Inteligencia artificial en imagenologia mamaria: avances y desafios del diagnostico precoz de cáncer de mama.
DOI:
https://doi.org/10.31243/mdc.uta.v10i3.3232.2026Palabras clave:
Inteligencia Artificial, Cáncer de Mama, Aprendizaje Profundo, Redes Neuronales ConvolucionalesResumen
Introducción: El cáncer de mama es una de las principales causas de mortalidad femenina; su detección temprana es fundamental para mejorar el pronóstico. Ante el desarrollo de la inteligencia artificial, es necesario evaluar su aplicabilidad clínica real y desafíos pendientes. Objetivo: Analizar el impacto de la IA en imagenología mamaria para optimizar la precisión, estandarización y eficiencia diagnóstica precoz. Métodos: Revisión narrativa crítica de la literatura científica (2020-2025) de estudios experimentales y sistemáticos sobre deep learning y machine learning en mamografía, ultrasonido, resonancia magnética y tomosíntesis, considerando comparativas con radiólogos e integración clínica. Resultados: Los modelos de IA lograron alta precisión y sensibilidad en lesiones malignas, igualando o superando a expertos y reduciendo la carga laboral. Algoritmos como LIBRA y MONAI facilitaron la cuantificación objetiva de la densidad mamaria. Se observó un aumento en la tasa de detección, disminución de falsos positivos y optimización del tiempo de lectura. Sin embargo, persisten desafíos sobre variabilidad tecnológica, sensibilidad en tejidos heterogéneos y aspectos éticos-legales. Conclusiones: La IA se consolida como herramienta complementaria eficaz que potencia la sensibilidad diagnóstica y optimiza tiempos. No obstante, su implementación requiere validación multicéntrica, estandarización de datos y marcos éticos sólidos que regulen su uso como soporte al juicio clínico humano.
Referencias
1. Bula Pavía G de J, García Dávila EA, Castillo de la Espriella LC. Modelo de inteligencia artificial para el diagnóstico asistido del cáncer de mama: Un enfoque basado en redes neuronales. 2025 May 29 [cited 2025 Dec 14]; Available from: http://hdl.handle.net/10584/1338 8
2. Moreno D. Uso de herramientas con inteligencia artificial para la interpretación de imágenes obtenidas por mastografía [Trabajo de especialidad]. San Luis Potosí: Universidad Autónoma de San Luis Potosí, Facultad de Medicina, Hospital Regional de Alta Especialidad "Dr. Ignacio Morones Prieto"; 2025. [citado 14 Dic 2025]. Disponible en: https://repositorioinstitucional.ua slp.mx/xmlui/handle/i/9419
3. Al-Karawi D, Al-Zaidi S, Helael KA, Obeidat N, Mouhsen AM, Ajam T, et al. A Review of Artificial Intelligence in Breast Imaging. Tomogr (Ann Arbor, Mich) [Internet]. 2024 May;10(5):705–26. Available from: https://doi.org/10.3390/tomograp hy10050055
4. Dave D, Akhunzada A, Ivković N, Gyawali S, Cengiz K, Ahmed A, et al. Diagnostic test accuracy of AI-assisted mammography for breast imaging: a narrative review. PeerJ Comput Sci [Internet]. 2025;11:e2476. Available from: https://pubmed.ncbi.nlm.nih.gov/ 40062243/
5. Ruiz K. Contribución de la implementación de Inteligencia Artificial para el diagnóstico precoz del cáncer de mama [Tesis de grado]. Quito: Universidad Central del Ecuador; 2021. [citado 14 Dic 2025]. Disponible en: https://www.dspace.uce.edu.ec/e ntities/publication/081b554c-d058-45eb-b346-d8c497ba590
6. Wang L. Mammography with deep learning for breast cancer detection. Front Oncol [Internet]. 2024;14:1281922. Available from: https://pubmed.ncbi.nlm.nih.gov/ 38410114/
7. Lehman CD, Mercaldo S, Lamb LR, King TA, Ellisen LW, Specht M, et al. Deep Learning vs Traditional Breast Cancer Risk Models to Support Risk-Based Mammography Screening. JNCI J Natl Cancer Inst [Internet]. 2022 Oct 1;114(10):1355–63. Available from: https://doi.org/10.1093/jnci/djac1 42
8. Taylor CR, Monga N, Johnson C, Hawley JR, Patel M. Artificial Intelligence Applications in Breast Imaging: Current Status and Future Directions. Diagnostics (Basel, Switzerland) [Internet]. 2023 Jun;13(12). Available from: https://pubmed.ncbi.nlm.nih.gov/ 37370936/
9. Sánchez-Chero JA, Sánchez-Chero MJ, Villegas-Yarlequé M. Inteligencia artificial: impactos y desafíos en las contrataciones públicas. Revisión sistemática. Univ Rev Ciencias Soc y Humanas [Internet]. 2025 Dec 14;(43):37–63. Available from: https://www.redalyc.org/articulo. oa?id=476182348002
10. Martínez Molina OA. Implicaciones Éticas de la Inteligencia Artificial: Desarrollo, Impacto y Desafíos en la Sociedad Actual: Ethical Implications of Artificial Intelligence: Development, Impact and Challenges in Today’s Society. Rev Sci [Internet]. 2025 Feb 5;10(Ed. Esp. 1 SE-Editorial):10–24. Available from: https://www.indteca.com/ojs/inde x.php/Revista_Scientific/article/v iew/700
11. Schaffter T, Buist DSM, Lee CI, Nikulin Y, Ribli D, Guan Y, et al. Evaluation of Combined Artificial Intelligence and Radiologist Assessment to Interpret Screening Mammograms. JAMA Netw Open [Internet]. 2020 Mar 2;3(3):e200265–e200265. Available from: https://doi.org/10.1001/jamanetw orkopen.2020.0265
12. Liao J, Gui Y, Li Z, Deng Z, Han X, Tian H, et al. Artificial intelligence-assisted ultrasound image analysis to discriminate early breast cancer in Chinese population: a retrospective, multicentre, cohort study. eClinicalMedicine [Internet]. 2023 Jun 1;60. Available from: https://doi.org/10.1016/j.eclinm.2 023.102001
13. 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 [Internet]. 2023 Jun;307(5):e222639. Available from: https://pubmed.ncbi.nlm.nih.gov/ 37219445/
14. Freeman K, Geppert J, Stinton C, Todkill D, Johnson S, Clarke A, Taylor-Phillips S. Use of artificial intelligence for mammographic image analysis in breast cancer screening: Rapid review and evidence map [Internet]. London: UK National Screening Committee; 2022 Feb [citado 14 Dic 2025]. Disponible en: https://assets.publishing.service.g ov.uk/media/6217bac58fa8f5491 6f45f51/UK_NSC_evidence_su mmary_-_the_use_of_AI_for_mammogra phic_image_analysis_in_breast_c ancer_screening.pdf
15. Pérez Arias JE, Hernandez Serpa D. Sistema web ia para detección y seguimiento del cáncer de mama [Internet]. Tecnológico de Antioquia, Institución Universitaria; 2024. Available from: https://dspace.tdea.edu.co/handle/ tdea/5638
16. Ramos N OA, Aguilera L, Castellano S AV, Dugarte DD, Cuauro R PA, Cárdenas M AC. Optimización de diagnósticos de imágenes mamográficas utilizando inteligencia artificial. [Revista del Centro Clínico Universitario La Sagrada Familia]. 2024 Ago;2(2):24-28. Disponible en: https://bit.ly/4qePX9X
17. Zhang H, Lin F, Zheng T, Gao J, Wang Z, Zhang K, et al. Artificial intelligence-based classification of breast lesion from contrast enhanced mammography: a multicenter study. Int J Surg [Internet]. 2024 May;110(5):2593–603. Available from: https://pubmed.ncbi.nlm.nih.gov/ 38748500/
18. Bayón Yusta JC, Galnares Cordero L, Gutiérrez Ibarluzea I. Inteligencia artificial en el programa de cribado de cáncer de mama. Vitoria-Gasteiz: Servicio de Evaluación de Tecnologías Sanitarias del País Vasco (OSTEBA); 2024. Informes de Evaluación de Tecnologías Sanitarias: OSTEBA núm. E-24- 09. [citado 14 Dic 2025]. Disponible en: https://www.euskadi.eus/conteni dos/informacion/osteba_publicac ion/eu_def/adjuntos/E-24-09-Inteligencia-Artificial-cancer-mama.pdf
19. Branco PESC, Franco AHS, de Oliveira AP, Carneiro IMC, de Carvalho LMC, de Souza JIN, et al. Artificial intelligence in mammography: a systematic review of the external validation. Rev Bras Ginecol Obstet [Internet]. 2024;46. Available from: https://pmc.ncbi.nlm.nih.gov/arti cles/PMC11460423/
20. Castillo Y. Detección de cáncer en mamografías mediante técnicas de inteligencia artificial [Trabajo de Fin de Grado]. Madrid: Universidad Politécnica de Madrid; 2022. [citado 14 Dic 2025]. Disponible en: https://oa.upm.es/69938/
21. You C, Shen Y, Sun S, Zhou J, Li J, Su G, et al. Artificial intelligence in breast imaging: Current situation and clinical challenges. Exploration [Internet]. 2023 Oct 1;3(5):20230007. Available from: https://doi.org/10.1002/EXP.202 30007
22. Vedantham S, Shazeeb MS, Chiang A, Vijayaraghavan GR. Artificial Intelligence in Breast X-Ray Imaging. Semin Ultrasound, CT MRI [Internet]. 2023;44(1):2–7. Available from: https://www.sciencedirect.com/sc ience/article/pii/S088721712200 0993
23. Letter H, Peratikos M, Toledano A, Hoffmeister J, Nishikawa R, Conant E, et al. Use of Artificial Intelligence for Digital Breast Tomosynthesis Screening: A Preliminary Real-world Experience. J Breast Imaging [Internet]. 2023 May 1;5(3):258– 66. Available from: https://doi.org/10.1093/jbi/wbad0 15
24. Mora Morales, M Implementación de modelos de inteligencia artificial para el cálculo de densidad mamaria en imágenes de mamografía. [Internet]. Medellín, Colombia: Universidad de Antioquia; 2024 [citado: 2025, diciembre] 47 Páginas Disponible en: https://hdl.handle.net/10495/3891
25. Cortés Zmutt F. Diseño y construcción de una base de datos científica para entrenamiento y validación de algoritmos de inteligencia artificial aplicados a mamografías [Trabajo Final de Bioingeniería]. San Juan, Argentina: Universidad Nacional de San Juan; 2024. [citado 2025 Dic 14]. Disponible en: http://huru.unsj.edu.ar/handle/12 3456789/574
26. Bojnordi T, Pourali S, Haghighat F, Rad F, Padash Y, Sharafkhah A. Breast Cancer Detection Algorithms: A Comparative Review of Leading Artificial Intelligence Models. Infosci Trends. 2025 Aug 28;2:57–77.
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Sisalema Bonito Katherine Estefania, Gavilanes-Masabanda Henry Giovanni , Guevara Frutos Zaida Brigitte
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons 4.0, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado.
