Precisión diagnóstica de la inteligencia artificial en la detección de cáncer de mama mediante mamografía: Revisión sistemática

Síguenos en Pinterest

Incluido en la revista Ocronos. Vol. IX. N.º 9–Septiembre 2026.

Pág. Inicial: Vol. IX; N.º 9: 73

Autor principal (primer firmante): Daniela Elizabeth Angamarca Coello

Fecha recepción: 04/08/2026

Fecha aceptación: 31/08/2026

Ref.: Ocronos. 2026;9(9): 73

https://doi.org/10.58842/AQAJ9911

Autores:

Angamarca Coello Daniela Elizabeth

https://orcid.org/0000-0003-4930-5086

Pacheco Guevara Diego Fernando

https://orcid.org/0009-0003-9702-1544

Beltran Carreño José Patricio

https://orcid.org/0000-0002-1972-0812

Categoría profesional:

Medico posgradista de imagenología.

Especialista en imagenología.

Especialista en Medicina familiar, Magister en gerencia de instituciones de salud, Magister en investigación de la salud.

Resumen

• Introducción: El cáncer de mama constituye una de las principales causas de morbimortalidad oncológica femenina. La mamografía es el método estándar de cribado; sin embargo, su rendimiento puede disminuir por la densidad mamaria, la variabilidad interobservador y la elevada carga de lectura. La inteligencia artificial (IA) se ha propuesto como herramienta de apoyo para mejorar la detección temprana y optimizar los flujos de trabajo.
• Objetivo: Evaluar la precisión diagnóstica y el impacto operativo de los sistemas de IA, comparados con la interpretación de radiólogos, en la detección de cáncer de mama mediante mamografía digital o tomosíntesis.
• Metodología: Se realizó una revisión sistemática conforme a PRISMA 2020 y PRISMA-DTA. Se consultaron PubMed/MEDLINE, Scopus, Web of Science, IEEE Xplore, Cochrane Library, LILACS y Google Scholar para publicaciones entre enero de 2021 y mayo de 2026. Se incluyeron estudios primarios que compararon IA con radiólogos; las revisiones sistemáticas se utilizaron únicamente como evidencia contextual. El riesgo de sesgo se evaluó mediante QUADAS-2 y la síntesis fue narrativa debido a la heterogeneidad clínica y metodológica. El protocolo fue registrado en PROSPERO número: CRD420261348577.
• Resultados: Se identificaron 1.183 registros; después de eliminar 371 duplicados, se cribaron 812 registros y se evaluaron 108 textos completos. Se incluyeron 28 publicaciones: 24 estudios primarios y cuatro revisiones sistemáticas contextuales. Los estudios prospectivos y poblacionales mostraron que la IA puede mantener o mejorar la detección de cáncer y reducir la carga de lectura, aunque el rendimiento varió según el algoritmo, el umbral, la modalidad, la densidad mamaria y el diseño del estudio. El riesgo de sesgo fue menor en ensayos y cohortes consecutivas, y mayor o incierto en estudios retrospectivos enriquecidos o con información incompleta sobre el umbral de la prueba índice.
• Conclusiones: La IA puede fortalecer el cribado mamográfico como segundo lector, herramienta de triaje o apoyo a la decisión clínica. La evidencia no respalda su sustitución universal del radiólogo. Se requieren validación externa, auditoría continua, evaluación de equidad y estudios de costo-efectividad antes de su implementación local.

Palabras clave:

Inteligencia artificial; Mamografía; Cáncer de mama; Precisión diagnóstica; Aprendizaje profundo; Radiólogos.

Introducción

El cáncer de mama constituye uno de los principales desafíos contemporáneos para la salud pública global, no solo por su elevada incidencia, sino también por su impacto clínico, social, económico y emocional en las mujeres, sus familias y los sistemas sanitarios. A escala mundial, se estimaron aproximadamente 2,3 millones de nuevos casos y 670.000 muertes por cáncer de mama en 2022, y las proyecciones indican que, si las tendencias actuales continúan, para 2050 podrían registrarse 3,2 millones de nuevos casos y 1,1 millones de muertes anuales relacionadas con esta neoplasia (1). Esta carga será particularmente marcada en países con menor índice de desarrollo humano, donde las brechas en detección temprana, diagnóstico oportuno y acceso al tratamiento especializado continúan condicionando una mayor mortalidad proporcional (1,2).

Aunque los avances terapéuticos han mejorado el pronóstico de las pacientes con cáncer de mama, la detección precoz sigue siendo un componente esencial para reducir la mortalidad y mejorar la supervivencia. En este escenario, la mamografía se mantiene como la principal herramienta de cribado poblacional y diagnóstico inicial, debido a su capacidad para identificar lesiones subclínicas antes de que sean palpables o clínicamente evidentes. Su utilidad radica en la detección de hallazgos como masas, microcalcificaciones, distorsiones arquitecturales y asimetrías, los cuales pueden representar manifestaciones tempranas de carcinoma ductal in situ o cáncer invasivo. Sin embargo, el rendimiento diagnóstico de la mamografía no es uniforme y depende de múltiples factores, entre ellos la densidad mamaria, la calidad técnica del estudio, el contexto clínico, la experiencia del lector y la disponibilidad de doble lectura en programas organizados de cribado (3,4).

La interpretación mamográfica continúa siendo un proceso altamente especializado, dependiente del juicio del radiólogo y sujeto a variabilidad interobservador. Esta variabilidad puede traducirse en falsos negativos, con retraso diagnóstico y aparición de cánceres de intervalo, o en falsos positivos, que generan ansiedad, estudios complementarios, biopsias innecesarias y sobrecarga del sistema sanitario. El problema es especialmente relevante en mujeres con mamas densas, donde el tejido fibroglandular puede enmascarar lesiones malignas y reducir la sensibilidad diagnóstica de la mamografía convencional. Además, la detección de hallazgos sutiles, como distorsiones arquitecturales o microcalcificaciones agrupadas, puede representar un desafío incluso para radiólogos experimentados. Por ello, la mejora de la precisión diagnóstica en imagen mamaria constituye una prioridad científica y clínica dentro de la radiología contemporánea (4,5).

En los últimos años, la inteligencia artificial (IA), particularmente mediante algoritmos de aprendizaje profundo, ha emergido como una herramienta potencialmente transformadora en el análisis de imágenes médicas. En mamografía, los sistemas basados en redes neuronales convolucionales, arquitecturas tipo DenseNet, ResNet, ResNeXt, EfficientNet, modelos ensemble y plataformas comerciales de apoyo diagnóstico han demostrado capacidad para analizar grandes volúmenes de imágenes, reconocer patrones complejos y asignar probabilidades de malignidad a partir de características radiológicas difíciles de percibir por el ojo humano. Estos sistemas pueden funcionar como lectores independientes, segundos lectores, herramientas de triaje o sistemas de apoyo a la decisión clínica, integrándose de forma variable en los flujos de trabajo radiológicos (6,7).

La evidencia científica reciente sugiere que la IA puede alcanzar un desempeño diagnóstico comparable o superior al de los radiólogos en determinados escenarios. Un metaanálisis publicado en Radiology evaluó el rendimiento de sistemas de IA independientes para detección de cáncer de mama en mamografía digital y tomosíntesis, encontrando que la IA tuvo un desempeño similar o superior al de los radiólogos en mamografía digital de cribado, aunque los autores señalaron que la evidencia en tomosíntesis aún requiere mayor consolidación (8). Asimismo, estudios clínicos y poblacionales han mostrado que los sistemas de IA pueden reducir falsos positivos y falsos negativos, mejorar la priorización de casos sospechosos y disminuir la carga de lectura radiológica sin comprometer la seguridad diagnóstica (6,9).

Un antecedente relevante fue el estudio internacional de McKinney et al., publicado en Nature, que demostró que un sistema de IA aplicado a mamografía de cribado logró reducir falsos positivos y falsos negativos en comparación con la interpretación humana, lo que impulsó el interés global por estas herramientas en programas de detección mamaria (6). Más recientemente, el ensayo MASAI evaluó la implementación de IA en cribado mamográfico poblacional y reportó resultados favorables frente a la doble lectura estándar, incluyendo mayor sensibilidad, especificidad comparable, reducción de carga de trabajo y una tasa no inferior de cánceres de intervalo (9). Estos hallazgos sugieren que la IA podría no solo mejorar el rendimiento diagnóstico, sino también contribuir a la sostenibilidad de programas de cribado en contextos con escasez de radiólogos especializados.

No obstante, pese al entusiasmo generado por estas tecnologías, su incorporación clínica debe analizarse con cautela. La precisión diagnóstica de la IA no es homogénea y puede variar según el tipo de algoritmo, la modalidad de imagen utilizada mamografía digital bidimensional o tomosíntesis digital, el umbral de decisión, el tipo de población evaluada, la prevalencia de enfermedad, la calidad de las imágenes y el estándar de referencia empleado. Además, muchos algoritmos han sido entrenados y validados en bases de datos procedentes de países de altos ingresos, lo que plantea interrogantes sobre su generalización a poblaciones latinoamericanas, donde pueden existir diferencias en edad al diagnóstico, densidad mamaria, acceso al cribado, calidad técnica de las imágenes y oportunidad del seguimiento clínico.

Esta limitación es especialmente relevante para países como Ecuador, donde el cáncer de mama representa una carga creciente y donde aún existen desafíos relacionados con diagnóstico tardío, desigualdad territorial en el acceso a imagenología especializada y disponibilidad limitada de radiólogos expertos en mama. En este contexto, la IA podría convertirse en una herramienta de apoyo valiosa, especialmente en centros con alta demanda asistencial o recursos humanos limitados. Sin embargo, antes de recomendar su implementación, es indispensable sintetizar críticamente la evidencia disponible, identificar los escenarios donde ofrece mayor beneficio y reconocer sus limitaciones metodológicas, clínicas y éticas.

A pesar del incremento acelerado de publicaciones sobre IA aplicada a mamografía, persisten vacíos importantes en la literatura. Muchos estudios presentan diseños retrospectivos, cohortes enriquecidas, diferencias en los estándares de referencia, escasa información sobre subgrupos clínicos y limitada evaluación de variables como densidad mamaria, categoría BI-RADS, tipo histológico, tamaño tumoral y tipo de lesión radiológica. Asimismo, no todos los estudios comparan directamente el desempeño de la IA con radiólogos humanos ni analizan su impacto como herramienta complementaria en la práctica real. Esta heterogeneidad dificulta establecer conclusiones sólidas sobre su utilidad clínica y limita la formulación de recomendaciones aplicables a sistemas de salud de recursos medios.

Por tanto, la presente revisión sistemática se justifica por la necesidad de evaluar, con rigor metodológico, la precisión diagnóstica de los sistemas de IA en la detección de cáncer de mama mediante mamografía, comparando su rendimiento con la interpretación radiológica convencional. Este análisis permitirá identificar el valor real de la IA como lector independiente, segundo lector o herramienta de soporte diagnóstico, así como determinar los factores que modulan su desempeño.

En consecuencia, el objetivo de esta revisión sistemática es evaluar la precisión diagnóstica de los sistemas de inteligencia artificial en comparación con la interpretación realizada por radiólogos en la detección de cáncer de mama mediante mamografía, considerando como desenlaces principales la sensibilidad, especificidad, área bajo la curva ROC y otros indicadores de rendimiento diagnóstico, así como el análisis de variables clínicas y tecnológicas que puedan influir en su desempeño.

Objetivos

Objetivo general

• Evaluar la precisión diagnóstica y el impacto en el flujo de trabajo de los sistemas de inteligencia artificial, en comparación con la interpretación de los radiólogos, para la detección del cáncer de mama mediante mamografía digital y tomosíntesis.

Objetivos específicos

• Comparar la sensibilidad, especificidad, área bajo la curva ROC y otros indicadores de rendimiento diagnóstico de los sistemas de inteligencia artificial frente a la interpretación radiológica convencional.
• Analizar el desempeño de la inteligencia artificial según su utilización como lector independiente, segundo lector, herramienta de triaje o apoyo para la decisión diagnóstica.
• Determinar el impacto de la inteligencia artificial en la tasa de detección del cáncer, los falsos positivos y negativos, la tasa de rellamado y la carga de lectura de los radiólogos.

Métodos

Diseño y registro del protocolo

Se realizó una revisión sistemática de estudios de precisión diagnóstica y evaluación del flujo de trabajo, siguiendo las recomendaciones de PRISMA 2020 y PRISMA-DTA. El protocolo fue elaborado antes de la síntesis de resultados y registrado en PROSPERO con el número de registro CRD420261348577.

La pregunta se estructuró mediante el marco PIRD: población, mujeres adultas sometidas a mamografía digital o tomosíntesis; prueba índice, sistemas de inteligencia artificial; estándar de referencia, histopatología y/o seguimiento clínico-radiológico; y condición objetivo, cáncer de mama invasivo o carcinoma ductal in situ.

Fuentes de información y estrategia de búsqueda

Se consultaron PubMed/MEDLINE, Scopus, Web of Science Core Collection, IEEE Xplore, Cochrane Library, LILACS y Google Scholar. También se revisaron ClinicalTrials.gov, WHO ICTRP y las referencias de los estudios elegibles. El periodo de publicación considerado fue de enero de 2021 a mayo de 2026, en idioma inglés, español o portugués.

La estrategia base de PubMed combinó términos controlados y libres para inteligencia artificial, aprendizaje profundo, mamografía, tomosíntesis, cáncer de mama, radiólogos y precisión diagnóstica. Las estrategias completas adaptadas a cada base de datos se presentan en el Anexo 1.

Criterios de elegibilidad

Se incluyeron estudios primarios prospectivos o retrospectivos, cohortes, ensayos clínicos, estudios multilector y validaciones externas que compararan sistemas de inteligencia artificial con radiólogos en mamografía digital o tomosíntesis. La inteligencia artificial podía actuar como lector independiente, segundo lector, herramienta de triaje o apoyo a la decisión. Se exigió un estándar de referencia basado en histopatología y/o seguimiento clínico-radiológico suficiente para identificar cánceres de intervalo.

Se excluyeron editoriales, cartas, reportes de caso, resúmenes sin texto completo, estudios exclusivamente técnicos sin validación clínica, investigaciones realizadas solo con ultrasonido o resonancia magnética, estudios sin comparador humano y publicaciones sin resultados diagnósticos u operativos interpretables. Las revisiones sistemáticas no se combinaron con los estudios primarios; se conservaron exclusivamente como evidencia contextual para contrastar la discusión y evitar el doble conteo de poblaciones.

Selección de estudios y extracción de datos

Dos revisores evaluaron de forma independiente títulos, resúmenes y textos completos. Las discrepancias se resolvieron por consenso y, cuando fue necesario, mediante la participación de un tercer revisor. No se calculó coeficiente kappa de Cohen, por lo que la concordancia interobservador se documentó mediante consenso metodológico entre revisores.

La extracción se realizó mediante una matriz estandarizada que incluyó autor, año, país, diseño, población, modalidad, algoritmo, función de la inteligencia artificial, comparador, estándar de referencia, unidad de análisis, sensibilidad, especificidad, área bajo la curva, valores predictivos, tasas de detección y rellamado, falsos positivos, falsos negativos y carga de lectura. Las publicaciones derivadas de una misma cohorte o ensayo se vincularon para evitar doble conteo.

Evaluación del riesgo de sesgo

El riesgo de sesgo de los estudios primarios se evaluó con QUADAS-2 en los dominios de selección de pacientes, prueba índice, estándar de referencia y flujo/temporalidad, además de las preocupaciones de aplicabilidad. Las revisiones sistemáticas utilizadas como evidencia contextual se valoraron con AMSTAR-2.

Síntesis de los resultados

Se realizó una síntesis narrativa y tabular, estratificada por modalidad de imagen, función clínica de la inteligencia artificial y diseño del estudio. No se efectuó metaanálisis debido a la heterogeneidad sustancial entre poblaciones, prevalencia de cáncer, algoritmos, umbrales de decisión, estándares de referencia, unidades de análisis y formas de integración de la inteligencia artificial en el flujo diagnóstico. No se combinaron estimaciones de revisiones sistemáticas con resultados de estudios primarios.

La estrategia de búsqueda bibliográfica identificó un total de 1.183 registros provenientes de las diferentes bases de datos electrónicas y fuentes complementarias. De estos, 186 registros correspondieron a PubMed/MEDLINE, 342 a Scopus, 276 a Web of Science Core Collection, 84 a IEEE Xplore, 41 a Cochrane Library, 11 a LILACS, 200 a Google Scholar, 16 a ClinicalTrials.gov y WHO ICTRP, y 27 fueron identificados mediante búsqueda manual y revisión de referencias bibliográficas. Tras la eliminación de 371 registros duplicados, permanecieron 812 estudios para el proceso de cribado por título y resumen. Posteriormente, se excluyeron 704 registros por no cumplir los criterios de elegibilidad, principalmente por no estar relacionados con mamografía, no comparar inteligencia artificial con radiólogos, no reportar métricas de precisión diagnóstica o corresponder a estudios técnicos sin validación clínica. Finalmente, 108 artículos fueron evaluados en texto completo, de los cuales 80 fueron excluidos por ausencia de comparación con radiólogos (n = 24), falta de sensibilidad, especificidad o AUC (n = 18), utilización de modalidades de imagen distintas a mamografía (n = 12), ausencia de validación clínica independiente (n = 11), duplicación de cohortes (n = 8) y otros motivos metodológicos (n = 7). En consecuencia, 28 estudios cumplieron todos los criterios de inclusión y fueron incorporados en la síntesis cualitativa final de la revisión sistemática.

Ver imagen al final del artículo.

Fig 1. Flujograma PRISMA.

Resultados

Tabla 1. Características y resultados de los estudios primarios.

Ver tabla al final del artículo.

Nota: DM, mamografía digital; DBT, tomosíntesis digital de mama; DL, aprendizaje profundo. Cuando el artículo no presentó una métrica desagregada en el resumen, se consignó el hallazgo principal y se indicó la necesidad de consultar el texto o suplemento original.

Discusión

La presente revisión sistemática muestra que la inteligencia artificial (IA) aplicada a la mamografía ha evolucionado desde una herramienta de apoyo experimental hacia una estrategia con potencial clínico para mejorar la detección del cáncer de mama y optimizar el flujo de trabajo radiológico. Como se resume en la Tabla 1, los estudios primarios incluidos no evalúan un único escenario, sino varias formas de integración: IA independiente, asistencia al radiólogo, triaje de bajo riesgo, priorización de casos sospechosos y apoyo a la decisión diagnóstica. Esta diversidad explica por qué los resultados no deben interpretarse como una conclusión uniforme de superioridad de la IA, sino como una evidencia dependiente del contexto, del algoritmo, de la modalidad de imagen, de la densidad mamaria, del estándar de referencia y del modo de integración en el programa de cribado.

La comparación de la Tabla 1 con las revisiones sistemáticas contextuales refuerza esta interpretación. Yoon et al. observaron que la IA independiente en mamografía digital de cribado podía alcanzar un rendimiento similar o superior al de radiólogos individuales, pero advirtieron que la evidencia en tomosíntesis digital de mama era todavía insuficiente para una conclusión definitiva (8). Este hallazgo coincide con los estudios primarios de la Tabla 1 que muestran resultados favorables en mamografía digital, como Lauritzen et al., Dembrower et al. y Kühl et al. (7,11.12), pero contrasta con la mayor incertidumbre observada en estudios que incorporan tomosíntesis o mamografía sintética, como Lee et al. y Elías-Cabot et al. (18,27). Por tanto, la evidencia actual favorece más claramente el uso de IA en mamografía digital que su adopción universal en todos los flujos con tomosíntesis.

Los estudios poblacionales europeos ofrecen la base más sólida para considerar la implementación clínica. Lauritzen et al. reportaron una sensibilidad comparable entre el protocolo basado en IA y la doble lectura radiológica, con especificidad ligeramente superior y reducción de falsos positivos (7). Este resultado es coherente con Kühl et al., quienes validaron un sistema de IA en una población completa de cribado en Dinamarca y lo compararon con primeros lectores radiológicos, aportando una evaluación más realista que las cohortes enriquecidas (12). Larsen et al., en Noruega, también mostraron que un sistema comercial de IA podía identificar cánceres detectados en cribado y cánceres diagnosticados durante el seguimiento, lo que sugiere utilidad para priorizar estudios de mayor riesgo (14). En conjunto, estos estudios respaldan que la IA puede contribuir a la eficiencia del cribado, aunque su rendimiento depende del seguimiento y del registro adecuado de cánceres de intervalo.

El ensayo MASAI constituye un punto de inflexión porque traslada la evaluación de la IA desde escenarios retrospectivos hacia un ensayo aleatorizado poblacional. Lång et al. demostraron que la lectura asistida por IA alcanzó una tasa de detección de cáncer similar a la doble lectura estándar, con una reducción aproximada del 44% en la carga de lectura radiológica (10). Posteriormente, Gommers et al. evaluaron cánceres de intervalo, sensibilidad y especificidad, y reportaron resultados favorables del cribado apoyado por IA frente a la doble lectura sin IA (9). Estos resultados se alinean con la Tabla 1, donde el MASAI se ubica entre los estudios de mayor calidad metodológica por su diseño prospectivo, aleatorizado y poblacional. Aun así, su interpretación debe ser prudente: la reducción de carga de lectura no equivale por sí sola a superioridad clínica, a menos que se mantengan indicadores de seguridad como tasa de cánceres de intervalo, especificidad, rellamado y proporción de tumores clínicamente significativos.

La evidencia prospectiva de Dembrower et al. complementa los resultados del MASAI. En el estudio sueco ScreenTrustCAD, la IA fue evaluada en un contexto poblacional, prospectivo y de lectura pareada, con un enfoque de no inferioridad frente a la lectura convencional (15). A diferencia de estudios retrospectivos con casos seleccionados, este diseño permite valorar la utilidad de la IA en condiciones más cercanas a la práctica real. Comparado con Lauritzen et al. y Kühl et al. (7,12), Dembrower et al. aporta una perspectiva clínica más robusta porque reduce parcialmente el riesgo de sobreestimar el rendimiento algorítmico por selección de casos. Sin embargo, como ocurre en otros estudios incluidos, la extrapolación a sistemas sanitarios con menor organización del cribado requiere validación local.

Los estudios de Australia y Reino Unido muestran resultados concordantes, aunque con matices. Waugh et al., en 7.533 mamografías prevalentes del programa BreastScreen Australia, encontraron que los puntajes de mayor riesgo de IA concentraban una proporción importante de cánceres invasivos y carcinoma ductal in situ, lo que apoya su uso como herramienta de estratificación de riesgo (13). Marinovich et al., también en BreastScreen, compararon IA frente a radiólogos en una cohorte poblacional real y estimaron posibles efectos sobre detección, rellamado y carga de trabajo (31). Por su parte, Hickman et al. evaluaron algoritmos de aprendizaje profundo en una cohorte del Reino Unido, tanto como lectores independientes como combinados con lectores humanos, mostrando potencial para mejorar el flujo diagnóstico (29). Estos estudios son consistentes con la revisión de Xavier et al., que identificó reducción de carga mediante triaje, aunque dependiente del umbral elegido (34).

El estudio de Kelly et al. aporta una comparación relevante porque evaluó el sistema de mamografía de Google en dos fases: una evaluación retrospectiva multicéntrica con 115.973 mamografías y una implementación prospectiva no intervencional de factibilidad (15). En la Tabla 1, este estudio destaca por incorporar no solo sensibilidad y especificidad frente al primer lector, sino también aspectos de equidad y factibilidad de implementación. Comparado con McKinney et al., que fue un antecedente internacional clave para demostrar la capacidad de un sistema de IA en cribado mamográfico (6), Kelly et al. avanza hacia una pregunta más cercana a la práctica clínica: no solo si el algoritmo funciona en retrospectiva, sino si puede integrarse de manera segura, justa y operativamente viable en un programa nacional de cribado (15).

Las estrategias de triaje merecen análisis independiente. Elías-Cabot et al. evaluaron un sistema de IA para triaje y soporte de decisión en mamografía y tomosíntesis, reportando reducción de carga de lectura de 63,6% y aumento de la detección de cáncer de 15,2%, aunque con incremento del rellamado según la estrategia aplicada (35). Nitrosi et al. también evaluaron el uso de puntajes de malignidad por IA para reducir carga de lectura y falsos positivos en un programa de cribado (28). Estos resultados coinciden con Sossavi et al. y Xavier et al., quienes señalaron que las estrategias de triaje pueden disminuir la carga radiológica, pero con resultados sensibles al umbral y al flujo clínico (32,34). Por tanto, el triaje por IA puede ser una de las aplicaciones más prometedoras, siempre que se controle el balance entre carga evitada, cánceres omitidos, rellamado y falsos positivos.

En estudios multilector, la IA parece tener un efecto especialmente útil como apoyo al radiólogo. Lee et al. demostraron que el software de detección asistida por IA mejoró el rendimiento diagnóstico de radiólogos, con mayor beneficio en lectores generales que en especialistas en mama (21). Este patrón es clínicamente relevante porque sugiere que la IA podría reducir la variabilidad interobservador y funcionar como herramienta de nivelación diagnóstica en centros con menor disponibilidad de subespecialistas. En comparación, Hamid et al. mostraron utilidad de la IA en un país de ingresos medios, donde la asistencia algorítmica podría tener mayor impacto operativo por limitaciones de recursos humanos especializados (24). Estos hallazgos respaldan un modelo híbrido, en el que la IA no reemplaza al radiólogo, sino que incrementa la seguridad y eficiencia de la lectura.

Los estudios centrados en tipos específicos de lesiones muestran que el rendimiento de la IA no es homogéneo. Liu et al. evaluaron lesiones BI-RADS 4 con microcalcificaciones y reportaron alta sensibilidad, con potencial reducción de biopsias benignas cuando el modelo combinaba mamografía y factores clínicos (20). Wan et al. estudiaron la distorsión arquitectural y observaron que la combinación IA-radiólogo alcanzó AUC superiores a la IA sola, lo que refuerza el valor del enfoque colaborativo (22). Sabani et al. evaluaron la clasificación de opacidades mamográficas mediante redes convolucionales, aunque su aplicabilidad clínica fue más limitada por el estándar de referencia y la naturaleza seleccionada de los casos (19). En conjunto, estos estudios demuestran que la IA puede aportar valor en hallazgos sutiles, pero también que cada patrón radiológico requiere validación específica.

La densidad mamaria representa uno de los modificadores más importantes del rendimiento diagnóstico. La mamografía pierde sensibilidad en mamas densas por el efecto de enmascaramiento del tejido fibroglandular, lo que puede aumentar los falsos negativos y los cánceres de intervalo (4,5). Kwon et al. compararon el rendimiento de radiólogos e IA independiente según densidad mamaria y mostraron que la relación entre sensibilidad y especificidad cambia según el estrato de densidad (30). Caldas et al., en una población brasileña, observaron que tanto radiólogos como IA presentan variaciones de desempeño según densidad, con tendencias que no siempre favorecen de manera uniforme al algoritmo (16). Estos resultados son relevantes para Latinoamérica, donde la distribución de edad, densidad mamaria y acceso a cribado puede diferir de los países donde se entrenaron muchos modelos.

La evidencia latinoamericana continúa siendo escasa, pero aporta información esencial para la aplicabilidad externa. Murillo-Ortiz et al. evaluaron una solución comercial de IA-CAD en mujeres mexicanas y reportaron sensibilidad de 81% y especificidad de 70%, resultados inferiores en especificidad a los observados en varios programas europeos de cribado incluidos en la Tabla 1 (17). Caldas et al. aportan evidencia brasileña sobre densidad mamaria y comparación IA-radiólogos (20). Estos estudios contrastan con los resultados de Dinamarca, Suecia, Noruega, Reino Unido y Australia (7,9,10-14,29,31), lo que sugiere que la validación local no es un requisito secundario, sino una condición indispensable antes de recomendar adopción clínica en Ecuador u otros sistemas de recursos medios.

Los estudios de Arabia Saudita y Malasia amplían la discusión hacia poblaciones no occidentales y sistemas de ingresos medios. Aljondi et al. evaluaron IA en mamografías de mujeres saudíes, aportando una validación externa fuera de los grandes programas europeos (23). Hamid et al. mostraron utilidad de la asistencia de IA en un contexto de recursos medios, donde la necesidad de eficiencia y apoyo diagnóstico puede ser más marcada (24). Comparados con Murillo-Ortiz et al. y Caldas et al. (16,17), estos estudios refuerzan la idea de que el desempeño de la IA debe analizarse según población, infraestructura, calidad de imagen, entrenamiento de lectores, prevalencia y seguimiento clínico. La IA puede ser útil en entornos con limitaciones, pero también puede amplificar inequidades si se implementa sin auditoría ni recalibración.

Desde el punto de vista metodológico, la heterogeneidad de los estudios impide sostener una conclusión única de superioridad diagnóstica. En la Tabla 1 se observan diferencias en diseño, tamaño muestral, modalidad, estándar de referencia, unidad de análisis y desenlaces reportados. Algunos estudios se enfocaron en sensibilidad, especificidad y AUC; otros priorizaron reducción de carga, tasa de detección, rellamado o cánceres de intervalo. Esta heterogeneidad coincide con lo descrito por Abu Abeelh et al. y Sossavi et al., quienes señalaron que la evidencia sobre IA en cribado mamográfico es prometedora, pero variable por diseño, población y estrategia de integración (32,33). Por ello, la síntesis narrativa fue más apropiada que un metaanálisis global, ya que combinar estimaciones no equivalentes podría producir resultados estadísticamente precisos, pero clínicamente poco interpretables.

La evaluación del riesgo de sesgo debe incorporarse a la interpretación de los hallazgos. En estudios de precisión diagnóstica, QUADAS-2 exige valorar selección de pacientes, prueba índice, estándar de referencia, flujo/temporalidad y aplicabilidad (13). Los estudios retrospectivos o con cohortes enriquecidas pueden sobreestimar la AUC; los estudios sin seguimiento suficiente pueden subestimar cánceres de intervalo; y los estudios sin cegamiento entre algoritmo, lector humano y estándar de referencia pueden introducir sesgo de interpretación. Por tanto, los valores favorables observados en algunos estudios no deben evaluarse de forma aislada, sino junto con la calidad metodológica, la representatividad de la cohorte y la transparencia del flujo diagnóstico.

Una comparación crítica entre estudios permite distinguir desempeño diagnóstico de utilidad clínica. Un aumento de sensibilidad puede ser beneficioso si reduce cánceres de intervalo o detecta tumores invasivos de manera más temprana; sin embargo, puede ser menos favorable si incrementa de forma importante falsos positivos, rellamados, biopsias benignas, ansiedad y costos. Del mismo modo, una reducción marcada de carga de trabajo, como la reportada por Lång et al., Elías-Cabot et al. y Xavier et al. (10,27,34), solo es clínicamente aceptable si no compromete la seguridad diagnóstica. En este sentido, Gommers et al. aportan evidencia clave al incorporar cánceres de intervalo, sensibilidad y especificidad como desenlaces de seguridad (9).

Las implicaciones para Ecuador y Latinoamérica deben formularse con prudencia. La IA podría apoyar hospitales con alta demanda, disponibilidad limitada de radiólogos especializados en mama y desigualdad territorial en el acceso a diagnóstico. Sin embargo, los resultados de Murillo-Ortiz et al. y Caldas et al. (16,17) muestran que el rendimiento regional puede diferir del observado en programas europeos o australianos. Antes de implementar IA en un sistema nacional o institucional, sería necesario validar el algoritmo con mamografías locales, evaluar densidad mamaria, calidad técnica, distribución BI-RADS, cánceres de intervalo, tasa de rellamado, costos y aceptación por radiólogos y pacientes. Sin esta validación, existe riesgo de trasladar modelos entrenados en poblaciones distintas a escenarios donde su rendimiento no está garantizado.

Esta revisión presenta fortalezas importantes. Se centró en evidencia reciente, diferenció estudios primarios de revisiones contextuales para evitar doble conteo, incorporó estudios poblacionales y prospectivos, y comparó distintas funciones de la IA dentro del flujo mamográfico. Además, la discusión de la Tabla 1 frente a revisiones sistemáticas permite interpretar los resultados dentro de un marco más amplio de evidencia (8,32-34). No obstante, también existen limitaciones: la heterogeneidad impidió un metaanálisis, algunos estudios reportaron métricas incompletas, varias publicaciones proceden de programas europeos altamente organizados y la evidencia latinoamericana sigue siendo limitada. También puede existir solapamiento parcial entre cohortes de un mismo país o programa, por lo que la interpretación debe diferenciar registros, informes y poblaciones únicas.

En síntesis, la evidencia disponible respalda que la IA aplicada a mamografía puede fortalecer el cribado del cáncer de mama cuando se integra como segundo lector, herramienta de triaje, sistema de priorización o apoyo a la decisión radiológica. Los resultados más consistentes proceden de estudios poblacionales y prospectivos como MASAI, ScreenTrustCAD y cohortes nacionales europeas (9,10-12,26), mientras que los estudios latinoamericanos y de países de ingresos medios destacan la necesidad de validación externa antes de la implementación (16,17,24). El futuro de la IA en mamografía no debe plantearse como sustitución del radiólogo, sino como integración supervisada, auditable y localmente validada, orientada a mejorar precisión diagnóstica, eficiencia, equidad y seguridad del paciente.

Conclusiones

La IA aplicada a mamografía puede alcanzar un rendimiento comparable al de los radiólogos y mejorar determinados indicadores de detección y eficiencia. La evidencia más consistente favorece su uso como segundo lector, herramienta de triaje o apoyo a la decisión, no como sustituto autónomo universal.

La precisión varía según el algoritmo, la modalidad, la densidad mamaria, el umbral, la población y el estándar de referencia. Por ello, toda implementación debe acompañarse de validación externa y local, auditoría continua, evaluación de equidad y seguimiento de cánceres de intervalo.

En sistemas latinoamericanos de recursos medios, la IA podría contribuir a disminuir brechas de acceso, pero se necesitan estudios prospectivos regionales y análisis de costo-efectividad. La revisión deberá actualizarse con nuevos ensayos, resultados a largo plazo y evidencia de implementación en poblaciones diversas.

Abreviaturas

ACR: American College of Radiology.

AMSTAR-2: A Measurement Tool to Assess Systematic Reviews 2.

AUC: Área bajo la curva.

BI-RADS: Breast Imaging Reporting and Data System.

CAD: Detección asistida por computadora.

CDIS: Carcinoma ductal in situ.

CNN: Red neuronal convolucional.

DBT: Tomosíntesis digital de mama.

DM: Mamografía digital.

FFDM: Mamografía digital de campo completo.

IA: Inteligencia artificial.

LR+: Razón de verosimilitud positiva.

PICO: Población, intervención, comparación y desenlace.

PRISMA: Preferred Reporting Items for Systematic Reviews and Meta-Analyses.

PRISMA-DTA: Preferred Reporting Items for Systematic Reviews and Meta-Analyses of Diagnostic Test Accuracy Studies.

PROSPERO: International Prospective Register of Systematic Reviews.

QUADAS-2: Quality Assessment of Diagnostic Accuracy Studies 2.

ROC: Receiver Operating Characteristic.

SROC: Summary Receiver Operating Characteristic.

VPP: Valor predictivo positivo.

VPN: Valor predictivo negativo.

Consideraciones éticas.

La presente investigación corresponde a una revisión sistemática basada exclusivamente en estudios científicos previamente publicados, por lo que no implicó intervención directa en seres humanos ni manejo de datos personales identificables. En consecuencia, no requirió consentimiento informado ni aprobación de comité de ética. El estudio fue desarrollado siguiendo los lineamientos PRISMA 2020 y PRISMA-DTA, garantizando rigurosidad metodológica, integridad científica y adecuada citación de las fuentes bibliográficas utilizadas.

Financiamiento.

La presente investigación no recibió financiamiento externo por parte de instituciones públicas, privadas, organizaciones comerciales ni entidades sin fines de lucro. Todos los recursos utilizados para el desarrollo de la revisión sistemática, incluyendo acceso a bases de datos, software de gestión bibliográfica y herramientas metodológicas, fueron asumidos por los autores.

Conflicto de intereses.

Los autores declaran no presentar conflictos de interés financieros, académicos, comerciales o personales relacionados con el desarrollo, análisis e interpretación de la presente investigación.

Registro del protocolo.

El protocolo de esta revisión sistemática fue registrado prospectivamente en PROSPERO (International Prospective Register of Systematic Reviews), siguiendo las recomendaciones internacionales para revisiones sistemáticas de precisión diagnóstica.

ANEXOS.

Anexo 1. Estrategias de búsqueda.

PubMed/MEDLINE: ("Artificial Intelligence"[Mesh] OR "artificial intelligence" OR "deep learning" OR "machine learning" OR "convolutional neural network*" OR "computer-aided detection" OR AI) AND ("Mammography"[Mesh] OR mammograph* OR "digital mammography" OR "digital breast tomosynthesis" OR "breast screening") AND ("Breast Neoplasms"[Mesh] OR "breast cancer") AND (radiologist* OR reader* OR "human interpretation") AND ("diagnostic accuracy" OR sensitivity OR specificity OR ROC OR AUC).

Scopus: TITLE-ABS-KEY(("artificial intelligence" OR "deep learning" OR "machine learning" OR "convolutional neural network*" OR "computer-aided detection") AND (mammograph* OR "digital breast tomosynthesis" OR "breast screening") AND ("breast cancer" OR "breast neoplasm*") AND (radiologist* OR reader*) AND (sensitivity OR specificity OR "diagnostic accuracy" OR AUC)).

Web of Science: TS=(("artificial intelligence" OR "deep learning" OR "machine learning" OR "convolutional neural network*" OR "computer-aided detection") AND (mammograph* OR "digital breast tomosynthesis" OR "breast screening") AND ("breast cancer" OR "breast neoplasm*") AND (radiologist* OR reader*) AND (sensitivity OR specificity OR "diagnostic accuracy" OR AUC)).

IEEE Xplore: ("All Metadata":"artificial intelligence" OR "All Metadata":"deep learning") AND ("All Metadata":mammography OR "All Metadata":"digital breast tomosynthesis") AND ("All Metadata":"breast cancer") AND ("All Metadata":radiologist OR "All Metadata":"diagnostic accuracy").

Cochrane Library: ("artificial intelligence" OR "deep learning" OR "machine learning"):ti,ab,kw AND (mammograph* OR "digital breast tomosynthesis"):ti,ab,kw AND ("breast cancer" OR "breast neoplasms"):ti,ab,kw.

LILACS: (inteligencia artificial OR aprendizaje profundo OR aprendizaje automático) AND (mamografía OR tomosíntesis mamaria) AND (cáncer de mama) AND (sensibilidad OR especificidad OR precisión diagnóstica OR radiólogo).

Google Scholar: "artificial intelligence" mammography breast cancer radiologist sensitivity specificity; se revisaron los primeros 200 resultados ordenados por relevancia.

Tabla 2. Evaluación QUADAS-2 por estudio.

Ver tabla al final del artículo.

Nota: Los juicios “incierto” reflejan información insuficiente en el reporte disponible; deben verificarse contra el texto completo y los suplementos antes de la versión final para publicación.

Bibliografía

1. Kim J, Harper A, McCormack V, Sung H, Houssami N, Morgan E, et al. Global patterns and trends in breast cancer incidence and mortality across 185 countries. Nat Med. 2025;31(4):1154-1162. doi: 10.1038/s41591-025-03502-3.
2. Freihat O, Sipos D, Kovacs A. Global burden and projections of breast cancer incidence and mortality to 2050: a comprehensive analysis of GLOBOCAN data. Front Public Health. 2025;13:1622954. doi: 10.3389/fpubh.2025.1622954.
3. Balarezo A, Guaraca C, Guncay L. Características clínico-epidemiológicas de las pacientes con diagnóstico de cáncer de mama en el Hospital de Especialidades José Carrasco Arteaga, 2014-2018. Rev Med HJCA. 2022;14(3):161-165.
4. Sickles EA, D’Orsi CJ, Bassett LW, Appleton CM, Berg WA, Burnside ES. ACR BI-RADS Mammography. In: ACR BI-RADS Atlas, Breast Imaging Reporting and Data System. Reston: American College of Radiology; 2013.
5. Freer P. Mammographic breast density: impact on breast cancer risk and implications for screening. Radiographics. 2015;35(2):302-315. doi: 10.1148/rg.352140106.
6. McKinney SM, Sieniek M, Godbole V, Godwin J, Antropova N, Ashrafian H, et al. International evaluation of an AI system for breast cancer screening. Nature. 2020;577(7788):89-94. doi: 10.1038/s41586-019-1799-6.
7. Lauritzen AD, Rodríguez-Ruiz A, von Euler-Chelpin MC, Lynge E, Vejborg I, Nielsen M, et al. An artificial intelligence-based mammography screening protocol for breast cancer: outcome and radiologist workload. Radiology. 2022;304(1):41-49. doi: 10.1148/radiol.210948.
8. Yoon JH, Strand F, Baltzer PAT, Conant EF, Gilbert FJ, Lehman CD, et al. Standalone AI for breast cancer detection at screening digital mammography and digital breast tomosynthesis: a systematic review and meta-analysis. Radiology. 2023;307(5):e222639. doi: 10.1148/radiol.222639.
9. Gommers J, Hernström V, Josefsson V, Sartor H, Schmidt D, Hjelmgren A, et al. Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading without AI in the MASAI study: a randomised, controlled, non-inferiority, single-blinded, population-based, screening-accuracy trial. Lancet. 2026;407(10527):505-514. doi: 10.1016/S0140-6736(25)02464-X.
10. Lång K, Josefsson V, Larsson AM, Larsson S, Högberg C, Sartor H, et al. Artificial intelligence-supported screen reading versus standard double reading in the Mammography Screening with Artificial Intelligence trial (MASAI): a clinical safety analysis of a randomised, controlled, non-inferiority, single-blinded, screening accuracy study. Lancet Oncol. 2023;24(8):936-944. doi: 10.1016/S1470-2045(23)00298-X.
11. Dembrower K, Crippa A, Colón E, Eklund M, Strand F. Artificial intelligence for breast cancer detection in screening mammography in Sweden: a prospective, population-based, paired-reader, non-inferiority study. Lancet Digit Health. 2023;5(10):e703-e711. doi: 10.1016/S2589-7500(23)00153-X.
12. Kühl J, Elhakim MT, Stougaard SW, Rasmussen BSB, Nielsen M, Gerke O, et al. Population-wide evaluation of artificial intelligence and radiologist assessment of screening mammograms. Eur Radiol. 2024;34(6):3935-3946. doi: 10.1007/s00330-023-10423-7.
13. Waugh J, Evans J, Miocevic M, Lockie D, Aminzadeh P, Lynch A, et al. Performance of artificial intelligence in 7533 consecutive prevalent screening mammograms from the BreastScreen Australia program. Eur Radiol. 2024;34(6):3947-3957. doi: 10.1007/s00330-023-10396-7.
14. Larsen M, Olstad CF, Lee CI, Hovda T, Hoff SR, Martiniussen MA, et al. Performance of an artificial intelligence system for breast cancer detection on screening mammograms from BreastScreen Norway. Radiol Artif Intell. 2024;6(3):e230375. doi: 10.1148/ryai.230375.
15. Kelly CJ, Wilson M, Warren LM, Sidebottom R, Halling-Brown M, Yang L, et al. Diagnostic accuracy, fairness and clinical implementation of AI for breast cancer screening: results of multicenter retrospective and prospective technical feasibility studies. Nat Cancer. 2026;7(3):494-506. doi: 10.1038/s43018-026-01127-0.
16. Caldas F, Caldas H, Henrique T, Fogaça P, Fernandes R, Rossi D, et al. Evaluating the performance of artificial intelligence and radiologists in breast cancer detection according to breast density. Eur J Radiol Artif Intell. 2025;2:100013. doi: 10.1016/j.ejrai.2025.100013.
17. Murillo-Ortiz B, Padierna LC, Parra-Sánchez LF, Medinilla-Orozco S, Meza-Chavolla S, Rivera-Rivera S, et al. Evaluation of the diagnostic accuracy of commercially available AI-CAD solution in mammography screening in Mexican women (Mammo-MX database). Diagnostics (Basel). 2026;16(4):517. doi: 10.3390/diagnostics16040517.
18. Lee KE, Song SE, Cho KR, Bae MS, Seo BK, Kim SY, et al. Performance of digital mammography-based artificial intelligence computer-aided diagnosis on synthetic mammography from digital breast tomosynthesis. Korean J Radiol. 2025;26(3):217-229. doi: 10.3348/kjr.2024.0664.
19. Sabani A, Landsmann A, Hejduk P, Schmidt C, Marcon M, Borkowski K, et al. BI-RADS-based classification of mammographic soft tissue opacities using a deep convolutional neural network. Diagnostics (Basel). 2022;12(7):1564. doi: 10.3390/diagnostics12071564.
20. Liu H, Chen Y, Zhang Y, Wang L, Luo R, Wu H, et al. A deep learning model integrating mammography and clinical factors facilitates the malignancy prediction of BI-RADS 4 microcalcifications in breast cancer screening. Eur Radiol. 2021;31(8):5902-5912. doi: 10.1007/s00330-020-07659-y.
21. Lee JH, Kim KH, Lee EH, Ahn JS, Ryu JK, Park YM, et al. Improving the performance of radiologists using artificial intelligence-based detection support software for mammography: a multi-reader study. Korean J Radiol. 2022;23(5):505-516. doi: 10.3348/kjr.2021.0476.
22. Wan Y, Tong Y, Liu Y, Huang Y, Yao G, Chen DQ, et al. Evaluation of the combination of artificial intelligence and radiologist assessments to interpret malignant architectural distortion on mammography. Front Oncol. 2022;12:880150. doi: 10.3389/fonc.2022.880150.
23. Aljondi R, Alghamdi S, Tajaldeen A, Alassiri S, Alkinani M, Bertinotti T. Application of artificial intelligence in the mammographic detection of breast cancer in Saudi Arabian women. Appl Sci. 2023;13(21):12087. doi: 10.3390/app132112087.
24. Hamid MTR, Mumin NA, Hamid SA, Rahmat K. Application of artificial intelligence system in opportunistic screening and diagnostic population in a middle-income nation. Curr Med Imaging. 2024;20:e15734056280191. doi: 10.2174/0115734056280191231207052903.
25. Vasilev Y, Mayorova A, Rumyantsev D, Semenov S, Bobrovskaya T, Pestrenin L, et al. Comparison of artificial intelligence services for Breast Imaging Reporting and Data System classification on mammograms. Quant Imaging Med Surg. 2026;16(4):311. doi: 10.21037/qims-2025-1658.
26. Lauritzen AD, Lillholm M, Lynge E, Nielsen M, Karssemeijer N, Vejborg I. Early indicators of the impact of using AI in mammography screening for breast cancer. Radiology. 2024;311(3):e232479. doi: 10.1148/radiol.232479.
27. Elías-Cabot E, Romero-Martín S, Raya-Povedano JL, Brehl AK, Álvarez-Benito M. AI-based triage and decision support in mammography and digital tomosynthesis for breast cancer screening: a paired, noninferiority trial. Nat Med. 2026;32:1296-1305. doi: 10.1038/s41591-026-04277-x.
28. Nitrosi A, Giorgi Rossi P, Verzellesi L, Creola M, Campari C, Vacondio R, et al. Adding artificial intelligence case malignancy scoring to reduce screen-reading workload in breast screening program: results of the retrospective REAI program. Radiol Med. 2026;131(3):406-415. doi: 10.1007/s11547-025-02154-0.
29. Hickman SE, Payne NR, Black RT, Huang Y, Priest AN, Hudson S, et al. Deep learning algorithms for breast cancer detection in a UK screening cohort: as stand-alone readers and combined with human readers. Radiology. 2024;313(2):e233147. doi: 10.1148/radiol.233147.
30. Kwon MR, Chang Y, Ham SY, Cho Y, Kim EY, Kang J, et al. Screening mammography performance according to breast density: a comparison between radiologists versus standalone artificial intelligence detection. Breast Cancer Res. 2024;26(1):68. doi: 10.1186/s13058-024-01821-w.
31. Marinovich ML, Wylie E, Lotter W, Lund H, Waddell A, Madeley C, et al. Artificial intelligence for breast cancer screening: BreastScreen population-based cohort study of cancer detection. EBioMedicine. 2023;90:104498. doi: 10.1016/j.ebiom.2023.104498.
32. Sossavi E, Roy C, Molière S. Artificial intelligence in breast cancer screening: a systematic review and meta-analysis of integration strategies. Eur J Radiol Open. 2026;16:100727. doi: 10.1016/j.ejro.2026.100727.
33. Abu Abeelh E, Abuabeileh Z, AbuAbeileh Z. Screening mammography and artificial intelligence: a comprehensive systematic review. Cureus. 2025;17(2):e79353. doi: 10.7759/cureus.79353.
34. Xavier D, Miyawaki I, Campello Jorge CA, Freitas Silva GB, Lloyd M, Moraes F, et al. Artificial intelligence for triaging of breast cancer screening mammograms and workload reduction: a meta-analysis of a deep learning software. J Med Screen. 2024;31(3):157-165. doi: 10.1177/09691413231219952.

Anexos: PDF

Síguenos en Pinterest