Algoritmos de inteligencia artificial potenciados por aprendizaje profundo mejoran la precisión en el diagnóstico de cáncer de piel

Algoritmos de inteligencia artificial (IA) se utilizan cada vez más en diversos entornos clínicos, como la dermatología. Estos algoritmos se desarrollan entrenando una computadora con cientos de miles o millones de imágenes de diversas afecciones de la piel, cada una etiquetada con detalles como el diagnóstico y los resultados del paciente. A través de un proceso conocido como aprendizaje profundo, la computadora aprende a identificar patrones en las imágenes que son indicativos de enfermedades específicas de la piel, incluidos los cánceres. Una vez suficientemente entrenado, el algoritmo puede sugerir diagnósticos potenciales basados en nuevas imágenes de la piel de un paciente. Sin embargo, estos algoritmos no funcionan de forma aislada; se utilizan bajo la supervisión de médicos que evalúan al paciente, realizan sus propias valoraciones diagnósticas y deciden si seguir las recomendaciones del algoritmo.

Ahora, un nuevo estudio dirigido por investigadores de Stanford Medicine (Stanford, CA, EUA) ha descubierto que los algoritmos de inteligencia artificial, que utilizan el aprendizaje profundo, pueden mejorar la precisión del diagnóstico de cánceres de piel. Este beneficio se extiende a los dermatólogos, aunque la mejora es más pronunciada para los no dermatólogos. El estudio analizó 12 estudios de investigación que documentaron más de 67.000 evaluaciones de posibles cánceres de piel realizadas por varios profesionales médicos, con y sin asistencia de IA. Los hallazgos indicaron que los profesionales de la salud sin el apoyo de la IA diagnosticaron con precisión aproximadamente el 75 % de los casos reales de cáncer de piel e identificaron correctamente alrededor del 81,5 % de las afecciones no cancerosas que se parecían al cáncer. El desempeño de los profesionales de la salud mejoró cuando utilizaron la IA para ayudar con los diagnósticos. Su sensibilidad aumentó hasta aproximadamente el 81,1% y su especificidad hasta el 86,1 %.

Aunque estas mejoras pueden parecer modestas, son cruciales para diagnosticar correctamente a los pacientes a quienes se les dice erróneamente que no tienen cáncer cuando sí lo tienen, o a quienes se les informa incorrectamente que tienen cáncer cuando no lo tienen. El análisis reveló además que los estudiantes de medicina, las enfermeras practicantes y los médicos de atención primaria fueron los que más obtuvieron la asistencia de la IA, con mejoras promedio de aproximadamente 13 puntos en sensibilidad y 11 puntos en especificidad. Si bien los dermatólogos y residentes de dermatología ya mostraron una mayor precisión general, su desempeño diagnóstico también obtuvo ganancias en sensibilidad y especificidad con la asistencia de la IA. Los investigadores ahora buscan explorar más a fondo el potencial y los desafíos de integrar herramientas de IA en la atención médica, centrándose particularmente en cómo las percepciones y actitudes de los médicos y pacientes hacia la IA podrían afectar su adopción.

"Los estudios anteriores se han centrado en cómo funciona la IA en comparación con los médicos", dijo la investigadora postdoctoral Jiyeong Kim, PhD. "Nuestro estudio comparó a los médicos que trabajan sin asistencia de IA con los médicos que utilizan IA para diagnosticar cánceres de piel".

Enlaces relacionados:
Medicina de Stanford

Visitar la expo >

New

Miembro Platino

PRUEBA COMBINADA DE GRIPE Y SARS-COV-2

OSOM® Flu SARS-CoV-2 Combo Test

Magnetic Bead Separation Modules
MAG and HEATMAG

Complement 3 (C3) Test

GPP-100 C3 Kit

Miembro Oro

Liquid Ready-To-Use Lp(a) Reagent

Lipoprotein (a) Reagent