Un sistema de inteligencia artificial desarrollado por investigadores del Google DeepMind y el Royal Marsden NHS Foundation Trust ha demostrado una precisión del 94,5% en la detección de cáncer de mama en mamografías de cribado, superando en un 11,5% la media de los radiólogos que participaron en el estudio. Los resultados, publicados en Nature Medicine en marzo de 2026, abren un debate real sobre el rol de la IA en la radiología clínica.
Cómo funciona el sistema
El modelo, entrenado con más de 2,8 millones de imágenes de mamografías anotadas, emplea una arquitectura de red neuronal convolucional profunda que analiza simultáneamente la morfología de las lesiones, la densidad del tejido mamario y los patrones de distribución calcificada. A diferencia de sistemas anteriores, integra datos clínicos de la paciente (edad, historial familiar, índice de masa corporal) para generar una puntuación de riesgo individualizada.
El proceso de análisis completo tarda menos de 40 segundos por estudio, frente a los 3-8 minutos que requiere un radiólogo en condiciones habituales. En un servicio que gestiona 500 mamografías diarias, el ahorro operativo es significativo.
Resultados clínicos clave
El estudio evaluó el sistema en una cohorte prospectiva de 28.000 mujeres atendidas en el NHS entre 2023 y 2025. Los hallazgos más relevantes:
- Sensibilidad del 94,5% frente al 83% de la lectura doble estándar.
- Reducción de falsos positivos del 37%, lo que implica menos biopsias innecesarias y menor ansiedad en las pacientes.
- Detección precoz mejorada: el sistema identificó lesiones en estadio I en el 78% de los casos positivos, frente al 61% con el protocolo convencional.
- Tasa de falsos negativos del 5,5%, un dato que los investigadores subrayan como área de mejora antes de cualquier implantación clínica autónoma.
El modelo mostró mayor rendimiento en tejido mamario denso (categorías C y D del BI-RADS), precisamente donde la lectura humana es más difícil y donde se concentra el mayor porcentaje de cánceres de intervalo.
El debate sobre autonomía diagnóstica
La publicación del estudio ha generado posiciones encontradas en la comunidad radiológica. La Sociedad Europea de Radiología (ESR) ha señalado que los resultados son "prometedores pero no suficientes para justificar la lectura IA autónoma sin supervisión médica". Los principales argumentos en contra de una implantación acelerada son:
- El modelo fue entrenado y validado en una población mayoritariamente caucásica del Reino Unido, con potencial sesgo de rendimiento en otras etnias.
- La tasa de falsos negativos del 5,5%, aunque inferior a la humana en el estudio, puede tener consecuencias clínicas graves en un contexto de volúmenes masivos.
- La responsabilidad legal en caso de error diagnóstico no está resuelta en ningún marco regulatorio europeo.
Los defensores de una integración más rápida argumentan que el debate no debería ser "IA versus radiólogo", sino cómo la IA puede reducir la sobrecarga en sistemas sanitarios donde la escasez de radiólogos es ya un problema estructural. España, por ejemplo, tiene un déficit estimado de 800 radiólogos según la Sociedad Española de Radiología Médica (SERAM).
Marco regulatorio y próximos pasos
En la Unión Europea, los sistemas de diagnóstico por imagen basados en IA están clasificados como productos sanitarios de clase IIb o III según el Reglamento de Productos Sanitarios (MDR 2017/745), lo que exige ensayos clínicos y supervisión por notified bodies antes de cualquier uso clínico autónomo.
El consorcio que desarrolló el sistema ha iniciado conversaciones con la EMA y el MHRA británico para diseñar un protocolo de validación multiétnica. El objetivo es tener una versión certificada para uso asistido (el radiólogo toma la decisión final con el informe de la IA como soporte) operativa en centros piloto del NHS en el último trimestre de 2026.
En España, el Instituto Nacional del Cáncer (ISCIII) ha anunciado una convocatoria de financiación para proyectos que adapten y validen estas tecnologías en el contexto del programa de cribado de cáncer de mama autonómico. El plazo de solicitud cierra el 30 de junio de 2026.
