¿Son sostenibles los beneficios iniciales de un cribado de cáncer de mama con tomosíntesis?

¿Son sostenibles los beneficios iniciales de un cribado de cáncer de mama con tomosíntesis?

16.07.2020

Artículo original: Manisha Bahl; Sarah Mercaldo; Pragya A. Dang; Anne Marie MCcarthy; Kathryn P. Lowry; Constance D. Lehman. Breast Cancer Screening with Digital Breast Tomosynthesis: Are Initial Benefits Sustained?. Radiology. 2020; 00:1-11.

DOI: 10.1148/radiol.2020191030.

Sociedad: Radiological Society of North America (RSNA) @radiology_rsna

Palabras clave: Breast cancer, cancer detection, digital breast tomosynthesis, digital mammography, screening.

Abreviaturas y acrónimos utilizados: AIR (ratio interpretación anormal), CDR (ratio detección cáncer), DBT (tomosíntesis digital mama), DM (mamografía digital), PPV1(valor predictivo positivo recitaciones), PPV2(valor predictivo positivo biopsias recomendadas), PPV3(valor predictivo positivo biopsias realizadas), BI-RADS (Sistema de Información y Reporte de Imágenes de Mama del American College of Radiology). 

 

Línea editorial del número

Radiology es una de las revistas oficiales de Radiological Society of North America (RSNA), publica mensualmente artículos originales y de revisión. En este número se publican varios artículos de radiología mamaria, de imagen cardíaca, de genitourinaria, varios de resonancia magnética, imagen abdominal, músculo-esquelética y neuro-radiología, entre otros.

Por otra parte, me han parecido interesantes 2 cartas del editor, en la primera se hace la pregunta de la necesidad de las revisiones por pares ya que estas enlentecen el proceso, pero llega a la conclusión de que mejora la calidad de la publicación y en la segunda carta proporcionan una guía actualizada para la revisión por pares en radiología.

 

Motivos para la selección

Dado mi trabajo en un área de radiología mamaria en la que también se lleva a cabo parte del programa de cribado del cáncer de mama de nuestra comunidad, es una pregunta muy recurrente la de cuándo va a empezar a realizarse el cribado con tomosíntesis en nuestro país.

 

Resumen

Hay investigaciones basadas en experiencias tempranas sobre si son sostenibles los beneficios de la DBT. Este estudio se propone determinar el rendimiento de la detección del cáncer de mama en los programas poblacionales después de las primeras rondas.

Se realizó una revisión retrospectiva de las mamografías de detección que se habían obtenido antes de la implementación de DBT (marzo de 2008 a febrero de 2011, grupo de mamografía digital bidimensional [DM]) y durante 5 años después de la implementación (enero de 2013 a diciembre de 2017). Los pacientes que se sometieron a DBT también se clasificaron según el número de exámenes previos de DBT los que se habían sometido. Las métricas de rendimiento se compararon entre los grupos DM y DBT y entre pacientes sin exámenes previos de DBT y aquellos con al menos un examen previo de DBT.

El grupo de DM consistió en 99.582 exámenes en 55.086 mujeres (57,3 años de media). El grupo DBT consistió en 205.048 exámenes en 76.276 mujeres (58.2 años de media).

El grupo DBT1 incluyó mamografías de detección obtenidas en 2013, el grupo DBT2 incorporó mamografías de detección obtenidas en 2014, el grupo DBT3 incluyó detección mamografías obtenidas en 2015, el grupo DBT4 incluyó mamografías de detección obtenidas en 2016, y el grupo DBT5 incluyó mamografías de detección obtenidas en 2017.

No hubo diferencias en la CDR entre los grupos DM y DBT. La CDR más alta se observó con el primer examen DBT. En comparación con el grupo DM, el grupo DBT1 tuvo una tasa de interpretación anormal más baja (AIR). La reducción en AIR también se mantuvo tras el primer examen.

La mamografía de detección se realizó con DM o DBT de campo completo (Selenia Dimensiones; Hologic, Bedford, Mass). Todos los exámenes DBT consistieron en tomosíntesis e imágenes DM convencionales. Las mamografías se interpretaron mediante el uso de la terminología de la BI-RADS. Las definiciones estándar de BI-RADS se utilizaron para clasificar las mamografías como verdaderos positivos, verdaderos negativos, falsas positivas o falsas negativas. Las métricas de rendimiento, que incluyen CDR, AIR, PPV1, PPV2, PPV3, sensibilidad y especificidad, se calcularon utilizando fórmulas estándar de BI-RADS. Hay otros datos que también se tuvieron en cuenta como la edad, raza, densidad mamaria, antecedentes de cáncer de mama, disponer de mamografía previa, lector y resultados de exámenes patológicos.

Las limitaciones del estudio hacen referencia a las comparaciones entre los grupos DM y DBT y el paso del tiempo, debido a que es un estudio retrospectivo, no pueden inferir que las diferencias se debieran únicamente a el cambio en la tecnología, ya que hubo otras diferencias entre los dos períodos de tiempo, incluidos los datos demográficos de los pacientes y la interpretación de los radiólogos.

 

Valoración Personal

Un artículo muy interesante que trata un tema muy discutido en la actualidad y que hace referencia a otros estudios recientes. Presenta unas tablas comparativas relevantes y el resultado puede aportar información útil para los programas de cribado que se están planteando la incorporación de la tomosíntesis.

 

Cecilia Aynés Suárez
Parc Taulí Hospital Universitari - Sabadell, TSIDMN
caynes@tauli.cat   @CAynes4

Noticias Relacionadas

Estudio preliminar de las limitaciones técnicas de la automatización en ecografía mamaria: del procedimiento al diagnóstico.
Estudio preliminar de las limitaciones técnicas de la automatización en ecografía mamaria: del procedimiento al diagnóstico.
Transferencia del conocimiento: Los Técnicos en Radiodiagnóstico en comparación con otros profesionales sanitarios.
Transferencia del conocimiento: Los Técnicos en Radiodiagnóstico en comparación con otros profesionales sanitarios.
Generación de mapa de atenuación basado en deep learning para SPECT de perfusión miocárdica.
Generación de mapa de atenuación basado en deep learning para SPECT de perfusión miocárdica.
Rango de interpretación del radiólogo en un programa de cribado de 1 millón de mamografías digitales.
Rango de interpretación del radiólogo en un programa de cribado de 1 millón de mamografías digitales.