L'ecografia mamària és una de les proves d'imatge més utilitzades en la detecció del càncer de mama -al voltant del 40% de les dones se'n fan alguna al llarg de la vida-, però també és especialment dependent de qui la practica i de qui n'interpreta les imatges, amb una variabilitat entre professionals que la comunitat radiològica arrossega des de fa dècades.
El 30 de juliol, DeepHealth, la divisió d'intel·ligència artificial de la companyia d'imatge mèdica RadNet (Nasdaq: RDNT), va anunciar que ha rebut l'autorització 510(k) de la FDA per a DeepHealth Breast Ultrasound, comercialitzada amb el nom SMART-B (autoritzada amb el codi K260303). L'eina detecta de manera automàtica les lesions sospitoses, les caracteritza seguint l'estàndard BI-RADS del Col·legi Americà de Radiologia i genera un informe complet, amb l'objectiu d'estandarditzar el flux de treball tant de les persones que fan l'ecografia com dels radiòlegs que la interpreten. Segons les dades presentades per l'empresa, el sistema aconsegueix més d'un 98% de precisió en la localització de lesions mamàries, millora un 8% la sensibilitat en la detecció de càncer de mama i redueix un 37% el temps d'interpretació dels radiòlegs; RadNet calcula que, a final d'any, més de 700.000 ecografies mamàries anuals de la seva xarxa seran elegibles per a reemborsament amb aquesta eina. La doctora Jason McKellop, directora mèdica d'imatge de la dona a RadNet Califòrnia, ha declarat que la solució permet "una estandardització més gran dels fluxos de treball, millorant la consistència i estalviant temps a pacients, ecografistes i radiòlegs".
La notícia és rellevant perquè la majoria d'eines d'IA mèdica autoritzades fins ara s'han centrat en la mamografia, una prova diferent i més estandarditzada; DeepHealth Breast Ultrasound és una de les primeres solucions de IA a escala real pensada específicament per a l'ecografia mamària, un examen que depèn molt més de la destresa de qui el practica, i RadNet té la xarxa d'imatge prou gran per desplegar-la a centenars de milers d'exàmens a curt termini.
Les xifres de precisió i reducció de temps provenen de la mateixa companyia en el marc de la seva sol·licitud de certificació, i encara no hi ha una validació clínica independent publicada que les contrasti. Tampoc s'ha concretat el calendari d'implantació fora de la xarxa pròpia de RadNet, ni si l'eina està autoritzada per emetre diagnòstics de manera autònoma o únicament com a suport a la decisió del radiòleg.