La detección del cáncer de mama es una herramienta vital contra esta enfermedad mortal, pero enfrenta una serie de desafíos. Aunque reduce las muertes relacionadas con el cáncer de mama, también tiene el potencial de detectar tumores no dañinos (sobrediagnóstico), lo que lleva a tratamientos innecesarios. Esto no sólo afecta negativamente a algunas mujeres, sino que también aumenta innecesariamente los costes sanitarios.
El ‘cribado basado en riesgos’ es una estrategia destinada a personalizar los enfoques de cribado en función del perfil de riesgo de un individuo, con el objetivo de maximizar los beneficios y minimizar los inconvenientes. Recientemente se identificó la adaptación de los programas de detección en función de los riesgos individuales como una forma de perfeccionar las estrategias de detección.
Actualmente, la mayoría de los modelos de detección mamaria basados en el riesgo estiman el riesgo de que una mujer sea diagnosticada con cáncer de mama. Sin embargo, no todos los cánceres de mama son mortales. y el riesgo de diagnóstico no siempre coincide con el riesgo de muerte posterior al diagnóstico.
Ahora, los investigadores han ideado un nuevo modelo que predice con precisión la probabilidad de que una mujer desarrolle y luego sucumba al cáncer de mama en una década.
El nuevo modelo desarrollado por un equipo de investigadores de la Universidad de Oxford (Oxford, Reino Unido) predice el riesgo combinado de una mujer de desarrollar cáncer de mama y de mortalidad posterior a 10 años. El objetivo es identificar a las mujeres con mayor riesgo de sufrir cánceres mortales para mejorar la eficacia de los programas de detección.
Se podría alentar a estas personas de alto riesgo a que inicien las pruebas de detección antes, se realicen pruebas de detección más frecuentes o se sometan a diferentes tipos de imágenes.
Esta estrategia personalizada no sólo tiene el potencial de reducir las muertes por cáncer de mama, sino también de evitar exámenes innecesarios en mujeres con menor riesgo. Las mujeres con un riesgo elevado de sufrir un cáncer mortal también podrían ser consideradas para recibir tratamientos preventivos contra el desarrollo del cáncer de mama.
El equipo de investigación exploró cuatro técnicas de modelado distintas para predecir el riesgo de mortalidad por cáncer de mama. Dos siguieron metodologías estadísticas convencionales, mientras que los otros dos aprovecharon el aprendizaje automático, una rama de la inteligencia artificial. Todos los modelos incorporaron tipos de datos idénticos, incluida la edad, el peso, los antecedentes de tabaquismo, los antecedentes familiares de cáncer de mama y el uso de terapia hormonal (TRH).
Los modelos fueron evaluados por su precisión predictiva general, abarcando varios grupos de mujeres con diversas características, como diferentes grupos de edad y orígenes étnicos. Se empleó un enfoque llamado «validación cruzada interna-externa».
Este método implica dividir el conjunto de datos en segmentos estructuralmente distintos, en función de factores como la región y el marco temporal, para evaluar la adaptabilidad del modelo en diferentes escenarios.
Los resultados revelaron que un modelo estadístico construido utilizando «regresión de riesgos competitivos» superó al resto. Este modelo demostró la mayor precisión a la hora de predecir qué mujeres desarrollarían y afrontarían la mortalidad por cáncer de mama en un lapso de 10 años. Los modelos de aprendizaje automático mostraron una precisión comparativamente menor, particularmente para diversos grupos étnicos de mujeres.
“Este es un nuevo estudio importante que potencialmente ofrece un nuevo enfoque para la detección. Las estrategias basadas en riesgos podrían ofrecer un mejor equilibrio entre beneficios y daños en la detección del cáncer de mama, permitiendo información más personalizada para las mujeres para ayudar a mejorar la toma de decisiones”, dijo la profesora Julia Hippisley-Cox de la Universidad de Oxford.
«Los enfoques basados en el riesgo también pueden ayudar a hacer un uso más eficiente de los recursos de los servicios de salud al dirigir las intervenciones a quienes tienen más probabilidades de beneficiarse».
