Los investigadores han demostrado por primera vez que una forma de inteligencia artificial o aprendizaje automático conocida como red neuronal convolucional de aprendizaje profundo CNN es mejor que los dermatólogos experimentados para detectar el cáncer de piel.
En un estudio publicado en la revista líder sobre cáncer Anales de Oncología hoy martes, investigadores en Alemania, Estados Unidos y Francia entrenaron a una CNN para identificar el cáncer de piel mostrándole más de 100,000 imágenes de melanomas malignos la forma más letal de cáncer de piel, así como lunares benignos o nevosCompararon su desempeño con el de 58 dermatólogos internacionales y descubrieron que la CNN perdió menos melanomas y lunares benignos mal diagnosticados con menos frecuencia como malignos que el grupo de dermatólogos.
Una CNN es una red neuronal artificial inspirada en los procesos biológicos en el trabajo cuando las células nerviosas neuronas en el cerebro están conectadas entre sí y responden a lo que ve el ojo. La CNN es capaz de aprender rápidamente de las imágenes que "ve "y se enseña a sí mismo a partir de lo que ha aprendido para mejorar su rendimiento un proceso conocido como aprendizaje automático.
El primer autor del estudio, el profesor Holger Haenssle, médico jefe superior del Departamento de Dermatología de la Universidad de Heidelberg, Alemania, explicó: "La CNN funciona como el cerebro de un niño. Para entrenarlo, mostramos más a la CNNde 100.000 imágenes de cánceres y lunares de piel malignos y benignos e indicaron el diagnóstico para cada imagen. Solo se utilizaron imágenes dermatoscópicas, es decir, lesiones que se fotografiaron con un aumento de 10 veces. Con cada imagen de entrenamiento, la CNN mejoró su capacidad para diferenciarentre lesiones benignas y malignas.
"Después de terminar el entrenamiento, creamos dos conjuntos de imágenes de prueba de la biblioteca de Heidelberg que nunca se habían utilizado para el entrenamiento y, por lo tanto, eran desconocidos para la CNN. Se construyó un conjunto de 300 imágenes para probar únicamente el rendimiento de la CNN.Antes de hacerlo, se seleccionaron 100 de las lesiones más difíciles para evaluar dermatólogos reales en comparación con los resultados de la CNN ".
Dermatólogos de todo el mundo fueron invitados a participar, y 58 de 17 países de todo el mundo estuvieron de acuerdo. De estos, 17 29% indicaron que tenían menos de dos años de experiencia en dermatoscopia, 11 19% dijeron queeran expertos con entre dos y cinco años de experiencia, y 30 52% eran expertos con más de cinco años de experiencia.
A los dermatólogos se les pidió que primero hicieran un diagnóstico de melanoma maligno o lunar benigno solo a partir de las imágenes dermatoscópicas nivel I y que tomaran una decisión sobre cómo manejar la afección cirugía, seguimiento a corto plazo o no se necesita ninguna acciónLuego, cuatro semanas después, se les dio información clínica sobre el paciente incluyendo edad, sexo y posición de la lesión e imágenes de primer plano de los mismos 100 casos nivel II y se les pidió diagnóstico y decisiones de manejo nuevamente.
En el nivel I, los dermatólogos detectaron con precisión un promedio del 86,6% de los melanomas e identificaron correctamente un promedio del 71,3% de las lesiones que no eran malignas. Sin embargo, cuando la CNN se sintonizó al mismo nivel que los médicos para identificar correctamentelunares benignos 71.3%, la CNN detectó el 95% de los melanomas. En el nivel II, los dermatólogos mejoraron su desempeño, diagnosticando con precisión el 88.9% de los melanomas malignos y el 75.7% que no eran cáncer.
"La CNN perdió menos melanomas, lo que significa que tenía una sensibilidad más alta que los dermatólogos, y diagnosticó erróneamente menos lunares benignos como melanoma maligno, lo que significa que tenía una especificidad más alta; esto resultaría en una cirugía menos innecesaria", dijo el profesor Haenssle.
"Cuando los dermatólogos recibieron más información clínica e imágenes en el nivel II, su rendimiento diagnóstico mejoró. Sin embargo, la CNN, que todavía funcionaba únicamente a partir de imágenes dermatoscópicas sin información clínica adicional, continuó superando las capacidades de diagnóstico de los médicos"
Los dermatólogos expertos obtuvieron mejores resultados en el nivel I que los dermatólogos menos experimentados y fueron mejores en la detección de melanomas malignos. Sin embargo, su capacidad promedio para hacer el diagnóstico correcto fue aún peor que la CNN en ambos niveles.
"Estos hallazgos muestran que las redes neuronales convolucionales de aprendizaje profundo son capaces de superar a los dermatólogos, incluidos expertos ampliamente capacitados, en la tarea de detectar melanomas", dijo.
La incidencia de melanoma maligno está aumentando, con un estimado de 232,000 casos nuevos en todo el mundo y alrededor de 55,500 muertes por la enfermedad cada año. Puede curarse si se detecta temprano, pero muchos casos solo se diagnostican cuando el cáncer está más avanzado y es más difícil de tratar.tratar.
El profesor Haenssle dijo: "He estado involucrado en proyectos de investigación que apuntan a mejorar la detección temprana del melanoma en sus etapas curables durante casi 20 años. Mi grupo y yo nos estamos centrando en tecnologías no invasivas que pueden ayudar a los médicos a no perdersemelanomas, por ejemplo, mientras realizaba pruebas de detección de cáncer de piel. Cuando me encontré con informes recientes sobre algoritmos de aprendizaje profundo que superan a los expertos humanos en tareas específicas, inmediatamente supe que teníamos que explorar estos algoritmos de inteligencia artificial para diagnosticar el melanoma ".
Los investigadores no prevén que la CNN se haría cargo de los dermatólogos para diagnosticar el cáncer de piel, sino que podría usarse como una ayuda adicional.
"Esta CNN puede servir a los médicos involucrados en la detección del cáncer de piel como una ayuda en su decisión de biopsiar una lesión o no. La mayoría de los dermatólogos ya utilizan sistemas de dermatoscopia digital para obtener imágenes y almacenar lesiones para documentación y seguimiento. La CNN puede entoncesevalúe fácil y rápidamente la imagen almacenada para obtener una 'opinión experta' sobre la probabilidad de melanoma. Actualmente estamos planificando estudios prospectivos para evaluar el impacto de la CNN en la vida real para médicos y pacientes ".
El estudio tiene algunas limitaciones, que incluyen el hecho de que los dermatólogos estaban en un entorno artificial donde sabían que no estaban tomando decisiones de "vida o muerte"; los conjuntos de prueba no incluían el rango completo de lesiones cutáneas; había menosimágenes validadas de tipos de piel y antecedentes genéticos no caucásicos; y el hecho de que los médicos no siempre siguen la recomendación de una CNN en la que no confían.
En un editorial acompañante, la Dra. Victoria Mar Universidad de Monash, Melbourne, Australia y el Profesor H. Peter Soyer Universidad de Queensland, Brisbane, Australia escriben: "Actualmente, la precisión diagnóstica del melanoma depende de la experiencia y la capacitación deel médico tratante ..... Haenssle et al ... han demostrado que un algoritmo informático que utiliza redes neuronales convolucionales superó a la mayoría de los 58 dermatólogos probados ..... Esto demuestra que la inteligencia artificial IA promete un nivel más estandarizadode precisión diagnóstica, de modo que todas las personas, independientemente de dónde vivan o qué médico vean, puedan acceder a una evaluación diagnóstica confiable ".
Destacan una serie de cuestiones que deberían abordarse antes de que la IA se convierta en estándar en las clínicas, incluida la dificultad de obtener imágenes de algunos melanomas en sitios como los dedos de las manos y los pies y el cuero cabelludo, y cómo entrenar la IA lo suficiente como para reconocer melanomas atípicosy los que los pacientes desconocen.
Concluyen: "Actualmente, no existe un sustituto para un examen clínico exhaustivo. Sin embargo, la fotografía de cuerpo total en 2D y 3D es capaz de capturar alrededor del 90 al 95% de la superficie de la piel y dado el desarrollo exponencial de la tecnología de imagen que imaginamos antes"que más tarde, el diagnóstico automatizado cambiará el paradigma diagnóstico en dermatología. Sin embargo, aún queda mucho trabajo por hacer para implementar esta tecnología emocionante de manera segura en la atención clínica de rutina ".
Fuente de la historia :
Materiales proporcionados por Sociedad Europea de Oncología Médica . Nota: El contenido puede ser editado por estilo y longitud.
Referencias de revistas :
Cita esta página :