La IA detecta de manera temprana la SPL

Category:

El sistema logra una precisión de un 90,3% en la detección de melanoma a partir de imágenes de teléfonos inteligentes. 

Uno de los tipos de cáncer más peligrosos y más temido es el melanoma. Esta clase de tumor maligno es el culpable de más del 70% las muertes de cáncer de piel en el mundo. A lo largo de los años, los profesionales basaban su diagnóstico en la inspección visual para detectar los indicios de cáncer. Para ello localizaban las SPL, Lesiones Pigmentadas Sospechosas, que con una pronta identificación, en entornos de atención primaria, puede mejorar el pronóstico del melanoma y reducir significativamente la recuperación.

A día de hoy, la tecnología es una gran aliada para la identificación del cáncer y otras enfermedades. De hecho, existen todo tipo de wearables que ayudan a conocer el estado de salud de los propios usuarios. De esta manera, con la monitorización y el análisis, muchos pacientes crónicos pueden mejorar su estado de salud y apostar por la telemedicina

La dificultad está en detectar y priorizar el SPL de manera rápida porque hay un gran número de lesiones pigmentadas que necesitan ser analizadas. Por ello, los investigadores están trabajando para interpretar y detectar de manera rápida y fiable las manchas de la piel. Con ello quieren descartar que se trate de un síntoma de tumor maligno. Un grupo de científicos del Massachusetts Institute of Technology han entrenado un modelo de machinelearning, que utiliza las imágenes de campo amplio de los smartphones y cámaras.

¿Cómo funciona? 

La imagen de campo amplio, tomada con el móvil, muestra grandes secciones de piel de un paciente en un entorno de atención primaria. El sistema automatizado detecta, extrae y analiza las Lesiones Cutáneas Pigmentadas (SPL) observables y además gracias a una Red Neuronal Convolucional Profunda (DCNN) determina el estado de dichas manchas. Para ello, las marca en diferentes colores según su estado, haciendo así que el usuario pueda entender a la perfección los resultados.

  • Amarillo = Se necesita una inspección adicional
  • Rojo = Requiere una inspección adicional o derivación a un dermatólogo

Las funciones extraídas se utilizan para evaluar mejor las lesiones pigmentadas y mostrar los resultados en un formato de mapa de calor.

“La detección temprana de SPL puede salvar vidas; sin embargo, todavía falta la capacidad actual de los sistemas médicos para proporcionar exámenes de detección completos de la piel a escala”.  

Luis R. Soenksen, un postdoctorado y experto en dispositivos médicos.

Para lograr los resultados, el equipo de investigadores utilizó Inteligencia Artificial, añadiendo al software 20.388 imágenes de campo amplio de 133 pacientes en el Hospital Gregorio Marañón de Madrid, además de imágenes públicas de bancos de datos. Todas las imágenes se hicieron con cámaras ordinarias, es decir,  que están fácilmente disponibles para los consumidores. Por otro lado, los dermatólogos fueron los encargados de clasificar visualmente las lesiones de las imágenes y de compararlas. 

El resultado de la investigación fue que el sistema consiguió una sensibilidad de más del 90,3% para distinguir los SPL de lesiones no sospechosas, piel y fondos complejos, al evitar la necesidad de imágenes de lesiones individuales engorrosas y que consumen mucho tiempo. 

“Esperamos que nuestra investigación revitalice el deseo de ofrecer exámenes dermatológicos más eficientes en los entornos de atención primaria para generar referencias adecuadas”

explica Soenksen. 

Este método permite evaluaciones más rápidas y precisas de SPLS y podría conducir a un tratamiento más temprano del melanoma, según los investigadores.