Aplicación de inteligencia artificial como herramienta para la optimización en el diagnóstico de melanoma
INTRODUCCIÓN: El melanoma, un cáncer de piel con creciente incidencia global, es prevalente en regiones con poblaciones de piel clara. Su capacidad para metastatizar y la alta tasa de mortalidad resaltan la necesidad de una detección temprana, para una intervención efectiva y potencial reducción de...
Saved in:
| Main Authors: | , , , , , , , , , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universidad Católica de Córdoba
2025-04-01
|
| Series: | Revista Methodo |
| Subjects: | |
| Online Access: | https://methodo.ucc.edu.ar/index.php/methodo/article/view/559 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1850264921274580992 |
|---|---|
| author | Gutiérrez Magaldi I Tabares P Tabares G Tabares F Gomez Zanni S Pascualini F Papa M Cedres N Cherasco M Llanos J |
| author_facet | Gutiérrez Magaldi I Tabares P Tabares G Tabares F Gomez Zanni S Pascualini F Papa M Cedres N Cherasco M Llanos J |
| author_sort | Gutiérrez Magaldi I |
| collection | DOAJ |
| description |
INTRODUCCIÓN: El melanoma, un cáncer de piel con creciente incidencia global, es prevalente en regiones con poblaciones de piel clara. Su capacidad para metastatizar y la alta tasa de mortalidad resaltan la necesidad de una detección temprana, para una intervención efectiva y potencial reducción de riesgo de metástasis.
Estrategias como autoexámenes y revisiones dermatológicas son esenciales. La inteligencia artificial (IA) ha emergido como una herramienta con mayor precisión y rapidez en el análisis de imágenes cutáneas.
OBJETIVOS: 1. Lograr la optimización en el diagnóstico precoz de melanoma a través de la IA como herramienta colaborativa en dermatoscopia. 2. Determinar la exactitud diagnóstica de la Inteligencia Artificial como herramienta en dermatoscopia vs el diagnóstico del ojo humano a través de un dermatólogo especializado.
MATERIAL Y METODOS: Se trata de un estudio prospectivo, de cohorte de tipo transversal.
Desde Avedian desarrollamos un modelo de deep learning para la detección de melanoma.
Entrenamos el modelo con 12.000 imágenes (tamaño muestral n: 12.000 imágenes; tamaño muestral necesario según cálculo de Machin es de 526 imágenes) obtenidas de base de datos obtenidas de la international skin imagine collaboration, e hicimos un estudio comparativo de clasificación de imágenes de melanomas y lunares sanos.
Por otro lado, les otorgamos 40 imágenes a 2 dermatólogos especializados en la detección de nevus y melanomas, a los que les pedimos que clasifiquen estas imágenes según su experiencia y criterio clínico, en forma binaria.
RESULTADOS: El estudio comparativo mostró una precisión global del modelo de deep learning por IA, del 82.5%, con 85% para nevos y 80% para melanomas, en comparación con el sistema clasificatorio binario de los médicos dermatólogos, (61%), con una sensibilidad del 85% y especificidad del 82%, nivel de confianza del 95%.
CONCLUSIÓN: La integración de la IA en la detección precoz promete avances significativos en el diagnóstico y tratamiento del melanoma y permite optimizar las herramientas de diagnóstico precoz
|
| format | Article |
| id | doaj-art-39efcb7007fe41debb72bfba390f24cf |
| institution | OA Journals |
| issn | 2545-8302 |
| language | Spanish |
| publishDate | 2025-04-01 |
| publisher | Universidad Católica de Córdoba |
| record_format | Article |
| series | Revista Methodo |
| spelling | doaj-art-39efcb7007fe41debb72bfba390f24cf2025-08-20T01:54:34ZspaUniversidad Católica de CórdobaRevista Methodo2545-83022025-04-0110210.22529/me.2025.10(2)03Aplicación de inteligencia artificial como herramienta para la optimización en el diagnóstico de melanomaGutiérrez Magaldi ITabares PTabares GTabares FGomez Zanni SPascualini FPapa MCedres NCherasco MLlanos J INTRODUCCIÓN: El melanoma, un cáncer de piel con creciente incidencia global, es prevalente en regiones con poblaciones de piel clara. Su capacidad para metastatizar y la alta tasa de mortalidad resaltan la necesidad de una detección temprana, para una intervención efectiva y potencial reducción de riesgo de metástasis. Estrategias como autoexámenes y revisiones dermatológicas son esenciales. La inteligencia artificial (IA) ha emergido como una herramienta con mayor precisión y rapidez en el análisis de imágenes cutáneas. OBJETIVOS: 1. Lograr la optimización en el diagnóstico precoz de melanoma a través de la IA como herramienta colaborativa en dermatoscopia. 2. Determinar la exactitud diagnóstica de la Inteligencia Artificial como herramienta en dermatoscopia vs el diagnóstico del ojo humano a través de un dermatólogo especializado. MATERIAL Y METODOS: Se trata de un estudio prospectivo, de cohorte de tipo transversal. Desde Avedian desarrollamos un modelo de deep learning para la detección de melanoma. Entrenamos el modelo con 12.000 imágenes (tamaño muestral n: 12.000 imágenes; tamaño muestral necesario según cálculo de Machin es de 526 imágenes) obtenidas de base de datos obtenidas de la international skin imagine collaboration, e hicimos un estudio comparativo de clasificación de imágenes de melanomas y lunares sanos. Por otro lado, les otorgamos 40 imágenes a 2 dermatólogos especializados en la detección de nevus y melanomas, a los que les pedimos que clasifiquen estas imágenes según su experiencia y criterio clínico, en forma binaria. RESULTADOS: El estudio comparativo mostró una precisión global del modelo de deep learning por IA, del 82.5%, con 85% para nevos y 80% para melanomas, en comparación con el sistema clasificatorio binario de los médicos dermatólogos, (61%), con una sensibilidad del 85% y especificidad del 82%, nivel de confianza del 95%. CONCLUSIÓN: La integración de la IA en la detección precoz promete avances significativos en el diagnóstico y tratamiento del melanoma y permite optimizar las herramientas de diagnóstico precoz https://methodo.ucc.edu.ar/index.php/methodo/article/view/559melanomainteligencia artificialdetección precoz |
| spellingShingle | Gutiérrez Magaldi I Tabares P Tabares G Tabares F Gomez Zanni S Pascualini F Papa M Cedres N Cherasco M Llanos J Aplicación de inteligencia artificial como herramienta para la optimización en el diagnóstico de melanoma Revista Methodo melanoma inteligencia artificial detección precoz |
| title | Aplicación de inteligencia artificial como herramienta para la optimización en el diagnóstico de melanoma |
| title_full | Aplicación de inteligencia artificial como herramienta para la optimización en el diagnóstico de melanoma |
| title_fullStr | Aplicación de inteligencia artificial como herramienta para la optimización en el diagnóstico de melanoma |
| title_full_unstemmed | Aplicación de inteligencia artificial como herramienta para la optimización en el diagnóstico de melanoma |
| title_short | Aplicación de inteligencia artificial como herramienta para la optimización en el diagnóstico de melanoma |
| title_sort | aplicacion de inteligencia artificial como herramienta para la optimizacion en el diagnostico de melanoma |
| topic | melanoma inteligencia artificial detección precoz |
| url | https://methodo.ucc.edu.ar/index.php/methodo/article/view/559 |
| work_keys_str_mv | AT gutierrezmagaldii aplicaciondeinteligenciaartificialcomoherramientaparalaoptimizacioneneldiagnosticodemelanoma AT tabaresp aplicaciondeinteligenciaartificialcomoherramientaparalaoptimizacioneneldiagnosticodemelanoma AT tabaresg aplicaciondeinteligenciaartificialcomoherramientaparalaoptimizacioneneldiagnosticodemelanoma AT tabaresf aplicaciondeinteligenciaartificialcomoherramientaparalaoptimizacioneneldiagnosticodemelanoma AT gomezzannis aplicaciondeinteligenciaartificialcomoherramientaparalaoptimizacioneneldiagnosticodemelanoma AT pascualinif aplicaciondeinteligenciaartificialcomoherramientaparalaoptimizacioneneldiagnosticodemelanoma AT papam aplicaciondeinteligenciaartificialcomoherramientaparalaoptimizacioneneldiagnosticodemelanoma AT cedresn aplicaciondeinteligenciaartificialcomoherramientaparalaoptimizacioneneldiagnosticodemelanoma AT cherascom aplicaciondeinteligenciaartificialcomoherramientaparalaoptimizacioneneldiagnosticodemelanoma AT llanosj aplicaciondeinteligenciaartificialcomoherramientaparalaoptimizacioneneldiagnosticodemelanoma |