{"id":328611,"date":"2021-07-07T01:00:00","date_gmt":"2021-07-06T23:00:00","guid":{"rendered":"https:\/\/medizinonline.com\/nuevo-estudio-sobre-la-deteccion-asistida-por-ia-del-carcinoma-basocelular\/"},"modified":"2021-07-07T01:00:00","modified_gmt":"2021-07-06T23:00:00","slug":"nuevo-estudio-sobre-la-deteccion-asistida-por-ia-del-carcinoma-basocelular","status":"publish","type":"post","link":"https:\/\/medizinonline.com\/es\/nuevo-estudio-sobre-la-deteccion-asistida-por-ia-del-carcinoma-basocelular\/","title":{"rendered":"Nuevo estudio sobre la detecci\u00f3n asistida por IA del carcinoma basocelular"},"content":{"rendered":"

Los sistemas de diagn\u00f3stico que utilizan inteligencia artificial son capaces de clasificar las lesiones cut\u00e1neas an\u00f3malas con rapidez y precisi\u00f3n y ofrecen un gran potencial para mejorar la precisi\u00f3n del diagn\u00f3stico. As\u00ed lo demuestra tambi\u00e9n un nuevo estudio en el que se aplic\u00f3 con \u00e9xito una red neuronal artificial para la detecci\u00f3n de carcinomas de c\u00e9lulas basales.<\/strong><\/p>\n

<\/p>\n

La inteligencia artificial (IA) desempe\u00f1a un papel cada vez m\u00e1s importante en la medicina de precisi\u00f3n y puede ayudar a optimizar el uso de los recursos [1]. En el campo del reconocimiento de patrones visuales, las aplicaciones de la IA est\u00e1n muy avanzadas, lo que constituye un \u00e1rea de aplicaci\u00f3n interesante para la dermatolog\u00eda y, en especial, para la detecci\u00f3n del c\u00e1ncer de piel. El carcinoma de c\u00e9lulas basales (CCB, Fig. 1)<\/span> representa aproximadamente el 65% de todos los casos de c\u00e1ncer de piel blanca en Europa Central y es, por tanto, el tumor cut\u00e1neo m\u00e1s frecuente en pacientes inmunocompetentes [2]. El CBC se denomina en la literatura maligno o semimaligno. La mayor\u00eda de los casos son tumores cut\u00e1neos no metast\u00e1sicos pero localmente infiltrantes y destructivos. En la Reuni\u00f3n Anual 2021 de la ADF se present\u00f3 un estudio de prueba de concepto que muestra c\u00f3mo puede utilizarse el aprendizaje profundo para el an\u00e1lisis de im\u00e1genes m\u00e9dicas en el cribado del c\u00e1ncer de piel [3,4]. Se implement\u00f3 una red neuronal artificial que, bas\u00e1ndose en im\u00e1genes histol\u00f3gicas digitalizadas, gener\u00f3 una predicci\u00f3n de alta especificidad y sensibilidad sobre si las preparaciones cut\u00e1neas conten\u00edan o no cambios cancerosos. Los resultados del estudio se publicaron en la revista Modern Pathology 2021<\/em> [4].<\/p>\n

 <\/p>\n

\"\"<\/p>\n

An\u00e1lisis de im\u00e1genes m\u00e9dicas mediante Deep Learning<\/h2>\n

La evaluaci\u00f3n histol\u00f3gica de las biopsias cut\u00e1neas forma parte de la rutina diaria en dermatolog\u00eda y es un \u00e1rea de aplicaci\u00f3n muy adecuada para la preselecci\u00f3n automatizada asistida por IA con el fin de identificar cambios cancerosos y clasificar r\u00e1pidamente los tumores. El principio b\u00e1sico de las aplicaciones del aprendizaje profundo en el campo del an\u00e1lisis de im\u00e1genes m\u00e9dicas es que una red neuronal artificial, que utiliza algoritmos y modelos estad\u00edsticos complejos para seleccionar las combinaciones de caracter\u00edsticas con el mejor significado diagn\u00f3stico, se entrena con una gran cantidad de datos de im\u00e1genes y las clasificaciones correctas y mejora continuamente su capacidad para distinguir entre las diferentes expresiones de caracter\u00edsticas [5]. Cada “neurona” de una red neuronal representa una operaci\u00f3n matem\u00e1tica. Con este m\u00e9todo, los portaobjetos digitalizados pueden examinarse en busca de caracter\u00edsticas patol\u00f3gicas mediante un an\u00e1lisis de imagen automatizado. En el estudio de Kimeswenger et al. [3,4], la red neuronal artificial se entren\u00f3 para reconocer tumores utilizando preparaciones de tumores de CCB totalmente digitalizadas (n=820 preparaciones) (resumen 1) <\/span>. <\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

Alta precisi\u00f3n diagn\u00f3stica y especificidad<\/h2>\n

La red neuronal demostr\u00f3 ser capaz de identificar regiones tumorales de CCB en im\u00e1genes de cortes histol\u00f3gicos con gran precisi\u00f3n (AUC 0,993, IC del 95%: 0,990-0,995; sensibilidad: 0,965, IC del 95%: 0,951-0,979; especificidad: 0,910, IC del 95%: 0,859-0,960). El c\u00e1lculo autom\u00e1tico de una matriz ponderada constituy\u00f3 la base para la predicci\u00f3n de las regiones relevantes para el tumor de las im\u00e1genes histol\u00f3gicas. Los investigadores tambi\u00e9n descubrieron que los algoritmos de aprendizaje autom\u00e1tico se basaban en patrones de identificaci\u00f3n de tumores significativamente diferentes en comparaci\u00f3n con los expertos en patolog\u00eda. Esto se demostr\u00f3 mediante una comparaci\u00f3n de las “regiones de inter\u00e9s” (ROI) utilizadas por la red neuronal, es decir, las regiones de la imagen clasificadas como relevantes para encontrar tumores, con las ROI de los expertos pat\u00f3logos, que se hab\u00edan recogido mediante seguimiento ocular (resumen 2) <\/span>. <\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

En resumen, este estudio demostr\u00f3 que una red neuronal artificial puede utilizarse eficazmente para detectar carcinomas de c\u00e9lulas basales a partir de im\u00e1genes digitalizadas de preparaciones histol\u00f3gicas de cortes. Es una confirmaci\u00f3n m\u00e1s de que los m\u00e9todos de aprendizaje autom\u00e1tico tienen potencial para aumentar la precisi\u00f3n diagn\u00f3stica en el campo de la patolog\u00eda digital y descubrir patrones de clasificaci\u00f3n desconocidos hasta ahora. Adem\u00e1s del diagn\u00f3stico de lesiones cut\u00e1neas no melanoc\u00edticas, las aplicaciones de la IA tambi\u00e9n pueden utilizarse para la detecci\u00f3n de melanomas malignos (recuadro)<\/span>.<\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

\nCongreso: Grupo de Trabajo sobre Investigaci\u00f3n Dermatol\u00f3gica 2021<\/em><\/p>\n

 <\/p>\n

Literatura:<\/p>\n

    \n
  1. Schaaf N: Redes neuronales: una mirada a la caja negra, 14 de enero de 2020, www.informatik-aktuell.de, (\u00faltima consulta: 14.05.2021)<\/li>\n
  2. Teske S, Beise U: Hauttumoren, \u00daltima actualizaci\u00f3n: 02\/2021, www.medix.ch (fecha de consulta: 14.05.2021).<\/li>\n
  3. Kimeswenger S, et al.: Las redes neuronales artificiales y los pat\u00f3logos reconocen los carcinomas de c\u00e9lulas basales bas\u00e1ndose en diferentes patrones histol\u00f3gicos. P063, Investigaci\u00f3n Traslacional Premios ADF de Dermatolog\u00eda, Reuni\u00f3n Anual de la ADF 6.3.2021<\/li>\n
  4. Kimeswenger S, et al: Mod Pathol 2021; 34 : 895-903.<\/li>\n
  5. Jutzi TB, Brinker TJ: Dtsch Arztebl 2020; 117(24).<\/li>\n
  6. Centro Alem\u00e1n de Investigaci\u00f3n del C\u00e1ncer, www.dkfz.de\/de\/digitale-biomarker (\u00faltima consulta: 14.05.2021)<\/li>\n
  7. Cerci, FB, et al: An Bras Dermatol [online] 2020; 95 (5): 594-601.<\/li>\n<\/ol>\n

     <\/p>\n

    DERMATOLOGIE PRAXIS 2021; 31(3): 32-33 (publicado el 1.6.21, antes de impresi\u00f3n).<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

    Los sistemas de diagn\u00f3stico que utilizan inteligencia artificial son capaces de clasificar las lesiones cut\u00e1neas an\u00f3malas con rapidez y precisi\u00f3n y ofrecen un gran potencial para mejorar la precisi\u00f3n del…<\/p>\n","protected":false},"author":7,"featured_media":108466,"comment_status":"closed","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","cat_1_feature_home_top":false,"cat_2_editor_pick":false,"csco_eyebrow_text":"Diagn\u00f3stico del c\u00e1ncer de piel ","footnotes":""},"category":[11310,11483,11475,11336,11430,11552],"tags":[14494,20065,20064],"powerkit_post_featured":[],"class_list":["post-328611","post","type-post","status-publish","format-standard","has-post-thumbnail","category-dermatologia-y-venereologia","category-el-congreso-informa","category-estudios","category-oncologia","category-prevencion-y-asistencia-sanitaria","category-rx-es","tag-carcinoma-basocelular-es-2","tag-diagnostico-del-cancer-de-piel","tag-tumor-cutaneo","pmpro-has-access"],"acf":[],"publishpress_future_action":{"enabled":false,"date":"2026-04-12 08:40:48","action":"change-status","newStatus":"draft","terms":[],"taxonomy":"category","extraData":[]},"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"wpml_current_locale":"es_ES","wpml_translations":[],"_links":{"self":[{"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/posts\/328611","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/comments?post=328611"}],"version-history":[{"count":0,"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/posts\/328611\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/media\/108466"}],"wp:attachment":[{"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/media?parent=328611"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/category?post=328611"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/tags?post=328611"},{"taxonomy":"powerkit_post_featured","embeddable":true,"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/powerkit_post_featured?post=328611"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}