La inteligencia artificial iguala el ojo clínico del MIR en Dermatología

Investigadores en Corea han desarrollado un algoritmo de inteligencia artificial (IA) basado en el aprendizaje profundo que puede clasificar con precisión los trastornos cutáneos, predecir si son malignos, sugerir opciones de tratamiento y servir como una herramienta auxiliar para mejorar la precisión diagnóstica de los especialistas. Con la asistencia de este sistema, se mejoró significativamente la precisión diagnóstica de los dermatólogos y del público en general. Este nuevo estudio está publicado en el Journal of Investigative Dermatology.

Las enfermedades de la piel son comunes, pero no siempre es fácil visitar a un dermatólogo rápidamente o distinguir entre afecciones malignas y benignas. "Recientemente, ha habido avances notables en el uso de la inteligencia artificial en la Medicina. Para problemas específicos, como la distinción entre melanoma y nevos, la IA ha mostrado resultados comparables a los de los dermatólogos", ha explicado el investigador principal Jung-Im Na, del Departamento de Dermatología, Universidad Nacional de Seúl (Corea).

"Para que estos sitemas sean prácticamente útiles su rendimiento debe ser probado"

"Sin embargo -ha añadido- para que estos sistemas sean prácticamente útiles, su rendimiento debe ser probado en un entorno similar a la práctica real, que requiere no solo clasificar la lesión maligna versus benigna, sino también distinguir el cáncer de piel de muchos otros trastornos de la piel, incluidas las enfermedades inflamatorias e infecciosas".

Utilizando una "red neuronal convolucional", un algoritmo especializado de inteligencia artificial, los investigadores desarrollaron un sistema de IA capaz de predecir la malignidad, sugerir opciones de tratamiento y clasificar los trastornos de la piel.

Los investigadores recolectaron 220.000 imágenes de asiáticos y caucásicos con 174 enfermedades de la piel y entrenaron redes neuronales para interpretar esas imágenes. Descubrieron que el algoritmo podía diagnosticar 134 trastornos cutáneos y sugerir opciones de tratamiento primario, generar una clasificación de clases múltiples entre ellos y mejorar el desempeño de los profesionales médicos a través de la inteligencia aumentada. La mayoría de los estudios anteriores se han limitado a tareas binarias específicas, como diferenciar el melanoma de los nevos.

Resultados como los de los MIR de Dermatología

El desempeño del algoritmo se comparó inicialmente con el desempeño de 21 dermatólogos, 26 residentes de Dermatología y 23 miembros del público en general. Su desempeño fue similar al de los residentes de Dermatología pero ligeramente inferior al de los dermatólogos.

Después de la prueba inicial, los participantes de la prueba fueron informados de los resultados del algoritmo y posteriormente modificaron sus respuestas. La sensibilidad del diagnóstico de malignidad de los 47 médicos mejoró del 77,4 por ciento al 86,8 por ciento.

Del mismo modo, la sensibilidad del diagnóstico de malignidad por parte de los 23 miembros del público en general mejoró notablemente del 47,6 por ciento al 87,5 por ciento. En particular, según el resultado inicial, el público en general habría pasado por alto la mitad de las neoplasias malignas sin derivación a especialistas.