Algoritmo que funciona con tanta precisión como los dermatólogos
Crédito: Wikimedia Commons/Instituto Nacional del Cáncer
Ahora se ha presentado un estudio que refuerza la evidencia del uso de soluciones de IA en el diagnóstico del cáncer de piel. Con un algoritmo que ellos mismos diseñaron, los científicos de la Universidad de Gotemburgo muestran la capacidad de la tecnología para funcionar al mismo nivel que los dermatólogos en la evaluación de la gravedad del melanoma de la piel.
El estudio, publicado en el Journal of the American Academy of Dermatology, y sus resultados son el trabajo de un grupo de investigación del Departamento de Dermatología y Venereología de la Academia Sahlgrenska de la Universidad de Gotemburgo.
El El estudio se realizó en el Hospital Universitario Sahlgrenska de Gotemburgo. Su finalidad era, a través del aprendizaje automático (ML), entrenar un algoritmo para determinar si el melanoma de piel es invasivo y existe riesgo de que se propague (metastatizar), o si se mantiene en una etapa de crecimiento en la que queda confinado a la epidermis. , sin riesgo de metástasis.
El algoritmo fue entrenado y validado en 937 imágenes dermatoscópicas de melanoma, y posteriormente probado en 200 casos. Todos los casos incluidos fueron diagnosticados por un dermatólogo.
Algoritmo vs dermatólogo
La mayoría de los melanomas los detectan los pacientes y no los médicos. Esto sugiere que, en la mayoría de los casos, el diagnóstico es relativamente fácil. Sin embargo, antes de la cirugía, a menudo es mucho más difícil determinar la etapa en la que se encuentra el melanoma.
Para que las clasificaciones sean más precisas, los dermatólogos usan instrumentos dermatoscópicos que combinan un tipo de lupa con una iluminación brillante. En los últimos años, ha aumentado el interés en el uso de ML para la clasificación de tumores de piel, y varias publicaciones han demostrado que los algoritmos de ML pueden funcionar a la par o incluso mejor que los dermatólogos experimentados.
El estudio actual ahora está dando un nuevo impulso a la investigación en este campo. Cuando la misma tarea de clasificación fue realizada por el algoritmo por un lado y siete dermatólogos independientes por el otro, el resultado fue un empate.
Apoyo a pacientes y médicos
«Ninguno de los dermatólogos superaron significativamente el algoritmo ML», afirma Sam Polesie, investigador de la Universidad de Gotemburgo y médico especialista en el Hospital Universitario Sahlgrenska, quien es el autor correspondiente del estudio.
En una forma desarrollada, el algoritmo podría servir de apoyo en la tarea de evaluar la gravedad del melanoma de piel antes de la cirugía. La clasificación afecta cuán extensa debe ser una operación y, por lo tanto, es importante tanto para el paciente como para el cirujano.
«Los resultados del estudio son interesantes y la esperanza es que el algoritmo pueda usarse como apoyo a la toma de decisiones clínicas en el futuro. Pero necesita refinarse aún más, y también son necesarios estudios prospectivos que controlen a los pacientes a lo largo del tiempo», concluye Polesie.
Explore más
Los PA pueden tener una precisión diagnóstica más baja para el melanoma Más información: Discriminación entre melanomas invasivos e in situ usando una red neuronal convolucional Revista de la Academia Estadounidense de Dermatología DOI:doi. org/10.1016/j.jaad.2021.02.012
Material complementario Discriminación entre melanomas invasivos e in situ utilizando una red neuronal convolucional, dx.doi.org/10.17632/y883xdgw86.1 expertosvar.se/en/pressmeddelan … y-as-dermatologists/ Información de la revista: Journal of the American Academy of Dermatology