El rol de la inteligencia artificial para complementar la tarea de los dermatólogos, particularmente en el diagnóstico del cáncer de piel
Lugones Editorial©
En dermatología, se ha logrado un progreso significativo hacia la aplicación de la inteligencia artificial en la detección y el diagnóstico del cáncer de piel. Los recientes avances en el campo de la inteligencia artificial permiten a los modelos no solo analizar los datos de imagen, sino también integrar la información clínica, incluida la demografía de los pacientes y el historial médico.
Estos avances también posibilitan la evaluación e identificación simultáneas de múltiples lesiones a partir de imágenes de campo amplio u obtener información de imágenes de diapositivas completas sin tener que usar costosas anotaciones hechas por humanos en píxeles.
Se ha logrado un progreso significativo hacia la aplicación de la inteligencia artificial en la detección y el diagnóstico del cáncer de piel
Aplicaciones de IA en la detección del cáncer de piel
La inteligencia artificial (IA) ha demostrado un gran potencial en la detección del cáncer de piel, especialmente en el diagnóstico precoz del melanoma y otros cánceres cutáneos no melanoma.
A través del análisis de imágenes dermatoscópicas y clínicas, los algoritmos de aprendizaje profundo son capaces de identificar características clave de las lesiones cutáneas y clasificarlas con una precisión comparable -y a veces superior- a la de los dermatólogos. Asimismo, se están explorando métodos basados en datos genéticos y transcriptómicos (como perfiles de ARN) para apoyar el diagnóstico y la predicción del pronóstico.
Los algoritmos de aprendizaje pueden identificar características clave de las lesiones cutáneas y clasificarlas con una precisión comparable -y a veces superior- a la de los dermatólogos
Herramientas de IA accesibles para pacientes
En los últimos años, han surgido aplicaciones móviles basadas en IA que permiten a los pacientes capturar y analizar imágenes de lunares o lesiones sospechosas utilizando la cámara de sus teléfonos inteligentes. Estos sistemas buscan facilitar el autocontrol de lesiones cutáneas y ayudar a identificar signos tempranos de malignidad.
Aunque su rendimiento es variable, algunos modelos han alcanzado niveles de precisión similares a los de médicos generales.
Existen aplicaciones móviles basadas en IA que permiten a los pacientes capturar y analizar imágenes de lunares o lesiones sospechosas utilizando la cámara de sus teléfonos inteligentes
IA como apoyo en atención primaria y teledermatología
La integración de modelos de IA en el ámbito de la atención primaria permite mejorar la capacidad diagnóstica de los médicos no dermatólogos, agilizando las derivaciones a especialistas y mejorando la detección precoz de lesiones cutáneas malignas.
Algunos modelos han sido entrenados para reconocer más de 25 condiciones dermatológicas comunes, incluyendo el cáncer de piel, con una sensibilidad y especificidad superiores al 90% y 80%, respectivamente.
Este tipo de IA también ha mostrado ser útil en plataformas de teledermatología, favoreciendo el acceso temprano a la atención especializada.
La IA también demostró ser útil en plataformas de teledermatología, favoreciendo el acceso temprano a la atención especializada
IA en la práctica clínica dermatológica
Más allá de la imagen, los registros médicos electrónicos y la información genética están comenzando a incorporarse a modelos predictivos de IA para estimar el riesgo individual de cáncer de piel. Aunque aún faltan variables clave, como la exposición a rayos UV o antecedentes familiares, la IA se perfila como una herramienta complementaria al juicio clínico.
La combinación de IA con técnicas como la dermatoscopia secuencial ha demostrado mejorar significativamente tanto la sensibilidad como la especificidad diagnóstica, lo que refuerza el valor de la IA como forma de “inteligencia aumentada”.
Avances en dermatopatología digital
En el ámbito de la dermatopatología, la IA aplicada al análisis de imágenes de diapositivas escaneadas (whole-slide images) ha mostrado una precisión diagnóstica comparable a la de los patólogos humanos.
En estudios recientes, los modelos han alcanzado sensibilidades y especificidades superiores al 98% en el diagnóstico de melanoma y carcinoma basocelular. Algunas soluciones pueden incluso identificar lesiones malignas sin anotaciones específicas, lo que facilita su uso en diferentes centros clínicos.
Los modelos han alcanzado sensibilidades y especificidades superiores al 98% en el diagnóstico de melanoma y carcinoma basocelular
Valor clínico de la IA en cáncer de piel
La IA se consolida como una aliada poderosa en todas las etapas del manejo del cáncer de piel: desde el cribado inicial por parte del paciente o el médico de atención primaria, hasta el diagnóstico especializado y la interpretación de biopsias.
Su implementación favorece la detección temprana, reduce tratamientos innecesarios y agiliza el flujo de trabajo clínico.
Aunque aún quedan desafíos regulatorios, técnicos y éticos, la integración responsable de la IA promete transformar la dermatología oncológica y mejorar de manera tangible la atención al paciente.
La integración responsable de la IA promete transformar la dermatología oncológica y mejorar de manera tangible la atención al paciente
Barreras para la implementación clínica de la IA en dermatología
- Calidad de imagen. El rendimiento de los algoritmos de IA depende fuertemente de la calidad de las imágenes clínicas o dermatoscópicas. Factores como desenfoque, mala iluminación, encuadres incorrectos o presencia de artefactos (marcas quirúrgicas, escalas) pueden afectar significativamente la precisión diagnóstica.
- Sesgo algorítmico y equidad. Muchos modelos han sido entrenados con imágenes de personas con piel clara, lo que disminuye su precisión en poblaciones con fototipos más oscuros. Este sesgo compromete la equidad en salud, ya que los pacientes con piel más oscura suelen recibir diagnósticos en etapas más avanzadas.
- Validación insuficiente de modelos. Muchos modelos de IA no han sido validados externamente con datos clínicos reales ni sometidos a pruebas de robustez frente a variaciones en las imágenes. Sin pruebas rigurosas y datasets abiertos, los resultados pueden sobreestimarse.
Conclusiones
La IA actualmente es capaz de aumentar el rendimiento diagnóstico de los médicos no dermatólogos y se desempeña a nivel de dermatólogos experimentados en la evaluación de neoplasias cutáneas malignas, según estudios controlados.
Este logro abre la posibilidad de que los médicos de atención primaria cuenten con una herramienta eficaz para seleccionar pacientes que requieran derivación dermatológica, disminuyendo así las consultas innecesarias por lesiones benignas y liberando recursos para tratar a tiempo los casos verdaderamente malignos.
Del mismo modo, se vislumbra un futuro en el que los propios pacientes puedan autoderivarse mediante sistemas inteligentes capaces de identificar lesiones sospechosas por región anatómica.
Los médicos son indispensables para sintetizar el contexto relevante y ofrecer asesoramiento al paciente y atención posterior
La implementación de la IA tiene el potencial de democratizar el acceso a la atención dermatológica, beneficiando especialmente a poblaciones subatendidas.
Sin embargo, persisten limitaciones importantes: el diagnóstico erróneo ante casos fuera de la distribución conocida, los sesgos derivados de conjuntos de datos no representativos (especialmente en tipos de piel más oscuros), la variabilidad en la calidad de imagen en la práctica clínica y la necesidad de una validación rigurosa con datos externos.
Superar estas barreras requerirá, entre otras estrategias, el desarrollo de modelos más robustos, el uso de datos multimodales, la colaboración entre centros especializados y marcos regulatorios éticos y sólidos.
En el futuro, los modelos de IA no solo apoyarán a médicos generales, sino también a dermatólogos y dermatopatólogos experimentados, ofreciendo diagnósticos más precisos, personalizados y equitativos.
Dada la mayor precisión del diagnóstico al integrar la IA en la toma de decisiones, el futuro de la dermatología probablemente implicará la colaboración humano-computadora
Cáncer de piel e inteligencia artificial
Fuente
Wei ML, Tada M, So A, Torres R. Artificial intelligence and skin cancer. Front Med (Lausanne) 2024 Mar 19;11:1331895.
