Inteligencia Artificial en Dermatología: Pasado, Presente y Futuro
La inteligencia artificial (IA) se ha convertido en un componente integral de diversas disciplinas, incluido el campo médico. El término «IA» fue acuñado por primera vez en la conferencia del Dartmouth College en 1956. Desde entonces, la IA ha permeado gradualmente todos los aspectos de la medicina, con aplicaciones significativas en reconocimiento de imágenes médicas, diagnóstico auxiliar, biotecnología e investigación y desarrollo de fármacos. Entre estas, el reconocimiento de imágenes médicas es la aplicación más extendida. La dermatología, un campo que depende en gran medida de características morfológicas y reconocimiento visual de patrones, es especialmente adecuada para el diagnóstico asistido por IA. Este artículo explora el pasado, presente y futuro de la IA en dermatología, destacando su evolución, aplicaciones actuales y desafíos potenciales.
El Pasado de la IA en Dermatología
En sus inicios, la IA en medicina no recibió mucha atención debido a varias limitaciones. Estas incluían la falta de grandes cantidades de datos etiquetados, muestras insuficientes para ajustar modelos de redes complejas, problemas de extremos locales, dispersión de gradientes y condiciones de hardware inadecuadas. A pesar de estos desafíos, se desarrollaron redes neuronales artificiales (RNA) para diversas aplicaciones médicas, aunque su uso en dermatología siguió siendo limitado. La principal aplicación de las RNA en dermatología fue la diferenciación in vivo de lesiones pigmentadas benignas versus malignas.
El concepto de «aprendizaje profundo» fue introducido por Hinton et al. en 2006, revolucionando el campo. El aprendizaje profundo permite que modelos computacionales compuestos por múltiples capas de procesamiento aprendan representaciones de datos con múltiples niveles de abstracción. Este enfoque ha demostrado ser altamente efectivo para descubrir estructuras intrincadas en datos de alta dimensión, superando otras técnicas de aprendizaje automático en reconocimiento de imágenes y voz. Durante la última década, el aprendizaje profundo, particularmente con redes neuronales convolucionales (CNN), se ha aplicado ampliamente en procesamiento de imágenes, reconocimiento de voz, procesamiento de texto e incluso en juegos complejos como Go.
La aplicación de la IA en dermatología se retrasó respecto a su uso en radiología. La IA radiológica ha logrado avances significativos en la detección y diagnóstico de nódulos pulmonares pequeños y cáncer de pulmón. Actualmente, la IA puede identificar nódulos sospechosos, describir su forma, detectarlos y juzgar su naturaleza benigna o maligna. Además, puede rastrear cambios en los nódulos a lo largo del tiempo, una tarea desafiante para expertos humanos. El éxito de la IA en radiología ha servido como modelo para su aplicación en dermatología, demostrando su potencial para cerrar la brecha entre médicos de diferentes niveles de habilidad y mejorar la precisión diagnóstica.
El Estado Actual de la IA en Dermatología
En 2017, la Universidad de Stanford publicó un estudio innovador en Nature, demostrando el potencial del aprendizaje profundo en dermatología. Los investigadores entrenaron una CNN con un conjunto de 129.450 imágenes clínicas que representaban 2032 enfermedades diferentes. La CNN se utilizó para realizar etiquetado de píxeles y enfermedades de objetos de grano fino, construyendo un modelo de entrenamiento. El rendimiento del modelo se validó comparando sus resultados diagnósticos con los de 21 dermatólogos certificados. La CNN logró un desempeño comparable al de todos los expertos evaluados en la clasificación de cáncer de piel, demostrando el potencial de la IA para igualar la competencia diagnóstica de los dermatólogos.
Otro estudio comparó el rendimiento de una CNN entrenada exclusivamente con imágenes de dermatoscopia para identificar melanoma en fotografías clínicas con la evaluación manual de las mismas imágenes por dermatólogos. La CNN, entrenada con 12.378 imágenes de dermatoscopia de acceso abierto, se probó en 100 imágenes clínicas de melanoma. Los resultados mostraron que su desempeño fue comparable al de 145 dermatólogos, destacando la solidez de la visión computacional en tareas de clasificación de imágenes dermatológicas.
En China, la IA dermatológica también ha progresado significativamente. La Base de Datos de Imágenes Dermatológicas de China (CSID) se estableció en mayo de 2017 para integrar recursos de imágenes cutáneas y apoyar el desarrollo de la IA en dermatología. La CSID busca construir una red colaborativa de imágenes dermatológicas, desarrollar un sistema de gestión de calidad para el diagnóstico de enfermedades de la piel y crear una plataforma «en la nube» orientada a servicios de imágenes para usuarios. La base de datos ha facilitado el desarrollo de herramientas de diagnóstico auxiliar, como Youzhi Skin AI, que puede clasificar tumores cutáneos benignos y malignos con alta precisión.
Varios productos de IA se han desarrollado en China, incluido Youzhi Skin-Melanoniquia IA para el diagnóstico auxiliar de daños pigmentados en la uña y la IA de Gestión de Enfermedades Crónicas de Psoriasis para asistir en el diagnóstico y manejo de esta condición. Además, la plataforma AIDERMA ofrece diagnóstico y tratamiento asistido por IA para más de 90 enfermedades cutáneas comunes, proporcionando a los médicos ideas diagnósticas y terapéuticas inmediatas basadas en imágenes de lesiones subidas al sistema.
Productos Internacionales de IA Dermatológica
A nivel internacional, varios equipos de investigación han contribuido significativamente a la IA dermatológica. Un equipo conjunto de la Universidad de Stanford desarrolló un sistema de IA comparable a médicos humanos en el diagnóstico de cáncer de piel. De manera similar, investigadores alemanes, estadounidenses y franceses entrenaron un sistema de IA para identificar lesiones cutáneas peligrosas y benignas.
Empresas como DeepMind y SkinVision también han contribuido al campo. DeepMind ha investigado en detección de enfermedades oculares, reconocimiento de cáncer de mama y predicción de daño renal. SkinVision, fundada en 2011, sirve como medio de prevención de salud, permitiendo la detección temprana de cáncer de piel mediante imágenes de teléfonos móviles. Los usuarios reciben una indicación de bajo o alto riesgo en 30 segundos, junto con consejos y recomendaciones de seguimiento.
El Futuro de la IA en Dermatología: Oportunidades y Desafíos
El rápido desarrollo de la IA en dermatología ha sido respaldado por políticas nacionales y planes estratégicos en varios países. Estados Unidos, Reino Unido y la Unión Europea han publicado planes para promover el desarrollo de la IA. En China, los planes «Hecho en China 2025» y «Nueva Generación de Desarrollo de IA» buscan aprovechar oportunidades estratégicas en innovación tecnológica.
A pesar del progreso, persisten desafíos. La escala actual de datos de imágenes dermatológicas es insuficiente y el intercambio de información entre hospitales es limitado. La estandarización y calidad de las imágenes varían, dificultando la obtención de datos de alta calidad. Además, escasea la combinación de experiencia médica y en IA, requiriendo colaboración entre profesionales de informática, biomedicina y medicina.
Actualmente, la IA en dermatología se centra en reconocer enfermedades específicas, pero expandir sus capacidades para diagnosticar un espectro más amplio sigue siendo un reto. También deben abordarse problemas legales, éticos y de privacidad de datos. Además, ningún producto de IA dermatológica en China ha obtenido un certificado de registro de dispositivo médico, limitando su comercialización.
El diagnóstico de enfermedades cutáneas requiere considerar historial del paciente, género, edad e información adicional, además de imágenes clínicas. Integrar estos datos y analizarlos con IA mejorará el diagnóstico, decisiones terapéuticas y pronóstico. Sin embargo, la IA no puede reemplazar la comunicación médico-paciente ni brindar cuidado humanístico.
En investigación, la Fundación Nacional de Ciencias Naturales de China ha incrementado fondos para teorías básicas, métodos y tecnologías clave en IA y campos interdisciplinarios. La CSID ha establecido un programa de fondos para investigación abierta, incentivando a dermatólogos a estudiar imágenes cutáneas.
Desde 2010, más de 40 universidades en China han establecido carreras relacionadas con IA, acelerando la formación de talentos e investigación teórica. Hospitales, universidades y empresas tecnológicas han invertido en IA dermatológica, aumentando significativamente la escala del mercado y la inversión de capital.
En conclusión, la IA en dermatología ha recibido atención y apoyo sin precedentes en políticas nacionales, formación de personal, investigación, desarrollo tecnológico y capital de mercado. Con la innovación continua en teoría y tecnología de IA, la expansión de bases de datos y la cooperación multidisciplinaria, la IA brindará a los dermatólogos diagnósticos y tratamientos más profesionales, precisos y personalizados. El objetivo final es que la IA sirva mejor a médicos y pacientes.
doi.org/10.1097/CM9.0000000000000372