Aplicaciones clínicas de la inteligencia artificial en dermatología, especialmente en la precisión del diagnóstico y en la detección del melanoma
Lugones Editorial©
La inteligencia artificial ha surgido como una herramienta transformadora en la medicina moderna, particularmente en dermatología, donde apoya el diagnóstico y el manejo de varias enfermedades de la piel, incluido el cáncer de piel.
A través del aprendizaje automático y las técnicas de aprendizaje profundo, la inteligencia artificial permite el análisis preciso de imágenes clínicas y dermoscópicas, mejorando la detección temprana y los resultados clínicos.
En este trabajo, los autores realizaron una revisión sistemática con el objetivo de evaluar las aplicaciones clínicas de la inteligencia artificial (IA) en dermatología, centrándose en su impacto en la precisión del diagnóstico, la eficiencia del flujo de trabajo y el acceso a la atención especializada.
La IA ha demostrado un sólido potencial clínico en dermatología, particularmente en la detección de cáncer y la optimización del flujo de trabajo
Introducción
Por lo general, los dermatólogos utilizan un dermatoscopio. Hoy en día, la IA ofrece soluciones innovadoras que permiten la detección precisa de enfermedades en poco tiempo.
A su vez, la IA puede complementar técnicas avanzadas como la microscopia confocal de telerreflexión, a través de algoritmos de análisis de imágenes que mejoran la interpretación de los resultados, optimizan la detección de patrones y aumentan la precisión diagnóstica. Del mismo modo, el uso de redes neuronales de aprendizaje profundo ha permitido el desarrollo de sistemas de diagnóstico asistidos por ordenador, que analizan imágenes clínicas y dermoscópicas con una alta eficiencia.
En este contexto, sistemas como FotoFinder han surgido como herramientas clave en la integración de la IA en dermatología, combinando la dermoscopia digital con algoritmos de análisis de imágenes para optimizar la detección y el monitoreo de lesiones cutáneas. FotoFinder permite la captura y el análisis automatizados de imágenes de la piel, lo que facilita la identificación de cambios sutiles en las lesiones a lo largo del tiempo.
La IA sirve de apoyo en la detección temprana del melanoma y como recurso para optimizar la atención médica, reducir los tiempos de diagnóstico y mejorar los resultados clínicos
Debate
Actualmente, existen sistemas informáticos capaces de imitar las funciones cognitivas humanas, conocidas como inteligencia artificial (IA). Estas tecnologías han encontrado varias aplicaciones en el campo de la medicina, particularmente en dermatología, donde se utilizan principalmente para la detección de melanomas, el tipo de cáncer de piel con la tasa de mortalidad más alta. A través del análisis de imágenes clínicas, la IA contribuye a mejorar la precisión diagnóstica y a facilitar la identificación temprana de lesiones sospechosas.
Este proceso se basa en el aprendizaje automático, una rama de la IA que permite a los sistemas aprender de grandes volúmenes de datos y hacer predicciones sin necesidad de programación explícita, optimizando así el reconocimiento de patrones en imágenes (en este caso, imágenes dermatológicas).
A su vez, el aprendizaje profundo, una subcategoría del aprendizaje automático, utiliza redes neuronales profundas para imitar el aprendizaje humano y mejorar la precisión en tareas complejas. Estas redes neuronales artificiales están inspiradas en la estructura y el funcionamiento del cerebro humano, organizados en múltiples capas de neuronas artificiales que procesan jerárquicamente la información.
Gracias a este enfoque, el aprendizaje profundo ha demostrado una gran capacidad para analizar imágenes médicas, permitiendo que se detecten patrones sutiles que pueden pasar desapercibidos en las evaluaciones tradicionales. Tanto el aprendizaje automático como el aprendizaje profundo son los fundamentos de la IA.
Relación jerárquica entre la IA, el aprendizaje automático, el aprendizaje profundo y las redes neuronales convolucionales (CNN) y sus aplicaciones clínicas en dermatología
IA en Dermatología: aplicaciones principales
La IA ha ganado protagonismo en dermatología principalmente por su capacidad para analizar imágenes médicas, especialmente en el diagnóstico de cáncer de piel, úlceras y psoriasis. A diferencia de las evaluaciones manuales, que pueden ser subjetivas, los algoritmos de IA permiten una valoración más precisa y reproducible de las lesiones cutáneas.
Diagnóstico de malignidades cutáneas
La detección de neoplasias es el uso más consolidado de la IA en dermatología. Mediante algoritmos de deep learning, los sistemas analizan imágenes de lesiones a nivel de píxel para diferenciar entre lesiones benignas (como nevos) y malignas (como melanomas). Estos modelos han demostrado una precisión diagnóstica promedio del 90 % y una sensibilidad del 85 %, superando en muchos casos a métodos tradicionales.
Además del melanoma, la IA ayuda a detectar y clasificar otras lesiones sospechosas, facilitando el diagnóstico temprano y la implementación de tratamientos personalizados. También actúa como soporte en la toma de decisiones clínicas, aumentando la eficiencia, reduciendo los tiempos de espera y mejorando la tasa de supervivencia de los pacientes.
Impacto del apoyo a la IA en la precisión diagnóstica según la experiencia de los dermatólogos
Diagnóstico de enfermedades inflamatorias
La IA se aplica al diagnóstico de afecciones inflamatorias como psoriasis, dermatitis y acné mediante el análisis automatizado de imágenes dermatológicas. Además, los modelos de deep learning permiten predecir la respuesta a terapias biológicas e individualizar tratamientos, integrando variables clínicas como antecedentes, demografía y comorbilidades.
También se han utilizado para identificar biomarcadores, dianas terapéuticas y oportunidades de reposicionamiento farmacológico, abriendo nuevas vías para la medicina personalizada en enfermedades inflamatorias cutáneas.
La IA se aplica al diagnóstico de afecciones inflamatorias como psoriasis, dermatitis y acné mediante el análisis automatizado de imágenes dermatológicas
Aplicaciones en dermatología estética
En este campo, se emplean algoritmos como DenseNet-201 para medir con alta precisión la hidratación de la piel mediante imágenes capacitivas o ultrasonidos.
Estas herramientas ofrecen métodos no invasivos y objetivables para evaluar tratamientos cosméticos, alcanzando niveles de precisión comparables a las evaluaciones manuales de dermatólogos, con la ventaja de ahorrar tiempo y reducir la variabilidad subjetiva.
En dermatología estética se emplean algoritmos para medir con alta precisión la hidratación de la piel mediante imágenes capacitivas o ultrasonidos
Tecnologías emergentes (hardware + IA)
Se han desarrollado múltiples dispositivos con integración IA:
- FotoFinder: orientado a cáncer de piel, usa dermoscopia digital e IA para evaluar riesgo de malignidad.
- Canfield Vectra WB360: captura imágenes 3D de cuerpo completo con 92 cámaras, útil para estudios clínicos y estética.
- Antera 3D: analiza textura, pigmentación y vascularización en zonas localizadas; ideal para inflamación y estética.
Cada uno aporta ventajas específicas según el objetivo clínico, mejorando la precisión y el monitoreo de las lesiones.
Desafíos bioéticos
La implementación de la IA en dermatología enfrenta retos como:
- Sesgos algorítmicos por falta de diversidad en los datos (p. ej., menor representación de imágenes femeninas).
- Privacidad de datos clínicos, especialmente en regiones con marcos regulatorios débiles (como América Latina).
- La necesidad de garantizar la intervención médica humana como componente esencial para mantener la ética, transparencia y aceptación clínica.
Un estudio francés multicéntrico demostró que, pese a los sesgos de género en los datos de entrenamiento, la IA mantuvo un desempeño diagnóstico similar en hombres y mujeres, lo cual es alentador para su aplicabilidad universal.
En la detección temprana de lesiones malignas, los sistemas basados en IA han igualado e incluso superado la precisión de los dermatólogos
Conclusiones
La IA se ha consolidado como una herramienta valiosa en dermatología, al mejorar la precisión diagnóstica, reducir la variabilidad clínica y facilitar el acceso a una atención más eficiente y personalizada.
Su integración ya muestra beneficios tangibles en diversos ámbitos:
- En la detección temprana de lesiones malignas, los sistemas basados en IA han igualado e incluso superado la precisión de los dermatólogos.
- En enfermedades inflamatorias, han optimizado la clasificación diagnóstica y la predicción de respuesta terapéutica, promoviendo la medicina de precisión.
- En dermatología estética, permiten evaluaciones objetivas y no invasivas de parámetros como la hidratación cutánea.
- El desarrollo de tecnologías emergentes que integran imagenología avanzada con algoritmos de aprendizaje automático amplía las posibilidades de diagnóstico en tiempo real, seguimiento longitudinal y eficiencia operativa.
Estos avances reflejan la creciente madurez clínica de la IA en dermatología y respaldan su papel como herramienta de apoyo clave en la toma de decisiones diagnósticas y terapéuticas, con beneficios concretos para pacientes, profesionales y sistemas de salud.
Estos avances reflejan la creciente madurez clínica de la IA en dermatología y respaldan su papel como herramienta de apoyo clave en la toma de decisiones diagnósticas y terapéuticas
Dermatología e inteligencia artificial
Fuente
Martínez-Vargas E, Mora-Jiménez J, Arguedas-Chacón S, et al. The emerging role of artificial intelligence in dermatology: a systematic review of its clinical applications. Dermato 2025;5(2).
