La inteligencia artificial (IA) puede ayudar a detectar el cáncer de piel en la práctica clínica diaria, pero un obstáculo es que las decisiones que toman los algoritmos a menudo no son comprensibles. Científicos del Centro Alemán de Investigación del Cáncer han desarrollado ahora un sistema de apoyo basado en la IA para el diagnóstico del cáncer de piel que ofrece explicaciones sobre las decisiones de los algoritmos. Con ello se pretende reforzar la confianza de los profesionales médicos en las aplicaciones de la IA.
Los melanomas son responsables de la mayoría de las muertes relacionadas con el cáncer de piel en todo el mundo, pero son difíciles de distinguir de otros tumores cutáneos en una fase temprana. Los recientes avances en los sistemas de ayuda al diagnóstico basados en la IA pueden ayudar a los dermatólogos a diagnosticar melanomas y lunares con mayor precisión utilizando imágenes digitalizadas de lesiones sospechosas. Pero, ¿qué características determinan el resultado de un sistema de IA? “La responsabilidad última de un diagnóstico recae en el clínico. Por ello, los dermatólogos se muestran justificadamente cautelosos a la hora de utilizar sistemas basados en la IA sin poder comprender sus decisiones”, explicó el PD Dr. Titus Brinker, del Centro Alemán de Investigación Oncológica (DKFZ) [1]. “Nuestro objetivo era, por tanto, desarrollar un sistema de apoyo adaptado a la perspectiva de los dermatólogos a la hora de diagnosticar un melanoma y que explicara su proceso de toma de decisiones”, afirma el Dr. Brinker [1].
| Estudio MELVEC en la Universidad de Basilea Los nuevos sistemas de fotografía tridimensional de cuerpo entero basados en inteligencia artificial con análisis de software asistido por ordenador para la evaluación del riesgo de los cambios pigmentarios de la piel tienen el potencial de mejorar la detección precoz del melanoma maligno e influir así positivamente en el pronóstico de la enfermedad. El estudio MELVEC de la Universidad de Basilea está investigando el uso de la última fotografía 3D de cuerpo entero para el cribado del melanoma. En concreto, el estudio analiza la eficacia del uso adicional de sistemas de análisis fotográfico basados en software de IA y su utilización en pacientes con alto riesgo de padecer (más) melanoma en la detección precoz en comparación con la norma actual, los controles clínicos realizados por un dermatólogo. Además de los posibles beneficios y la precisión de esta nueva tecnología en un entorno real, también se evaluará la aceptación de este innovador procedimiento por parte de los pacientes y la carga emocional del cáncer de piel, así como la necesidad de apoyo psicológico en las distintas fases de la enfermedad. El estudio MELVEC lleva en marcha desde 2020 y ya ha incluido a más de 400 pacientes. |
| a [3 .4] |
“Inteligencia artificial explicable”
“Como continuación de trabajos anteriores, hemos desarrollado nuestra IA explicable (XAI = inteligencia artificial explicable) desarrollado de tal forma que proporciona explicaciones de tipo dermatológico relacionadas con las características de zonas específicas e individuales de la lesión”. [1]. En un estudio en tres fases, el equipo del Dr. Brinker investigó los efectos sobre la precisión diagnóstica, la certeza diagnóstica y la confianza de los dermatólogos en el sistema explicativo [1,2]. Los investigadores también querían saber qué factores fomentan la confianza de los médicos en esta tecnología. Más de cien dermatólogos de 33 países participaron en el estudio. Los médicos diagnosticaron tres veces un panel de prueba de imágenes digitalizadas de diversas lesiones, basándose únicamente en su experiencia, con la ayuda de un sistema de IA convencional y con la XAI. Como ya se ha documentado en estudios anteriores, el uso de un sistema de IA aumentó la precisión diagnóstica en la detección del melanoma, pero ésta no pudo incrementarse aún más con el uso de la XAI. La confianza de los dermatólogos en sus propias decisiones también mejoró con el apoyo de la IA, y volvió a aumentar significativamente al utilizar el sistema XAI. Los médicos confiaban especialmente en su propio diagnóstico si sus criterios de decisión coincidían en gran medida con los criterios enumerados por el XAI. “Los resultados ilustran que la XAI puede mejorar la confianza de los médicos en el diagnóstico y tiene el potencial de aumentar la aceptación por parte de los profesionales médicos del uso de métodos de IA”, afirma el Dr. Brinker, director del estudio.
| MedUni Viena: “Aprendizajepor refuerzo” para un mejor diagnóstico del cáncer depiel Un equipo internacional de investigación ha investigado el aprendizaje por refuerzo como método para lograr una mayor precisión en los resultados de la IA mediante la incorporación de criterios de decisión humanos. Los investigadores integraron criterios en forma de “tablas de recompensa” en el sistema de IA. Las tablas de recompensas son herramientas que incorporan las consecuencias positivas y negativas de los juicios clínicos al proceso de toma de decisiones desde la perspectiva tanto de los médicos como de los pacientes. Sobre esta base, los resultados del diagnóstico de la IA no sólo se calificaron como correctos o incorrectos, sino que también se recompensaron o penalizaron con un determinado número de puntos positivos o negativos en función de los efectos del diagnóstico o de las decisiones resultantes. Esto ha mejorado significativamente la precisión: La sensibilidad para los melanomas, por ejemplo, aumentó del 61,4% al 79,5% y para los carcinomas basocelulares del 79,4% al 87,1%. En general, la tasa de diagnósticos correctos realizados por dermatólogos aumentó un 12%. El estudio se publicó en la revista Nature Medicine . |
| según [6] |
La IA ya no es una “caja negra”
Las condiciones propuestas por la Comisión Europea para que las aplicaciones de la IA sean dignas de confianza incluyen la visión de conjunto, la transparencia y la responsabilidad. Si los algoritmos de IA son una “caja negra”, esto puede tener un impacto negativo en la aceptación por parte del usuario. Sobre todo porque la medicina moderna propaga los diagnósticos basados en pruebas como base para las decisiones terapéuticas. Por lo tanto, se desarrolló la técnica de la inteligencia artificial explicable (XAI) para aumentar la fiabilidad de las predicciones y juicios generados por la IA explicando cómo se llegó a las conclusiones basadas en la IA.
Literatura:
- “La ayuda basada en IA para el diagnóstico del cáncer de piel explica sus decisiones”, DKFZ, 17.01.2024.
- Chanda T, et al: La IA explicable similar a la de un dermatólogo mejora la confianza en el diagnóstico del melanoma. Nature Communications 2024,
DOI: 10.1038/s41467-023-43095-4 - “Aumento alarmante de los casos de cáncer de piel: ¿La fotografía 3D de cuerpo entero asistida por IA al rescate?”, www.skincancer.ch/newsletter-28,(último acceso 21/02/2024)
- “Objetivo del estudio”, www.hautkrebs-basel.ch,(última consulta: 21/02/2024).
- Smuha NA: El enfoque de la UE sobre las directrices éticas para una inteligencia artificial digna de confianza. Revista Internacional de Derecho Informático; 2019; Vol. 20; iss. 4; 97-106.
- Barata C, et al: Un modelo de aprendizaje por refuerzo para el apoyo a la toma de decisiones en cáncer de piel basado en IA. Nat Med 2023; 29(8): 1941-1946.
DERMATOLOGIE PRAXIS 2024; 34(1): 29 (publicado el 25.2.24, antes de impresión)
