Funciona como un segundo par de ojos cuando el médico mira una resonancia
En la intersección entre la tecnología y la medicina, una ingeniera biomédica mallorquina ha construido una herramienta que amplía la percepción humana ante uno de los diagnósticos más exigentes: el cáncer de mama. Auba Fuster ha desarrollado QP-Breast, un sistema de inteligencia artificial que asiste a los radiólogos en el análisis de resonancias magnéticas, alcanzando una sensibilidad del 88% en pruebas realizadas en tres países. No se trata de reemplazar el juicio clínico, sino de acompañarlo con una segunda mirada que no se cansa ni duda.
- Detectar el cáncer de mama en resonancias magnéticas es un proceso lento y exigente que actualmente requiere que dos radiólogos analicen las mismas imágenes de forma independiente, y a veces un tercero para resolver discrepancias.
- Los médicos jóvenes con menos experiencia en imagen mamaria representan un punto de vulnerabilidad en el sistema diagnóstico actual, donde la pericia acumulada no siempre está disponible.
- QP-Breast identifica lesiones sospechosas, calcula sus dimensiones en tres ejes y las clasifica en dos niveles de riesgo, entregando al radiólogo información estructurada sin arrebatarle la decisión final.
- Evaluado en casi 200 resonancias de equipos de los tres principales fabricantes del mercado, el dispositivo demostró una sensibilidad cercana al 90% en centros de España, Estados Unidos y Brasil.
- El equipo continúa refinando el algoritmo con nuevos datos y retroalimentación clínica, con la vista puesta en incorporar funcionalidades adicionales que amplíen su utilidad en programas de cribaje públicos.
Auba Fuster, ingeniera biomédica de Mallorca, lleva años construyendo una herramienta que podría transformar la detección del cáncer de mama. Su creación, QP-Breast, es un asistente de inteligencia artificial diseñado para analizar resonancias magnéticas y alertar a los radiólogos sobre posibles lesiones malignas, actuando como un segundo par de ojos que complementa —sin sustituir— el criterio médico.
El proyecto nació de una necesidad clínica concreta. Interpretar resonancias magnéticas en busca de cáncer de mama es un proceso complejo que exige experiencia considerable, y los protocolos actuales requieren que dos especialistas analicen las mismas imágenes de forma independiente. Fuster fue contratada específicamente para explorar cómo la tecnología podía aliviar esa carga. Antes de escribir una sola línea de código, realizó decenas de entrevistas con radiólogos en España, Europa y Estados Unidos para entender dónde fallaba el sistema y dónde podía ayudar la IA.
El dispositivo ofrece capacidades precisas: identifica lesiones sospechosas, calcula su volumen y dimensiones en tres ejes, y las clasifica en dos categorías de riesgo —alta probabilidad de malignidad o moderada— indicando además su localización exacta dentro de la mama. En el núcleo técnico operan dos algoritmos en secuencia: uno evalúa la probabilidad de que exista una lesión y otro clasifica el riesgo según patrones aprendidos durante el entrenamiento.
Los resultados de las pruebas son sólidos. El QP-Breast fue evaluado en casi 200 resonancias procedentes de tres centros internacionales —en España, Estados Unidos y Brasil— y con equipos de los tres principales fabricantes del mercado. Alcanzó una sensibilidad del 88%, detectando correctamente cerca de nueve de cada diez lesiones reales. Fuster y su equipo planean seguir mejorando el algoritmo e incorporar nuevas funcionalidades, con la mirada puesta en optimizar su rendimiento dentro de los programas de cribaje públicos donde el impacto sobre los pacientes puede ser mayor.
Auba Fuster, ingeniera biomédica mallorquina, ha pasado los últimos años desarrollando una herramienta que podría cambiar la forma en que los médicos detectan el cáncer de mama. Se llama QP-Breast, y funciona como un asistente de inteligencia artificial diseñado específicamente para analizar resonancias magnéticas y alertar a los radiólogos sobre posibles lesiones malignas.
El dispositivo nace de una necesidad clínica real. Cuando un médico examina una resonancia magnética buscando signos de cáncer de mama, el proceso es lento y requiere experiencia considerable. En los protocolos actuales, dos radiólogos analizan independientemente las mismas imágenes; si sus diagnósticos no coinciden, entra un tercero para dirimir. Interpretar estas imágenes es complejo, y muchos médicos jóvenes aún no dominan completamente la técnica. El QP-Breast actúa como un segundo par de ojos, identificando lesiones sospechosas y proporcionando información que los radiólogos pueden usar para tomar decisiones más informadas. El algoritmo no reemplaza el criterio médico, sino que lo complementa.
La herramienta ofrece capacidades específicas que van más allá de la simple detección. Calcula el volumen y las dimensiones exactas de cualquier lesión identificada en tres ejes diferentes, y clasifica el hallazgo en dos categorías de riesgo: alta probabilidad de malignidad o moderada. También localiza con precisión dónde se encuentra la lesión dentro de la mama. Todo esto se entrega al radiólogo, quien mantiene la autoridad final sobre el diagnóstico.
Fuster fue contratada específicamente para llevar este proyecto adelante. La empresa donde trabaja ya tenía experiencia consolidada en tecnología de resonancia magnética, una de las modalidades de imagen más complejas que existen actualmente. Querían explorar aplicaciones en oncología mamaria, pero el camino desde una idea hasta un producto certificado con los estándares CE y UKCA es largo. Le dieron libertad total y varios meses para conceptualizar y diseñar la solución, lo que ella describe como la parte más gratificante de su trabajo como ingeniera biomédica.
Antes de escribir una sola línea de código, Fuster se sumergió en el flujo clínico completo del cáncer de mama, desde los programas de cribaje hasta el diagnóstico y tratamiento. Realizó decenas de entrevistas con radiólogos de hospitales en España, Europa y Estados Unidos. De esas conversaciones emergieron las premisas fundamentales del diseño: qué problemas enfrentaban los médicos, dónde podía ayudar la tecnología, qué fricciones existían en el proceso actual. El cáncer de mama es uno de los pocos cánceres con programas de cribaje públicos establecidos, lo que la fascinó como campo de trabajo.
La inteligencia artificial es el corazón técnico del dispositivo. El software contiene varios módulos internos, pero dos algoritmos de IA son críticos. El primero revisa las imágenes de resonancia magnética y evalúa la probabilidad de que exista una lesión. El segundo clasifica el riesgo de enfermedad basándose en los patrones que ha aprendido de los datos de entrenamiento. Ambos funcionan en secuencia, creando un análisis estratificado que el radiólogo puede consultar.
Los números de rendimiento son prometedores. El equipo evaluó el QP-Breast en tres centros internacionales diferentes: uno en España, otro en Estados Unidos y uno en Brasil. Analizaron casi 200 resonancias magnéticas de los tres fabricantes más grandes de equipos de resonancia del mercado actual. El dispositivo alcanzó una sensibilidad del 88 por ciento, es decir, detectó correctamente aproximadamente nueve de cada diez lesiones reales. Ese nivel de rendimiento es considerado bastante sólido en el campo. Fuster y su equipo tienen planes de seguir mejorando el algoritmo e incorporar nuevas funcionalidades en versiones futuras, refinando continuamente la herramienta a medida que acumulan más datos y retroalimentación clínica.
Citas Notables
De primeras, funciona como un segundo par de ojos cuando el médico mira una resonancia magnética— Auba Fuster, ingeniera biomédica
El criterio del radiólogo es el que decide— Auba Fuster, sobre el rol del dispositivo
La Conversación del Hearth Otra perspectiva de la historia
¿Por qué un radiólogo necesitaría confiar en un algoritmo si ya tiene su propia experiencia?
Porque la experiencia humana es variable. Un médico experimentado ve cosas que uno novato no ve. Pero incluso el mejor radiólogo se cansa, se distrae, puede pasar por alto una lesión pequeña. El dispositivo no se cansa. Funciona como un filtro de seguridad.
¿Y si el algoritmo y el médico no están de acuerdo?
El médico gana siempre. El dispositivo dice "aquí hay algo que podría ser cáncer", pero es el radiólogo quien decide si realmente lo es. Es una herramienta de apoyo, no un juez.
¿Cómo se entrena un algoritmo para detectar cáncer de mama?
Con miles de imágenes etiquetadas por expertos. Nuestro equipo usó casi 200 resonancias de tres países diferentes, de máquinas de los principales fabricantes. Cuantos más datos, más robusto es el algoritmo.
¿Qué pasó cuando hablaste con los radiólogos?
Descubrí que el verdadero problema no era solo detectar lesiones, sino hacerlo rápido y con confianza. Los médicos querían información precisa sobre tamaño, ubicación, riesgo. No querían reemplazos; querían ayuda.
¿Cuál es el siguiente paso?
Seguir mejorando. El 88 por ciento de sensibilidad es bueno, pero no es perfecto. Queremos incorporar nuevas mejoras, trabajar con más datos, hacer que el dispositivo sea aún más confiable.