de atención.
Con este proyecto, el IPN explora cómo la inteligencia artificial puede contribuir a ordenar la demanda de estudios de mama y respaldar el trabajo de los radiólogos. La apuesta no consiste únicamente en analizar imágenes con mayor rapidez, sino en ayudar a que los casos que requieren atención prioritaria lleguen oportunamente a la revisión médica, sin perder de vista que el diagnóstico y las decisiones sobre cada paciente deben permanecer bajo supervisión profesional.