Entre un 30% y 50% de los casos de cáncer de próstata en Latinoamérica se diagnostican en etapas avanzadas o metastásicas, una condición asociada a mayores tasas de mortalidad. Esta situación refleja un problema persistente: muchos pacientes llegan tarde al diagnóstico, en parte por las limitaciones de los métodos tradicionales de detección.
Durante años, la prueba de antígeno prostático específico (PSA) ha sido una de las herramientas más utilizadas. Sin embargo, su capacidad para diferenciar con precisión entre lesiones benignas y malignas ha sido objeto de debate, generando tanto biopsias innecesarias como incertidumbre clínica.
En este escenario, la resonancia magnética multiparamétrica (RMmp) ha ganado espacio como herramienta de apoyo para el diagnóstico. Más recientemente, la incorporación de algoritmos de inteligencia artificial en los procesos de adquisición y reconstrucción de imágenes ha permitido mejorar la calidad de los estudios y reducir los tiempos de exploración. Tecnologías como Deep Resolve, por ejemplo, optimizan la reconstrucción de imágenes, lo que puede acortar exámenes que antes tomaban cerca de una hora a aproximadamente 15 minutos, manteniendo niveles de resolución diagnóstica.
Carlos Restrepo, gerente de Portafolio de Resonancia Magnética en Siemens Healthineers Latinoamérica, señala que la integración de inteligencia artificial en estos sistemas contribuye a una visualización más detallada de tejidos y lesiones, facilitando el análisis por parte de los especialistas. Además, los sistemas de apoyo basados en IA ayudan a identificar áreas sospechosas y a reducir la variabilidad entre observadores, al ofrecer parámetros de evaluación más estandarizados.
Otro aspecto relevante es la posibilidad de alcanzar resoluciones de imagen que antes se asociaban principalmente a equipos de mayor campo magnético. Según Restrepo, las nuevas tecnologías de reconstrucción permiten obtener estudios de alta calidad incluso en equipos de 1.5 teslas, ampliando el acceso a este tipo de diagnóstico.
El impacto potencial de estos avances se traduce en una mejor selección de pacientes para biopsias, mayor capacidad de detección en fases tempranas y una planificación terapéutica más precisa. En un contexto regional donde una proporción importante de diagnósticos aún ocurre en etapas avanzadas, el uso de herramientas de imagen asistidas por inteligencia artificial se perfila como un apoyo relevante para la práctica clínica, sin reemplazar el criterio médico, pero aportando información adicional para la toma de decisiones.
