IA es mejor que los humanos para el diagnóstico de las lesiones dérmicas

Se utilizó una base de datos de más de 10.000 imágenes como conjunto de entrenamiento para las máquinas.

La base de datos incluyó lesiones pigmentadas tanto benignas como malignas, que se clasificaron en una de las siete categorías de enfermedades predefinidas. Estas incluyeron carcinoma intraepitelial, incluyendo queratosis actínicas y enfermedad de Bowen; carcinoma basocelular; lesiones queratinocíticas benignas, que incluyen lentigo solar, queratosis seborreica y queratosis similar al liquen plano; dermatofibroma; melanoma; nevo melanocítico; y lesiones vasculares. Los dos resultados principales fueron las diferencias en el número de diagnósticos específicos correctos por lote entre todos los lectores humanos y los tres algoritmos principales, y entre los expertos humanos y los tres algoritmos principales.

Los resultados revelaron que al comparar todos los lectores humanos con todos los algoritmos de aprendizaje automático, los algoritmos lograron una media de 2,01 diagnósticos más correctos que los lectores humanos. Los 27 expertos humanos con más de 10 años de experiencia lograron una media de 18,78 respuestas correctas, en comparación con 25,43 respuestas correctas para los tres algoritmos de aprendizaje automático principales. Para las imágenes en el conjunto de pruebas que se recopilaron de fuentes no incluidas en el conjunto de entrenamiento, los humanos seguían teniendo resultados por debajo, pero la diferencia fue menor, con un 11,4%. El estudio fue publicado el 11 de junio de 2019 en la revista The Lancet Oncology.

“Dos tercios de todas las máquinas participantes eran mejores que los humanos; esto no significa que las máquinas reemplacen a los humanos en el diagnóstico de cáncer de piel. La computadora solo analiza una instantánea óptica y es realmente buena en eso. Sin embargo, en la vida real, el diagnóstico es una tarea compleja”, dijo el autor principal, Philipp Tschandl, PhD, de la MedUni Viena. “Los médicos generalmente examinan a todo el paciente y no solo a las lesiones individuales. Cuando los humanos hacen un diagnóstico, también tienen en cuenta información adicional, como la duración de la enfermedad, si el paciente tiene un riesgo alto o bajo, y la edad del paciente”.

La creciente popularidad de las técnicas de aprendizaje automático para aplicaciones médicas es evidente por la cantidad creciente de investigaciones, la cantidad de productos que obtuvieron aprobaciones reglamentarias y los esfuerzos empresariales en los últimos años. El financiamiento de capital de riesgo para las compañías de IA fue de aproximadamente 3.600 millones de dólares en los últimos cinco años, subrayando la creciente apreciación del valor que el aprendizaje automático puede aportar a la comunidad médica.

Enlace relacionado:
Universidad Médica de Viena
Universidad de Queensland
Universidad de Tel Aviv
Colaboración Internacional de Imagenología de la Piel