Especialidades > Dermatología

La inteligencia artificial, vía para evaluar el eritema por radiación

Según un estudio, puede ser una herramienta de preevaluación y apoyo a la toma de decisiones de los oncólogos

La investigación ha usado un total de 2.263 imágenes distintas realizadas a 209 pacientes.

19 oct 2021. 13.35H
SE LEE EN 3 minutos
POR ISABEL MARTÍN
Un estudio ha desarrollado diferentes modelos de aprendizaje viables para el análisis y la clasificación de reacciones cutáneas, como la dermatitis, provocadas por la radiación. La investigación, no revisada por pares y publicada en MedRxiv, muestra cómo el sistema de clasificación Common Terminology Criteria for Adverse Events (Ctcae) es capaz de llevar a cabo un seguimiento remoto y una evaluación objetiva de las reacciones cutáneas inducidas por radiación (RISR). Esta investigación, llevada a cabo por distintos dermatólogos de Scarletred Holding GmbH y también financiado por este último, ha sido la primera en centrarse en la dermatitis por radiación.

El objetivo del estudio es ofrecer distintos enfoques de aprendizaje automático y aprendizaje profundo usando redes neuronales convolucionales profundas (CNN) para poder clasificar de manera automática las reacciones cutáneas, como puede ser la dermatitis. El sistema Ctcae, además de hacer un seguimiento exhaustivo, puede convertir imágenes digitales de la piel en 2D. Para poder lograr este resultado, el sistema Ctcae ha analizado unas 2.263 imágenes distintas realizadas a 209 pacientes para entrenar y probar ese aprendizaje automático y, por ende, los algoritmos de CNN.

El estudio ha sido el primero en producir resultados de referencia utilizando modelos de aprendizaje automático. Por ese motivo, el resultado obtenido ratifica que el sistema propuesto puede actuar "como una herramienta de preevaluación y apoyo a la toma de decisiones para que los oncólogos o los pacientes proporcionen una evaluación rápida, confiable y eficiente de la clasificación del eritema".


Una herramienta de medición viable


Los modelos de aprendizaje automático llevados a cabo, produjeron una precisión superior al 70 por ciento para problemas de dos tipos de piel sana en relación con el eritema (trastorno de la piel provocado por un exceso de riego sanguíneo por vasolidatación que causan diferentes infecciones en la piel), una de ellas con un grado de cero y la otra, igual o superior a uno. Además, la sensibilidad y especificidad del reconocimiento de esas infecciones fueron del 67 al 72 por ciento, y del 72 al 83 por ciento, respectivamente. Por su parte, la CNN produjo una precisión de prueba del 74 por ciento, una sensibilidad del 66 por ciento, y un 83 por ciento de especificidad para pronosticar algunos casos sanos y eritematosos. 

Por otro lado, en cuanto a la predicción del grado de gravedad de un problema de tres clases, en las que se toman las de grado cero, grado uno y grado dos, el estudio ha dado como resultado una precisión general del 60 al 67 por ciento. En el mismo caso, estas clases mostraron las sensibilidades del 56 al 82 por ciento y del 35 al 59 por ciento, respectivamente. En cuanto al grado de gravedad, la CNN obtuvo una precisión del 73, 66 y 82 por ciento, respectivamente. 

Aunque pueda contener afirmaciones, datos o apuntes procedentes de instituciones o profesionales sanitarios, la información contenida en Redacción Médica está editada y elaborada por periodistas. Recomendamos al lector que cualquier duda relacionada con la salud sea consultada con un profesional del ámbito sanitario.