Browsing by Author "Florencia Bozzo"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
Publication Rol de la inteligencia artificial en la reducción de biopsias innecesarias en lesiones mamarias BI-RADS 4 en imágenes(2026) Astudillo, Magdalena; Baraqui, Florencia; Saieg , María; Florencia Bozzo; Roman, MartinIntroducción: El cáncer de mama es la neoplasia más frecuente en mujeres y una de las principales causas de mortalidad femenina. Su diagnóstico se realiza mediante mamografía, ecografía y resonancia magnética, sin embargo, estas técnicas presentan especificidad limitada, conduciendo a procedimientos invasivos innecesarios en una proporción significativa de casos. En este contexto, la inteligencia artificial emerge como herramienta complementaria a la interpretación radiológica. Objetivo: Analizar la evidencia científica actual acerca del rol de la IA en la radiología mamaria y su impacto en la reducción de biopsias innecesarias en lesiones BI-RADS 4. Metodología: Se realizó una búsqueda sistemática en PubMed, Google Scholar, ScienceDirect, RSNA y MDPI, utilizando descriptores MeSH relacionados con cáncer de mama, radiología mamaria, IA y deep learning, con límite de 10 años (2015-2025). De 134 artículos identificados, se seleccionaron 21 para análisis final. Desarrollo: Los estudios revisados demuestran que los modelos de aprendizaje profundo mejoran el rendimiento diagnóstico en las tres modalidades principales. En mamografía, estos algoritmos identifican una proporción significativa de lesiones BI-RADS 4 como potencialmente benignas manteniendo alta sensibilidad, con potencial para reducir biopsias innecesarias. En ecografía y resonancia magnética, la integración de radiómica e inteligencia artificial mejora la especificidad diagnóstica en la diferenciación de lesiones benignas y malignas respecto a la evaluación visual convencional. Conclusión: La IA tiene amplio potencial para optimizar la interpretación de imágenes mamarias, contribuyendo a reducir biopsias innecesarias en lesiones BI-RADS 4 y a un diagnóstico más preciso y eficiente. Introduction: Breast cancer is the most common malignancy in women worldwide and a leading cause of female mortality. Diagnosis relies on imaging modalities—primarily mammography, ultrasound, and MRI—which present limited specificity, leading to unnecessary invasive procedures in a significant proportion of cases. In this context, artificial intelligence emerges as a complementary tool to radiological interpretation. Objective: To analyze the current scientific evidence on the application of AI in breast radiology and its impact on the reduction of unnecessary biopsie in BI-RADS 4 lesions. Methodology: A systematic search was conducted in PubMed, Google Scholar, ScienceDirect, RSNA and MDPI using MeSH descriptors related to breast cancer, breast imaging, AI and deep learning, restricted to the last 10 years (2015-2025). Of 134 articles identified, 21 were selected for final analysis. Discussion: The reviewed studies demonstrate that deep learning models improve diagnostic performance across the three main imaging modalities. In mammography, these algorithms identify a significant proportion of BI-RADS 4 lesions as potentially benign while maintaining high sensitivity, with potential to reduce unnecessary biopsies. In ultrasound and MRI, the integration of radiomics and artificial intelligence significantly improves diagnostic specificity in differentiating benign from malignant lesions compared to conventional visual assessment. Conclusion: AI has broad potential to optimize breast image interpretation, contributing to reducing unnecessary biopsies in BI-RADS 4 lesions and enabling more accurate and efficient diagnosis.