El Mayor Ensayo Clínico del Mundo
IA en mamografía: el mayor
ensayo clínico del mundo
confirma 12% menos cánceres
perdidos entre controles
El ensayo MASAI con 105.000 mujeres establece un nuevo estándar de atención en tamizaje de cáncer de mama y redefine el rol de la inteligencia artificial en radiología clínica.
¿Qué acaba de publicar The Lancet que todo profesional de salud debe conocer?
El 31 de enero de 2026, The Lancet publicó los resultados finales del ensayo MASAI (Mammography Screening with Artificial Intelligence), el estudio aleatorizado más grande realizado hasta la fecha sobre inteligencia artificial en imágenes médicas. Con más de 105.000 mujeres incluidas y un seguimiento completo de dos años, los datos son contundentes: el tamizaje mamográfico asistido por IA logra reducir un 12% la tasa de cánceres de intervalo respecto a la doble lectura estándar por radiólogos, con mayor sensibilidad y sin incremento de falsos positivos ni convocatorias innecesarias.
Los cánceres de intervalo —aquellos que aparecen entre dos rondas de tamizaje programadas y que no fueron detectados en la mamografía anterior— representan los tumores más agresivos, con mayor mortalidad específica. Reducirlos no es un dato estadístico: es directamente menos quimioterapia, menos cirugías radicales y más años de vida.
"Nuestro estudio es el primer ensayo clínico aleatorizado que investiga el uso de IA en tamizaje de cáncer de mama y el más grande realizado sobre IA en cribado oncológico en general. Demuestra que el tamizaje asistido por IA mejora la detección precoz de cánceres clínicamente relevantes."
— Kristina Lång, PhD · Lund University, Suecia · The Lancet 2026Diseño del ensayo: ¿qué se evaluó exactamente?
El tamizaje convencional en Suecia —y en gran parte de Europa— exige que dos radiólogos lean de forma independiente cada mamografía. En el ensayo MASAI, el grupo experimental sustituyó uno de esos radiólogos por el sistema de IA Transpara Detection (ScreenPoint Medical). La IA cumplió dos funciones simultáneas:
- Triaje de riesgo: clasificó cada mamografía según un puntaje de probabilidad de malignidad y derivó cada caso a lectura simple (IA + 1 radiólogo) o doble (IA + 2 radiólogos) según el nivel de riesgo estimado.
- Soporte de detección: marcó visualmente las regiones sospechosas en la imagen, guiando la atención del radiólogo hacia los hallazgos de mayor relevancia clínica.
Las 105.915 participantes (de las cuales 105.897 ingresaron al análisis final) fueron asignadas 1:1 mediante aleatorización. El seguimiento a dos años se completó en diciembre de 2025, lo que permitió evaluar el endpoint primario: la tasa de cánceres de intervalo, definidos como tumores diagnosticados dentro de los dos años posteriores a la mamografía de tamizaje y no detectados en dicho estudio.
Resultados principales: los números que cambian el estándar
| Parámetro | Grupo IA + Radiólogo | Doble Lectura Estándar | Diferencia |
|---|---|---|---|
| Cánceres de intervalo (por 1.000) | 82 | 93 | −12% |
| Sensibilidad del tamizaje | 80,5% | 73,8% | +6,7 pp |
| Especificidad | 98,5% | 98,5% | Sin cambio |
| Tasa de rellamado | 1,5% | 1,4% | Sin cambio |
| Detección en tamizaje | +29% | Referencia | +29% |
| Cánceres invasivos agresivos (no luminales A) | 43 | 59 | −27% |
| Reducción carga radiológica | −44% | Referencia | −44% |
La consistencia de los resultados a través de subgrupos etarios y categorías de densidad mamaria —habitualmente un factor de confusión relevante— refuerza la solidez de los hallazgos y su potencial generalizabilidad a distintas poblaciones.
¿Qué significa esto para nuestra práctica clínica?
Los ensayos publicados en revistas de primera línea suelen leerse en el ámbito de la medicina y la radiología. Sin embargo, los resultados del MASAI tienen implicancias directas y concretas para enfermería en múltiples ámbitos asistenciales.
Para el enfermero en unidades de diagnóstico por imágenes
El sistema de IA modifica el flujo de trabajo de la sala de mamografía. La clasificación automática de riesgo permite al equipo de enfermería anticipar qué pacientes requerirán lectura expedita o evaluación complementaria inmediata. Comprender el proceso de triaje automatizado es fundamental para comunicarlo adecuadamente a la paciente y gestionar sus expectativas con precisión y empatía.
Para el enfermero oncológico y de consultorios externos
Un aumento del 29% en la detección durante el tamizaje implica más derivaciones para biopsias, ecografías complementarias y evaluaciones oncológicas. El enfermero que coordina estos circuitos deberá gestionar un incremento de la demanda con protocolos de seguimiento ágiles, claros y centrados en la paciente. La educación en el significado de un resultado positivo del tamizaje —que no equivale a diagnóstico de cáncer— adquiere renovada relevancia.
Para quienes trabajan en oncología, cuidados paliativos y UCI
La reducción del 27% en cánceres de subtipo agresivo no luminal A es, en términos de impacto clínico, quizás el dato más importante del estudio. Estos tumores son los que con mayor frecuencia requieren quimioterapia neoadyuvante, cirugías de alta complejidad y, en estadios avanzados, cuidados paliativos intensivos. Detectarlos antes cambia radicalmente el perfil del paciente que llega a nuestra unidad.
La IA no reemplaza al profesional de salud. Lo potencia al reducir la carga de tareas repetitivas, permitiéndole concentrar su juicio clínico donde verdaderamente importa.
— Ezequiel Ruiz · Tu Guía de EnfermeríaLo que el estudio aún no responde
Contexto de doble lectura: El ensayo fue realizado en Suecia, donde la doble lectura por dos radiólogos es el estándar nacional. En América Latina, la lectura simple es la práctica más común. La comparación directa de los resultados requiere cautela y estudios de validación regional.
Poder estadístico: Los autores reconocen que el estudio no fue dimensionado para demostrar significancia estadística en la tasa de cánceres de intervalo de forma aislada. La dirección y consistencia de la tendencia son favorables, pero la certeza estadística formal requiere análisis adicionales.
Infraestructura requerida: La implementación de un sistema de triaje por IA integrado al flujo de lectura radiológica demanda inversión tecnológica, integración con sistemas de archivo de imágenes (PACS) y capacitación profesional que no todos los sistemas de salud de la región están en condiciones de afrontar a corto plazo.
Sesgos de entrenamiento: Los modelos de IA entrenados predominantemente con imágenes de poblaciones europeas pueden presentar diferencias de rendimiento en poblaciones latinoamericanas, donde la densidad mamaria media y los patrones de presentación clínica pueden diferir.
DOI: 10.1016/S0140-6736(25)02464-X
Financiamiento: Swedish Cancer Society · Confederation of Regional Cancer Centres · ALF (Swedish governmental funding for clinical research)
Comentarios: