NYU-DRP: modelo IA predice riesgo cáncer mama en 5 años

⏱ Tiempo de lectura: 4 min

Investigadores de NYU Langone Health desarrollaron NYU-DRP, un modelo de aprendizaje profundo que estima el riesgo de cáncer de mama a cinco años analizando mamografías 3D longitudinales. El estudio, publicado en American Journal of Roentgenology el 12 de agosto de 2026, evaluó 313.335 exámenes de tomosíntesis digital de mama en 161.077 mujeres sin cáncer entre 2016 y 2020.

Modelo de IA basado en mamografías 3D longitudinales

NYU-DRP analiza múltiples años de tomosíntesis digital de mama (DBT) acumulados en cribados anuales repetidos. A diferencia de modelos anteriores que usaban mamografía digital de campo completo (FFDM), este enfoque aprovecha información de cambios en el tejido mamario a lo largo del tiempo. Yanqi Xu, investigadora postdoctoral en el departamento de Radiología de NYU, explicó que el modelo puede determinar de forma fiable el riesgo futuro basándose en mamografías 3D existentes que contienen información sobre cómo ha cambiado el tejido a través de múltiples cribados. La investigación incluyó a modelos de IA para diagnóstico médico que comparan precisión con métodos clínicos tradicionales.

Resultados y comparativas de rendimiento

En un conjunto de prueba independiente de 34.570 exámenes, NYU-DRP logró un AUC de cinco años de 0,721 (IC 95%, 0,698–0,744), mejorando el modelo puntual DBT (0,707) y el modelo Mirai basado en FFDM (0,687), ambos con p <0,001. En una cohorte pareada de casos y controles de 432 mujeres, NYU-DRP alcanzó AUC de 0,676 versus 0,563 para el modelo clínico Tyrer-Cuzick (p <0,001). El modelo clasificó correctamente mujeres de mayor riesgo entre 72%, 70% y 68% respectivamente. Hallazgos adicionales mostraron que la densidad mamaria sola no correspondía al riesgo predicho: 39,7% de exámenes con mamas extremadamente densas fueron clasificadas como riesgo promedio con incidencia de cáncer observada del 0,8%, mientras que 14,8% de mamas grasas fueron clasificadas como riesgo alto con incidencia del 2,6%.

Qué cambia con esta información

Este avance permite estrategias de cribado personalizadas dinámicas utilizando imágenes de cribado existentes. La capacidad de predecir riesgo a largo plazo desde mamografías 3D podría identificar mujeres que se benefician de cribados adicionales mientras evita pruebas complementarias innecesarias en población de menor riesgo, optimizando recursos clínicos y experiencia del paciente.

Parámetro	Detalle
Modelo	NYU-DRP (Deep Learning Risk Prediction)
Tipo de dato	Mamografía 3D digital longitudinal (DBT)
Predicción	Riesgo de cáncer de mama 2–5 años
Datos de entrenamiento	313.335 exámenes DBT de 161.077 mujeres sin cáncer (2016–2020)
AUC (conjunto independiente, 34.570 exámenes)	0,721 (IC 95%, 0,698–0,744)
AUC vs. modelo puntual DBT	0,707 (p <0,001)
AUC vs. Mirai (FFDM)	0,687 (p <0,001)
AUC vs. Tyrer-Cuzick (caso-control 432 mujeres)	0,676 vs. 0,563 (p <0,001)
Variables del modelo	Exámenes DBT longitudinales, edad, densidad mamaria
Publicación	American Journal of Roentgenology (12 agosto 2026, DOI 10.2214/AJR.26.34951)
Institución	NYU Langone Health y Perlmutter Cancer Center
Equipamiento	Mamógrafos 3D Hologic Inc.
Financiamiento	NSF (1922658), NIH (R01EB036530), Milstein Pilot Project Fund, Shifrin-Myers Breast Cancer Discovery Fund, Manhasset Women's Coalition Against Breast Cancer
Próximos pasos	Validación en múltiples centros académicos y fabricantes de equipamiento 3D

Preguntas frecuentes sobre predicción de riesgo de cáncer con IA

¿Cuál es la diferencia entre NYU-DRP y modelos anteriores?

NYU-DRP analiza mamografías 3D a lo largo de años (datos longitudinales) para captar cambios en el tejido mamario, mientras que modelos anteriores como Mirai usan una única mamografía. Este enfoque captura información temporal que no refleja ni la densidad mamaria sola ni un examen puntual.

¿Cuándo estará disponible clínicamente?

La fuente no especifica fecha de disponibilidad clínica. El equipo planifica validar NYU-DRP en otros centros académicos y con datos de fabricantes distintos de Hologic antes de implementación clínica más amplia.

¿NYU-DRP reemplaza la mamografía tradicional?

No. NYU-DRP es una herramienta de análisis que trabaja sobre mamografías 3D existentes para informar estrategias de cribado personalizado, no sustituye el examen mamográfico sino que lo optimiza.

Qué falta por confirmar

La fuente no especifica detalles sobre integración en sistemas clínicos, coste computacional, validación en poblaciones fuera del centro único de NYU Langone ni calendarios para expansión multicéntrica. Los investigadores planean estudios prospectivos observando cómo el modelo impacta salud de las mujeres e incidencia futura de cáncer.

En Inteligencia Artificial, este trabajo representa un avance significativo en medicina de precisión al demostrar que datos longitudinales de imagen capturan información de riesgo perdida en modelos estáticos o clínicos. ¿Cómo cambiaría tu confianza en estrategias de cribado si un modelo IA identificara tu riesgo real cinco años antes que protocolos clínicos estándar?

Fuente: www.unite.ai