Desde la detección de onicomicosis y melanoma subungueal hasta la evaluación de la psoriasis ungueal, la inteligencia artificial amplía sus aplicaciones en el diagnóstico y seguimiento de las enfermedades de las uñas
Lugones Editorial©
La inteligencia artificial (IA) está transformando la atención médica y, en el campo de las enfermedades de las uñas, emerge como una herramienta prometedora para el diagnóstico de trastornos, el análisis de patrones complejos y la mejora de la precisión diagnóstica.
En esta revisión, los autores ofrecen una visión general de las aplicaciones actuales de la IA en onicología, con especial énfasis en su papel en el diagnóstico de la onicomicosis, el melanoma subungueal, la psoriasis ungueal, la capilaroscopia del pliegue ungueal y las manifestaciones ungueales de enfermedades sistémicas.
Mediante el análisis de grandes volúmenes de imágenes ungueales y datos clínicos asociados, los algoritmos tienen el potencial de identificar nuevas correlaciones con enfermedades subyacentes, favoreciendo la detección temprana y el desarrollo de estrategias terapéuticas más personalizadas
Introducción
La IA representa una herramienta prometedora para el manejo de las enfermedades de las uñas debido a su capacidad para analizar patrones complejos y detectar variaciones sutiles en la morfología y la patología ungueales. Sus características operativas parecen especialmente adecuadas para la onicología, lo que podría explicar el rápido crecimiento de sus aplicaciones en este campo.
En los últimos años han surgido numerosos algoritmos de IA entrenados para reconocer diferencias sutiles en las características de las uñas e identificar anomalías específicas. Mediante el análisis de grandes volúmenes de imágenes ungueales y datos clínicos asociados, estos sistemas tienen el potencial de identificar nuevas correlaciones con enfermedades subyacentes, favoreciendo la detección temprana y el desarrollo de estrategias terapéuticas más personalizadas.
Asimismo, las herramientas de apoyo a la toma de decisiones basadas en IA podrían asistir a los dermatólogos en la formulación de diagnósticos diferenciales, la planificación terapéutica, el seguimiento de los pacientes y la estimación del pronóstico.
IA en el diagnóstico de trastornos de las uñas
La mayoría de las aplicaciones de inteligencia artificial (IA) en onicología se han desarrollado con fines diagnósticos. Diversos modelos de aprendizaje profundo han demostrado una elevada capacidad para reconocer patrones característicos de múltiples enfermedades ungueales a partir de imágenes clínicas, alcanzando precisiones diagnósticas superiores al 90% en algunos estudios.
Los algoritmos evaluados han sido capaces de identificar alteraciones como líneas de Beau, melanoniquia, leuconiquia, koiloniquia, paroniquia, psoriasis ungueal, síndrome de uñas amarillas, hematoma subungueal y onicomicosis, entre otras. En conjunto, estos hallazgos sugieren que la IA podría constituir una herramienta complementaria para el diagnóstico diferencial de las enfermedades de las uñas, especialmente en cuadros con manifestaciones clínicas similares.
Diversos modelos de aprendizaje profundo han demostrado una elevada capacidad para reconocer patrones característicos de múltiples enfermedades ungueales a partir de imágenes clínicas, alcanzando precisiones diagnósticas superiores al 90% en algunos estudios
Onicomicosis
La onicomicosis es una de las áreas más estudiadas dentro de la onicología asistida por IA. Debido a las limitaciones de los métodos diagnósticos convencionales -como la microscopía directa, el cultivo fúngico y la histopatología- diversos grupos han desarrollado algoritmos capaces de analizar imágenes clínicas, onicoscópicas e histológicas con elevada precisión.
Los estudios revisados muestran que los sistemas de IA pueden diferenciar uñas sanas de uñas con onicomicosis y distinguir esta entidad de otros trastornos, como la psoriasis ungueal o las distrofias traumáticas. En algunos trabajos, el rendimiento diagnóstico fue comparable e incluso superior al de dermatólogos experimentados.
Además, la IA ha mostrado utilidad en el análisis automatizado de preparaciones histopatológicas y muestras para examen microscópico directo, contribuyendo a reducir la carga de trabajo manual y optimizar los flujos diagnósticos. En conjunto, la evidencia disponible respalda su potencial como herramienta complementaria para mejorar la precisión y la eficiencia diagnóstica, aunque los autores destacan que no debe reemplazar la evaluación realizada por dermatólogos y patólogos.
Melanoma subungueal
El melanoma de la unidad ungueal continúa representando un desafío diagnóstico. Los modelos de IA evaluados han mostrado buenos resultados en la detección de distintos subtipos de melanoma cutáneo; sin embargo, el rendimiento observado para el melanoma subungueal ha sido más limitado.
Aun así, algunas herramientas basadas en aprendizaje profundo han demostrado utilidad para el análisis de lesiones pigmentadas de la uña y para el seguimiento objetivo de la pigmentación mediante imágenes onicoscópicas. Estos sistemas podrían contribuir a identificar cambios sospechosos y reducir la necesidad de procedimientos invasivos, aunque se requieren mejoras adicionales para optimizar su precisión diagnóstica.
Psoriasis ungueal
En la psoriasis ungueal, el principal aporte de la IA no parece estar en el diagnóstico, sino en la evaluación objetiva de la gravedad. Diversos sistemas han sido desarrollados para automatizar la puntuación de índices clínicos como el Índice Modificado de Gravedad de la Psoriasis Ungueal (mNAPSI).
Los resultados muestran una elevada correlación con las evaluaciones realizadas por expertos, lo que sugiere que estas herramientas podrían facilitar el seguimiento de los pacientes y la monitorización de la respuesta al tratamiento. Los autores destacan además el potencial de integrar estas tecnologías en aplicaciones móviles que permitan el monitoreo remoto.
IA en la capilaroscopia del pliegue ungueal
La capilaroscopia del pliegue ungueal constituye una herramienta diagnóstica y pronóstica de gran valor en enfermedades del tejido conectivo, especialmente en la esclerosis sistémica, así como en patologías metabólicas y cardiovasculares.
La IA podría mejorar este procedimiento mediante la optimización de la calidad de las imágenes y la automatización de los análisis cuantitativos y cualitativos, reduciendo el tiempo necesario para la evaluación y favoreciendo una interpretación más estandarizada.
Uñas y enfermedad sistémica
Las uñas pueden reflejar alteraciones sistémicas y nutricionales antes de la aparición de otros signos clínicos. En este contexto, diversos sistemas de IA han sido desarrollados para analizar características como el color, la forma y la textura ungueales con el objetivo de detectar enfermedades subyacentes.
Los estudios revisados sugieren que el análisis automatizado de imágenes de uñas podría contribuir a la identificación temprana de enfermedades cardiovasculares, diabetes, anemia, hepatopatías y otras condiciones sistémicas. Asimismo, se han desarrollado herramientas capaces de estimar de forma no invasiva parámetros hematológicos, como la neutropenia, mediante el análisis de imágenes capilaroscópicas. Aunque estos resultados son prometedores, su aplicación clínica aún requiere validación adicional.
IA en el manejo de los trastornos de las uñas
Además de sus aplicaciones diagnósticas, la IA también tiene el potencial de transformar el manejo de los trastornos de las uñas, aunque la evidencia disponible en este ámbito es actualmente más limitada. Sobre la base de desarrollos observados en otras áreas de la medicina, la IA podría contribuir al asesoramiento de los pacientes, optimizar la eficiencia del médico, facilitar la atención remota y mejorar el monitoreo de la respuesta al tratamiento.
- En el ámbito del asesoramiento, los chatbots impulsados por IA podrían proporcionar información accesible y basada en evidencia sobre las enfermedades de las uñas, incluyendo sus causas, síntomas, opciones terapéuticas y medidas de autocuidado. Asimismo, las plataformas de asesoramiento personalizado podrían utilizar algoritmos capaces de analizar el diagnóstico y los antecedentes médicos de cada paciente para ofrecer recomendaciones individualizadas sobre hábitos de higiene, modificaciones del estilo de vida y productos adecuados para cada condición.
- La IA también podría mejorar la eficiencia clínica mediante sistemas de apoyo a la toma de decisiones. Estas herramientas tienen la capacidad de analizar imágenes ungueales, identificar características potencialmente relevantes y sugerir diagnósticos diferenciales, permitiendo que el médico concentre su atención en los aspectos más complejos de la evaluación. Del mismo modo, el análisis automatizado de imágenes obtenidas en controles sucesivos podría facilitar el seguimiento de lesiones sospechosas, como el melanoma subungueal, o de enfermedades crónicas como la psoriasis ungueal, detectando cambios que justifiquen una evaluación más detallada.
- Otra aplicación potencial es el monitoreo de la respuesta terapéutica. Mediante el análisis secuencial de imágenes, los sistemas de IA podrían identificar mejoras sutiles o signos tempranos de fracaso terapéutico, aportando información útil para ajustar el tratamiento y reduciendo, en algunos casos, la necesidad de visitas presenciales frecuentes.
- Finalmente, la IA podría favorecer el desarrollo de modelos de atención remota. Las plataformas de telediagnóstico asistidas por IA permitirían a los pacientes cargar imágenes de alta calidad de sus uñas para una evaluación inicial automatizada, seguida de una consulta médica cuando sea necesario. Este enfoque podría resultar especialmente útil en regiones con acceso limitado a dermatólogos y también facilitar el seguimiento de pacientes que viven en áreas remotas, disminuyendo desplazamientos y consultas presenciales innecesarias.
Direcciones futuras y desafíos
La IA abre nuevas oportunidades para la investigación en onicología, facilitando el análisis de grandes volúmenes de datos, el procesamiento avanzado de imágenes, la identificación de potenciales biomarcadores ungueales y una mejor comprensión de los mecanismos de enfermedad. Los futuros desarrollos probablemente se orienten hacia herramientas diagnósticas para trastornos ungueales raros o complejos, el estudio de las bases genéticas de estas enfermedades y la optimización de las estrategias terapéuticas mediante modelos predictivos.
No obstante, su incorporación a la práctica clínica enfrenta desafíos importantes. Entre ellos se encuentran la necesidad de garantizar el cumplimiento de los requisitos regulatorios, proteger la privacidad y la seguridad de los datos, y lograr una integración eficiente de estas tecnologías en los flujos de trabajo habituales de atención médica.
La IA abre nuevas oportunidades para la investigación en onicología, facilitando el análisis de grandes volúmenes de datos, el procesamiento avanzado de imágenes, la identificación de potenciales biomarcadores ungueales y una mejor comprensión de los mecanismos de enfermedad
Conclusiones
La IA está ampliando progresivamente sus aplicaciones en la onicología, tanto en el ámbito de la atención al paciente como en la investigación. Las herramientas actualmente disponibles han mostrado resultados prometedores en el diagnóstico de enfermedades ungueales, el seguimiento de la respuesta al tratamiento y el apoyo a la toma de decisiones clínicas.
Su potencial radica en favorecer la detección temprana, facilitar intervenciones oportunas y contribuir a estrategias de manejo más personalizadas, particularmente considerando que las uñas pueden reflejar tanto enfermedades dermatológicas como sistémicas. Sin embargo, persisten limitaciones relacionadas con la disponibilidad de datos, la variabilidad en la calidad de las imágenes, la complejidad de algunas patologías ungueales, la interpretabilidad de los algoritmos y diversas cuestiones éticas y operativas.
Inteligencia artificial y enfermedades de las uñas
Fuente
Gaurav V, Grover C, Tyagi M, Saurabh S. Artificial intelligence in diagnosis and management of nail disorders: a narrative review. Indian Dermatol Online J 2024;16(1):40-49.
