MADRID, 31 May. (EUROPA PRESS) -
Investigadores han demostrado que una forma de inteligencia artificial o aprendizaje automático conocido como red neuronal convolucional (CNN, por sus siglas en inglés) de aprendizaje profundo es mejor que la de los dermatólogos experimentados para detectar el cáncer de piel.
En un estudio publicado este martes en la revista oncológica 'Annals of Oncology', investigadores de Alemania, Estados Unidos y Francia capacitaron a una CNN para identificar cáncer de piel mostrándole más de 100.000 imágenes de melanomas malignos (la forma más letal de cáncer de piel), así como lunares benignos (o nevos). Compararon su funcionamiento con el de 58 dermatólogos internacionales y descubrieron que la CNN perdió menos melanomas y los lunares benignos mal diagnosticados eran menos frecuentes que en los análisis de los dermatólogos.
Una CNN es una red neuronal artificial inspirada en los procesos biológicos en funcionamiento cuando las células nerviosas (neuronas) en el cerebro se conectan entre sí y responden a lo que el ojo ve. La CNN es capaz de aprender rápidamente de las imágenes que "ve" y aprender de lo que ha aprendido para mejorar su rendimiento (un proceso conocido como aprendizaje automático).
El primer autor del estudio, el profesor Holger Haenssle, médico jefe del Departamento de Dermatología de la Universidad de Heidelberg, Alemania, explica: "La CNN funciona como el cerebro de un niño. Para entrenarla, mostramos a la CNN más de 100.000 imágenes de cánceres de piel y lunares malignos y benignos e indicamos el diagnóstico para cada imagen. Solo se utilizaron imágenes dermatoscópicas, es decir, lesiones que se obtuvieron con una ampliación de diez veces. Con cada imagen de entrenamiento, la CNN mejoró su capacidad de diferenciar entre lesiones benignas y malignas".
"Después de terminar el entrenamiento, creamos dos conjuntos de prueba de imágenes de la biblioteca de Heidelberg que nunca se habían utilizado para el entrenamiento y, por lo tanto, eran desconocidos para la CNN. Se creó un conjunto de 300 imágenes para probar únicamente el rendimiento de la CNN. Por lo tanto, se seleccionaron 100 de las lesiones más difíciles para evaluar a los dermatólogos reales en comparación con los resultados de la CNN", detalla Haenssle.
Se invitó a dermatólogos de todo el mundo a participar, y 58 de 17 países de todo el mundo aceptaron. De ello, 17 (29 por ciento) indicaron que tenían menos de dos años de experiencia en dermatoscopia, 11 (19 por ciento) dijeron que tenían experiencia de entre dos y cinco años, y 30 (52 por ciento) eran expertos con más de cinco años de experiencia.
Se les pidió a los dermatólogos que primero hicieran un diagnóstico de melanoma maligno o de lesión benigna solo a partir de las imágenes dermatoscópicas (nivel I) y tomaran una decisión sobre cómo manejarla (cirugía, seguimiento a corto plazo o ninguna acción). Luego, cuatro semanas después, se les proporcionó información clínica sobre el paciente (incluida la edad, el sexo y la posición de la lesión) e imágenes de primeros planos de los mismos 100 casos (nivel II) y se solicitaron nuevamente diagnósticos y decisiones de manejo.
LA INCIDENCIA DEL MELANOMA, EN AUMENTO
En el nivel I, los dermatólogos detectaron con precisión un promedio de 86,6 por ciento de los melanomas, e identificaron correctamente un promedio de 71,3 por ciento de las lesiones que no eran malignas. Sin embargo, cuando la CNN se sintonizó al mismo nivel que los médicos para identificar correctamente los lunares benignos (71,3 por ciento), la CNN detectó el 95 por ciento de los melanomas. En el nivel II, los dermatólogos mejoraron su rendimiento, diagnosticando con precisión el 88,9 por ciento de los melanomas malignos y el 75,7 por ciento que no eran cancerosos.
"La CNN dejó sin diagnosticar menos melanomas, lo que significa que tenía una sensibilidad más alta que la de los dermatólogos, y diagnosticó erróneamente menos lunares benignos como el melanoma maligno, lo que significa que tenía una mayor especificidad, lo que daría como resultado una cirugía menos innecesaria", afirma el profesor Haenssle.
"Cuando los dermatólogos recibieron más información clínica e imágenes en el nivel II, su rendimiento diagnóstico mejoró. Sin embargo, la CNN, que todavía trabajaba únicamente a partir de imágenes dermatoscópicas sin información clínica adicional, siguió superando las capacidades de diagnóstico de los médicos", añade.
Los dermatólogos expertos se desenvolvieron mejor en el nivel I que los dermatólogos menos experimentados y fueron mejores en la detección de melanomas malignos. Sin embargo, su capacidad promedio para hacer el diagnóstico correcto era aún peor que la CNN en ambos niveles. "Estos hallazgos muestran que las redes neuronales convolucionales de aprendizaje profundo son capaces de superar a los dermatólogos, incluidos los expertos ampliamente capacitados, en la tarea de detectar melanomas", señala.
La incidencia del melanoma maligno está aumentando, con un número estimado de 232.000 nuevos casos en todo el mundo y alrededor de 55.500 muertes por la enfermedad cada año. Se puede curar si se detecta temprano, pero muchos casos solo se diagnostican cuando el cáncer está más avanzado y es más difícil de tratar.
