Un estudio de la Facultad de Medicina de Harvard, publicado en Radiology, revela que la IA puede detectar señales de riesgo de cáncer de mama hasta seis años antes del diagnóstico. El hallazgo no se apoya en antecedentes familiares ni en pruebas genéticas, sino en algo más directo: lo que ya está escrito en la imagen.
En concreto, el mecanismo analiza mamografías completas con aprendizaje profundo (sistema que encuentra patrones complejos en grandes volúmenes de datos) y genera puntuaciones de riesgo que cambian con el tiempo. Esa evolución permitió distinguir entre mujeres que desarrollarían cáncer y las que no, incluso cuando el ojo humano todavía no veía una lesión.
La IA no “adivina” el cáncer. Lo que hace es leer pequeños cambios acumulados en la imagen de la mamografía, como si siguiera el desgaste de una pieza central año tras año. Ese engranaje digital detecta biomarcadores dinámicos, señales biológicas que cambian con el tiempo, sin depender de historias clínicas incompletas.
Y eso importa por una razón concreta: cerca del 85% de las mujeres diagnosticadas con cáncer de mama no tienen antecedentes familiares relevantes ni mutaciones genéticas conocidas. Los modelos tradicionales se apoyan en edad, genética, densidad mamaria o historia familiar, pero esa base deja fuera a muchas pacientes.
La investigación analizó 158.807 mamografías tomadas entre 2009 y 2019 en seis centros de diagnóstico por imagen de Estados Unidos. La cohorte incluyó a 54.014 mujeres, con una edad media de 61 años. De ellas, 817 desarrollaron cáncer de mama durante el seguimiento.
Cada participante aportó su mamografía más reciente antes del diagnóstico, o la última disponible, junto con hasta seis estudios anuales previos. Así, los investigadores no solo miraron una imagen: observaron la trayectoria del riesgo.
Un patrón que cambia antes de que cambie el diagnóstico
Los resultados fueron nítidos. Las mujeres que no desarrollaron cáncer mantuvieron puntuaciones estables, entre 1,8 y 2,2. En cambio, quienes sí enfermaron mostraron un aumento progresivo y sostenido: pasaron de una media de 2,1 en los primeros años a 6,6 en el año previo al diagnóstico.
Además, ese ascenso se aceleró especialmente en los dos años anteriores a la detección del tumor. Es decir, el sistema no solo veía una diferencia: veía cuándo el interruptor empezaba a cambiar de ritmo.
Otro dato relevante es que las diferencias se mantuvieron con independencia de la edad y de la densidad mamaria. Eso refuerza la idea de que la imagen contiene una capa de información propia, una especie de cableado oculto que la IA sí puede leer.
El impacto potencial es alto. Según la OMS, el cáncer de mama es el tumor más diagnosticado en mujeres en el mundo, con más de 2,3 millones de nuevos casos al año y unas 670.000 muertes. En ese escenario, detectar antes sigue siendo una de las oportunidades más claras para mejorar la supervivencia.
Además, este enfoque podría ayudar a reducir desigualdades. Al usar solo imágenes, evita depender de antecedentes mal registrados, datos clínicos incompletos o acceso desigual a estudios genéticos.
De hecho, la integración ya empezó. Las directrices 2026 de la NCCN contemplan puntuaciones de riesgo basadas en imágenes e IA, y sugieren que mujeres mayores de 35 años con alto riesgo a cinco años consideren sumar una resonancia magnética mamaria a la mamografía anual.
No es una promesa mágica ni un reemplazo automático del médico. Pero sí una señal esperanzadora: cuando la tecnología aprende a leer mejor las imágenes, la prevención deja de ser una reacción tardía y empieza a parecerse más a una alarma que suena a tiempo.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
