Pereyra RJJ, Conejo-Mir J

Idioma: Español
Referencias bibliográficas: 5
Paginas: 89-91
Archivo PDF: 175.95 Kb.

FRAGMENTO

Hekler y colaboradores acaban de publicar un artículo que presenta un enfoque hasta ahora diferente en la aplicación de la inteligencia artificial (IA) en dermatología. Sin embargo, este enfoque no debería sorprendernos, pues ante el planteamiento previo de enfrentar al hombre con la máquina, este trabajo demuestra que la combinación de la IA y el diagnóstico humano consigue los mejores resultados diagnósticos frente a cualquiera de las dos opciones por separado. En este estudio, el sistema de IA se adiestró con 11,444 imágenes dermatoscópicas. Posteriormente, 112 dermatólogos de 13 hospitales alemanes se enfrentaron a 300 imágenes de lesiones que fueron biopsiadas para confirmar el diagnóstico. Se evaluó el diagnóstico automatizado aislado, el realizado por los dermatólogos y el sistema de IA como ayuda al dermatólogo. Mientras que muchos quieren ver la IA como una amenaza para sustituir al dermatólogo en un futuro cercano, esta visión de ayuda y mejora resulta ciertamente más amigable y esperanzadora.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Hekler A, Utikal JS, Enk AH et al. Superior skin cancer classification by the combination of human and artificial intelligence. Eur J Cancer. 2019; 120: 114-121. doi: 10.1016/j.ejca.2019.07.019.

2. Tan KC, Goh CL. Computer applications in dermatology. Ann Acad Med Singapore. 1990; 19 (5): 684-686.

3. Boldrick JC, Layton CJ, Nguyen J, Swetter SM. Evaluation of digital dermoscopy in a pigmented lesion clinic: clinician versus computer assessment of malignancy risk. J Am Acad Dermatol. 2007; 56 (3): 417-421. doi: 10.1016/j.jaad.2006.08.033.

4. Haenssle HA, Fink C, Schneiderbauer R et al. Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. Ann Oncol. 2018; 29 (8): 1836-1842. doi: 10.1093/annonc/mdy166.

5. Murray E, Treweek S, Pope C et al. Normalization process theory: a framework for developing, evaluating and implementing complex interventions. BMC Med. 2010; 8 (1): 63. doi: 10.1186/1741-7015-8-63.