Herramienta de IA mejora detección del cáncer de piel

Diagnosticar con precisión el melanoma en personas de piel oscura sigue siendo un reto. Muchas herramientas de inteligencia artificial (IA) detectan el cáncer de piel con mayor fiabilidad en pieles claras, pasando por alto a menudo los signos iniciales en pacientes de piel oscura. Esto contribuye a diagnósticos en etapas avanzadas y a peores resultados. Para abordar esta deficiencia diagnóstica, los investigadores han desarrollado un nuevo método basado en IA que mejora el reconocimiento del tono de piel y la detección del melanoma en diversos grupos de pacientes.

La investigación colaborativa liderada por el Centro Oncológico Fox Chase (Filadelfia, Pensilvania, EUA) introduce un enfoque más equitativo para el entrenamiento de herramientas de IA en dermatología. Los investigadores se centraron en comprender por qué los sistemas de IA existentes tienen un rendimiento inferior en tonos de piel más oscuros. Descubrieron que la mayoría de los modelos se entrenan con conjuntos de datos reducidos, a menudo procedentes de regiones geográficas, hospitales o períodos de tiempo limitados, y no logran representar todo el espectro de colores de la piel humana.

Esta falta de diversidad genera resultados diagnósticos sesgados que favorecen a las personas de piel más clara. Estudios recientes de imagen y de IA han buscado mejorar la detección en distintos tipos de piel, pero pocos han examinado directamente cómo el color de la piel afecta el rendimiento diagnóstico. Para superar esta limitación, el equipo desarrolló MST-AI, un método basado en la escala de tonos de piel de Monk (MST), que utiliza 10 tonalidades distintas para abarcar una gama más amplia de tonos de piel. MST-AI estima el color de la piel con mayor precisión y se probó en un extenso conjunto de datos públicos de imágenes de cáncer de piel.

Este enfoque, destacado en el Journal of Imaging, ofrece mayor precisión y asignaciones de tono de piel más fiables en comparación con las técnicas existentes, creando una base más representativa para el entrenamiento de la IA. El método MST-AI ayuda a corregir los desequilibrios en el tono de piel en conjuntos de datos dermatológicos, permitiendo que los modelos de IA aprendan de una muestra más inclusiva. Esto puede mejorar la detección precoz, reducir los diagnósticos de melanoma erróneos o tardíos en personas de color y apoyar el desarrollo de herramientas clínicas de IA más equitativas.

"Nuestros resultados demuestran que MST-AI proporciona estimaciones del tono de piel más precisas y fiables que otros métodos, basándose en puntuaciones de evaluación fiables. Ayuda a corregir los desequilibrios del tono de piel en grandes conjuntos de datos dermatológicos, creando una mejor base para un diagnóstico preciso y justo", afirmó Hayan Lee, PhD, autora principal del estudio.

Enlaces relacionados:
Centro Oncológico Fox Chase

Visitar la expo >

Miembro Oro

Hematology Analyzer

Medonic M32B

Collection and Transport System
PurSafe Plus®

Gram-Negative Blood Culture Assay

LIAISON PLEX Gram-Negative Blood Culture Assay

Sperm Quality Analyis Kit

QwikCheck Beads Precision and Linearity Kit