Revisión que postula una simbiosis inteligencia artificial-dermatología para tomar las mejores decisiones para los pacientes
Sello Editorial Lugones©
La irrupción de la inteligencia artificial a nivel mundial ha supuesto un antes y un después, generando grandes mejoras en diferentes sectores, como el de la automoción y el agroalimentario, entre otros, lo que ha llevado a denominarla la cuarta revolución industrial.
La inteligencia artificial, capaz de aprender de forma automatizada y de ayudar al profesional a mejorar sus procesos, promete cambiar el ámbito sanitario tal y como se lo conoce mediante: 1) aplicaciones capaces de generar salud en la población a partir del uso de información de calidad y de segmentación de consejos basados en modelos de predicción; 2) modelos capaces de generar algoritmos de predicción a partir de datos anonimizados procedentes de información clínica; 3) sistemas de análisis de imagen capaces de dar a los profesionales un soporte extra en la toma de decisiones; 4) aplicación de robótica combinada en la mejora de procesos ligados al ámbito de salud y bienestar.
Existen modelos capaces de generar algoritmos de predicción a partir de datos anonimizados procedentes de información clínica para mejorar la prevención primaria
Machine learning y deep learning
Una de las ramas de la inteligencia artificial de mayor aplicación en medicina es el aprendizaje automático o machine learning (ML), que consiste en el análisis independiente de datos gracias a la generación de algoritmos de toma de decisiones propios.
El ML funciona alimentando un algoritmo con datos de entrada que recogen observaciones del pasado, y construye un modelo para predecir y clasificar nuevas observaciones no conocidas por el algoritmo, imitando un proceso cognitivo humano
Dentro de los modelos de ML más populares dentro del ámbito sanitario están las redes neuronales convolucionales (o CNN, del inglés convolutional neural networks), que imitan el funcionamiento de las neuronas cerebrales.
En dermatología habitualmente se usan múltiples variables, por lo que se necesitan múltiples “neuronas” para tejer una red de conexiones que nos generen información útil. Así, cuando se habla de un sistema que basa su información en más de una capa de información, nos referimos al deep learning (DL) o aprendizaje profundo. Este tipo de redes generan excelentes resultados, siempre y cuando se cumpla con sus dos premisas fundamentales: cantidad y calidad de datos (big data), tanto de imagen como de información.
También se han utilizado programas de IA para estudiar las comorbilidades de la psoriasis
Inteligencia artificial en dermatología
- Psoriasis. Se han propuesto varios intentos de desarrollo de un programa de IA que ayude a evaluar la gravedad de la psoriasis. En uno de los últimos modelos, los autores utilizaron 3 clasificadores estándar diferentes (máquinas de soporte vectorial (support vector machine), árbol de decisión (decision tree) y redes neuronales artificiales (artificial neural network) para estratificar el riesgo y evaluar 3 atributos principales: color, textura y espectros de orden superior. Para entrenar a este clasificador se utilizaron 670 imágenes de psoriasis. Los clasificadores realizaron una segmentación de las lesiones y las clasificaron en las clases sana o enferma. Este modelo alcanzó una precisión del 99,84%, una sensibilidad del 99,76% y una especificidad del 99,99%. Dado que el tamaño de la muestra era pequeño, los resultados podrían haberse visto afectados por sobreajuste (overfitting). Los modelos de IA también pueden utilizarse para descubrir potenciales tratamientos fuera de la ficha técnica para la psoriasis y otras enfermedades inflamatorias, mediante modelos que utilizan la información de palabras de artículos científicos y la clasificación de enfermedades para identificar potenciales fármacos. También se han utilizado programas de IA para estudiar las comorbilidades de la psoriasis.
- Dermatitis atópica. La IA en la dermatitis atópica podría servir de ayuda tanto en el diagnóstico como en el tratamiento personalizado, y la predicción de su resultado. También podría ser útil para ayudar a estandarizar y reducir el tiempo de evaluación de los pacientes.
La inteligencia artificial promete cambios a partir de la aplicación de robótica combinada en la mejora de procesos ligados al ámbito de salud y bienestar
- Onicomicosis. Un estudio reciente comparó a un grupo de dermatólogos con una CNN para la detección de onicomicosis. Se utilizaron 49.567 imágenes para entrenar al clasificador para distinguir entre onicomicosis y uñas normales. En su validación este clasificador obtuvo una sensibilidad del 82,7-96,7% y una especificidad del 69,3-96,7%. La capacidad del clasificador para diferenciar uñas sanas de uñas con onicomicosis fue estadísticamente superior que la de los dermatólogos en este estudio.
- Rosácea. Binol et al. desarrollaron un programa de IA basado en el uso de CNN con el fin de realizar una evaluación cuantitativa y reproducible de las lesiones, después de haber sido entrenado con más de un millón de imágenes. Estos autores definen así mismo lo que denominan regiones de interés anatómico, que son aquellas áreas faciales altamente susceptibles de rosácea, lo que produce un descenso significativo de los falsos positivos en la identificación de lesiones de rosácea.
- Acné. En 2019 Seité et al. desarrollaron una aplicación de smartphone basada en IA que gradúa y clasifica los tipos de lesiones de acné. Aparte de las ventajas en cuanto a la evaluación de las lesiones, se postula que el uso de estas aplicaciones vinculado a geolocalización también podría ayudar a evaluar el impacto de factores externos en el desencadenamiento, la duración y la gravedad del acné, como las condiciones climáticas y la polución.
El futuro no pasa porque los sistemas de IA sustituyan al dermatólogo, sino que se conviertan en una oportunidad para mejorar la práctica clínica
Conclusiones
Tras analizar las opiniones de diferentes trabajos, los autores del presente artículo creen que el avance de estas tecnologías se debe hacer de forma progresiva, segura y basada en la generosidad de la comunidad dermatológica, pues para mejorar la fiabilidad de estos sistemas es imprescindible contar con bases de datos de imágenes e información clínica amplias, públicamente accesibles. No obstante, consideran que el futuro no pasa por que los sistemas de IA sustituyan al dermatólogo, sino que se conviertan en una oportunidad para mejorar la práctica clínica gracias a las múltiples ventajas que esta nos puede ofrecer.
En definitiva, lo óptimo es que exista una simbiosis IA-dermatólogo para tomar las mejores decisiones para los pacientes, siendo conscientes de que lo ideal es una combinación de la inteligencia humana con la IA, preservando una fluida relación médico-paciente. Para ello resulta imprescindible cambiar la tendencia actual, y que el médico especialista en dermatología tome la iniciativa en el desarrollo y en la orientación de los productos de IA enfocados a cubrir las necesidades actualmente no cubiertas en la práctica clínica.
Fuente
Martorell A, Martin-Gorgojo A, Ríos-Viñuela C, Rueda-Carnero JM, Alfageme F, Taberner R. Artificial intelligence in dermatology: a threat or an opportunity? Actas Dermo-Sifiliograf 2021;113(1):30-46
