Los datos disponibles para entrenar a la IA para detectar el cáncer de piel son insuficientes y faltan imágenes de piel más oscura

Micrografía de melanoma maligno. Muestra de citología. Mancha de campo. Crédito: Nephron/Wikipeida

Las imágenes y los datos adjuntos disponibles para entrenar la inteligencia artificial (IA) para detectar el cáncer de piel son insuficientes e incluyen muy pocas imágenes de piel más oscura, según una investigación presentada en el Festival NCRI y publicada en Lancet Digital Health .

La IA se usa cada vez más en medicina, ya que puede hacer que el diagnóstico de enfermedades como el cáncer de piel sea más rápido y efectivo. Sin embargo, la IA debe ‘entrenarse’ observando datos e imágenes de una gran cantidad de pacientes en los que ya se ha establecido el diagnóstico, por lo que un programa de IA depende en gran medida de la información con la que se entrena.

Los investigadores dicen que existe una necesidad urgente de mejores conjuntos de datos sobre cánceres de piel y otras lesiones cutáneas que contengan información sobre quién está representado en los conjuntos de datos.

La investigación fue presentada por el Dr. David Wen de la Universidad de Oxford, Reino Unido. Él dijo: «Los programas de inteligencia artificial tienen un gran potencial para diagnosticar el cáncer de piel porque pueden mirar imágenes y evaluar de manera rápida y rentable cualquier punto preocupante en la piel. Sin embargo, es importante conocer las imágenes y los pacientes utilizados para desarrollar programas , ya que estos influyen para qué grupos de personas los programas serán más efectivos en entornos de la vida real. Las investigaciones han demostrado que los programas entrenados en imágenes tomadas de personas con tipos de piel más claros podrían no ser tan precisos para personas con piel más oscura, y viceversa. viceversa.»

Dr. Wen y sus colegas llevaron a cabo la primera revisión de todos los conjuntos de datos de libre acceso sobre lesiones cutáneas en todo el mundo. Encontraron 21 conjuntos que incluían más de 100.000 imágenes.

El diagnóstico de cáncer de piel normalmente requiere una foto de la lesión preocupante, así como una imagen tomada con una lupa manual especial, llamada dermatoscopio, pero solo dos de los 21 conjuntos de datos incluían imágenes tomadas con ambos métodos. A los conjuntos de datos también les faltaba otra información importante, como la forma en que se eligieron las imágenes para incluirlas y la evidencia de la aprobación ética o el consentimiento del paciente.

Catorce de los 21 conjuntos de datos brindaron información sobre el país del que procedían y de esos , nueve contenían imágenes de países europeos. Solo un pequeño porcentaje de imágenes estuvo acompañada de información sobre el color de la piel o el origen étnico de los pacientes. Entre las fotografías en las que se indicaba el color de la piel (2.436 fotografías), solo diez eran de piel morena y solo una era de piel morena o negra. Entre las imágenes en las que se indicaba el origen étnico (1585 imágenes), ninguna era de personas con antecedentes africanos, afrocaribeños o del sur de Asia.

Dr. Wen agregó: «Descubrimos que para la mayoría de los conjuntos de datos, no se informó mucha información importante sobre las imágenes y los pacientes en estos conjuntos de datos. Había información limitada sobre quién, cómo y por qué se tomaron las imágenes. Esto tiene implicaciones para el programas desarrollados a partir de estas imágenes, debido a la incertidumbre sobre cómo pueden funcionar en diferentes grupos de personas, especialmente en aquellos que no están bien representados en los conjuntos de datos, como aquellos con piel más oscura. Esto puede conducir potencialmente a la exclusión o incluso al daño de estos grupos de tecnologías de IA.

«Aunque el cáncer de piel es más raro en personas con pieles más oscuras, hay evidencia de que aquellos que lo desarrollan pueden tener una enfermedad peor o tener más probabilidades de morir a causa de la enfermedad. Un factor que contribuye a esto podría ser el resultado de que el cáncer de piel se diagnostica demasiado tarde».

Para protegerse contra esto, el Dr. Wen y sus colegas esperan crear estándares de calidad para los datos de salud utilizados en el desarrollo de IA. Esto incluirá información sobre quién debe estar representado en los conjuntos de datos y qué características de los pacientes deben registrarse.

El Dr. Neil Steven es miembro del NCRI Skin Group, consultor honorario en oncología médica en University Hospitals Birmingham NHS Foundation Trust , Reino Unido y no participó en la investigación. Dijo: «El cáncer de piel afecta a más de 200 000 personas cada año solo en el Reino Unido». Algunos tipos de cáncer de piel son más agresivos que otros, por lo que un diagnóstico y tratamiento rápidos pueden ser vitales.

«Ya sabemos que no hay suficientes fotografías de personas de origen negro y asiático en los libros de texto que usamos para entrenar médicos. Los hallazgos de esta revisión de que las imágenes de personas con piel más oscura están subrepresentadas en los conjuntos de datos plantean preocupaciones sobre la capacidad de la IA para ayudar en el diagnóstico del cáncer de piel, especialmente en un contexto global.

«Espero que esto funcione continuará y ayudará a garantizar que el progreso que hacemos en el uso de la IA en la medicina beneficie a todos los pacientes, reconociendo que el color de la piel humana es muy diverso». Más información: David Wen et al, Características de los conjuntos de datos de imágenes de cáncer de piel disponibles públicamente: una revisión sistemática, The Lancet Digital Health (2021). DOI: 10.1016/S2589-7500(21)00252-1 Proporcionado por el Instituto Nacional de Investigación del Cáncer Cita: Los datos disponibles para entrenar a la IA para detectar el cáncer de piel son insuficientes y faltan imágenes de piel más oscura (10 de noviembre de 2021) consultado el 29 de agosto de 2022 en https://medicalxpress.com/news/2021-11-ai-skin- cancer-insuficiente-carencia.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.