Los investigadores en Corea han desarrollado un algoritmo de inteligencia artificial IA basado en el aprendizaje profundo que puede clasificar con precisión los trastornos cutáneos cutáneos, predecir malignidad, sugerir opciones de tratamiento primario y servir como una herramienta auxiliar para mejorar la precisión diagnóstica de los médicos.Con la ayuda de este sistema, la precisión diagnóstica de los dermatólogos, así como del público en general, mejoró significativamente. Revista de Dermatología de Investigación .
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 IA en medicina. Para problemas específicos, como distinguir entre melanomay nevi, la IA ha mostrado resultados comparables a los de los dermatólogos humanos. Sin embargo, 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 tambiéndistinguir el cáncer de piel de muchos otros trastornos de la piel, incluidas las afecciones inflamatorias e infecciosas ", explicó el investigador principal Jung-Im Na, MD, PhD, Departamento de Dermatología, Universidad Nacional de Seúl, Seúl, Corea.
Utilizando una "red neuronal convolucional", un algoritmo especializado de IA, los investigadores desarrollaron un sistema de IA capaz de predecir 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 redes neuronales capacitadaspara interpretar esas imágenes. Descubrieron que el algoritmo podía diagnosticar 134 trastornos de la piel y sugerir opciones de tratamiento primario, ofrecer una clasificación de clases múltiples entre los trastornos y mejorar el rendimiento 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.
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 de 77.4 por ciento a 86.8 por ciento. De manera similar, la sensibilidad del diagnóstico de malignidad por los 23 miembros delel público en general mejoró notablemente de 47.6 por ciento a 87.5 por ciento. Notablemente, basado en el resultado inicial, el público en general habría pasado por alto la mitad de los tumores malignos sin derivación a especialistas.
"Nuestros resultados sugieren que nuestro algoritmo puede servir como una Inteligencia Aumentada que puede empoderar a los profesionales médicos en dermatología de diagnóstico", señaló el Dr. Na. "En lugar de que la IA reemplace a los humanos, esperamos que la IA apoye a los humanos a medida que la Inteligencia Aumentada llegue a los diagnósticos más rápidoy con mayor precisión "
Los investigadores advierten que la IA no puede interpretar definitivamente imágenes para las que no está entrenado para interpretar, incluso cuando el problema presentado es sencillo. Por ejemplo, un algoritmo entrenado solo para diferenciar entre melanoma y nevos no puede diferenciar entre una imagen de un hematoma de uñas yun melanoma o un nevo. Si la forma del hematoma es irregular, el algoritmo puede diagnosticarlo como melanoma. También señalan que el algoritmo fue entrenado y probado usando imágenes de alta calidad y su rendimiento generalmente no es óptimo si las imágenes de entrada son debaja calidad.
Además, un diagnóstico realizado con una sola imagen con la composición más óptima puede presentar limitaciones inherentes en comparación con los diagnósticos realizados en un entorno clínico. En una práctica real, un diagnóstico dermatológico se basa en la combinación de múltiples fuentes de información que incluyenhistorial médico anterior, síntomas, apariencia en comparación con otras lesiones en el paciente y la textura de la lesión evaluada por contacto físico.
"Anticipamos que el uso de nuestro algoritmo con un teléfono inteligente podría alentar al público a visitar especialistas para lesiones cancerosas como el melanoma que de otro modo podrían haberse descuidado", comentó el Dr. Na. "Sin embargo, hay problemas con la calidad ocomposición de fotografías tomadas por el público en general que pueden afectar los resultados del algoritmo. Si el rendimiento del algoritmo puede reproducirse en el entorno clínico, será prometedor para la detección temprana del cáncer de piel con un teléfono inteligente. Esperamos que los estudios futuros lo haganevaluar la utilidad y el rendimiento de nuestros algoritmos en un entorno clínico "
Una versión de demostración temprana del enfoque de aprendizaje profundo del equipo está disponible a través de su sitio web. Al analizar los datos a través del sitio web, los investigadores esperan identificar posibles problemas que podrían surgir si la IA se usara a través de la telemedicina, que se basa más en la clínicafotografía para diagnosticar trastornos de la piel; sin embargo, estos diagnósticos aún deberán ser verificados por dermatólogos junto con el historial médico y el examen físico del paciente.
Fuente de la historia :
Materiales proporcionado por Elsevier . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :