Capacidad diagnóstica del software de toma de decisiones asistida por inteligencia artificial para tumores cutáneos en entornos clínicos reales
Introducción
En los últimos años, la inteligencia artificial (IA) ha recibido atención sin precedentes y se ha investigado y aplicado en múltiples disciplinas médicas. La dermatología, como ciencia morfológica intuitiva, es especialmente adecuada para el diagnóstico asistido por IA. Estudios recientes demuestran que sistemas de IA basados en algoritmos de aprendizaje profundo pueden clasificar tumores cutáneos con una precisión comparable e incluso superior a la de dermatólogos certificados. Esto ofrece potencial para mejorar el acceso a servicios médicos de calidad y mitigar la escasez de recursos sanitarios.
Los tumores cutáneos, en particular los malignos, representan un problema de salud pública global con incidencia creciente. Aunque la dermatoscopia incrementa la sensibilidad y especificidad diagnóstica comparada con la inspección visual, estudios recientes indican que los dermatólogos chinos presentan heterogeneidad en su capacidad de diagnóstico por imágenes. Esto subraya la necesidad de implementar herramientas de IA como el software Youzhi AI, desarrollado en China mediante la base de datos CSID (Chinese Skin Image Database), que incluye más de 200.000 imágenes dermatoscópicas. Utilizando la arquitectura GoogLeNet Inception v4, este sistema alcanzó una precisión diagnóstica del 91,2% en la clasificación benigno/maligno y del 81,4% en tipos específicos de tumores en entornos controlados. Sin embargo, su rendimiento en condiciones clínicas reales no había sido evaluado previamente.
Métodos
Aprobación ética
El estudio fue aprobado por el Comité de Ética del Hospital de la Amistad China-Japón, con consentimiento informado de todos los participantes.
Población de estudio
Se incluyeron retrospectivamente 1.438 pacientes (de 2.023 iniciales) con lesiones cutáneas extirpadas quirúrgicamente entre 2017 y 2019. Los criterios de exclusión abarcaron imágenes de baja calidad, tratamientos previos o diagnósticos no tumorales. Se seleccionaron aleatoriamente 106 casos para el análisis.
Adquisición de imágenes
Las imágenes clínicas y dermatoscópicas se obtuvieron con el dermatoscopio FotoFinder Medicam 1000, garantizando estándares de iluminación y enfoque.
Diseño del estudio
Las imágenes de los 106 pacientes fueron analizadas por el software Youzhi AI (versión 2.2.5) y 11 dermatólogos con distintos niveles de experiencia en dermatoscopia. Los médicos evaluaron las imágenes en dos modalidades: secuencia aleatoria (DR) y correspondencia clínico-dermatoscópica (DM). Los resultados se compararon con los hallazgos histopatológicos.
Análisis estadístico
Se utilizaron pruebas t de Student, U de Mann-Whitney y ANOVA para comparar precisiones diagnósticas, con significación estadística en p < 0,05. Los análisis se realizaron en SPSS v20 y GraphPad Prism v7.
Resultados
Tipos histopatológicos
Entre las 106 lesiones, se identificaron 36 malignas (4 melanomas, 5 carcinomas espinocelulares, 24 carcinomas basocelulares, 3 queratosis actínicas) y 70 benignas (19 nevos, 35 queratosis seborreicas, 4 hemangiomas, 6 dermatofibromas, 6 quistes epidérmicos).
Precisión diagnóstica
- IA vs. dermatólogos: No hubo diferencias significativas en la clasificación benigno/maligna (BMA) entre el software y los dermatólogos en ambas modalidades (p > 0,05). Sin embargo, en la precisión de tipos específicos (DTA), el software superó a los dermatólogos en imágenes dermatoscópicas (76,4% vs. 63,4%, p = 0,010).
- Modalidades de diagnóstico: La correspondencia clínico-dermatoscópica (DM) mejoró significativamente la DTA de los dermatólogos comparada con la secuencia aleatoria (73,6% vs. 61,4%, p = 0,022).
- Rendimiento en entornos reales: La precisión del software fue inferior a la reportada en laboratorio (BMA: 91,2% vs. 84,9%; DTA: 81,4% vs. 73,1%, p < 0,001), aunque mostró estabilidad en mediciones repetidas (p > 0,05).
Discusión
Este estudio confirma que la combinación de imágenes clínicas y dermatoscópicas mejora la precisión diagnóstica humana, especialmente en la identificación de tipos tumorales. El software Youzhi AI demostró un rendimiento comparable al de dermatólogos promedio, destacándose en el análisis de imágenes dermatoscópicas. La reducción de su precisión en entornos reales podría atribuirse a la mayor variabilidad en la calidad de las imágenes clínicas comparadas con los datos estandarizados de laboratorio. Factores como calibración de color, presión del dispositivo y ángulo de captura influyeron en este descenso.
Las limitaciones incluyen el diseño retrospectivo, el muestreo unicéntrico y el posible sesgo por fatiga en los evaluadores. Futuros estudios multicéntricos con plataformas en la nube permitirán optimizar el algoritmo y validar su utilidad en atención primaria, donde los médicos con menor experiencia en dermatoscopia podrían beneficiarse más de esta tecnología.
Conclusión
El software Youzhi AI representa una herramienta prometedora para asistir en el diagnóstico de tumores cutáneos, particularmente en entornos con recursos limitados. Aunque su precisión en condiciones reales es inferior a la observada en laboratorio, su estabilidad y capacidad de complementar la evaluación clínica justifican su implementación como sistema de apoyo diagnóstico.
doi.org/10.1097/CM9.0000000000001002