Un modelo de IA logra identificar signos tempranos de melanoma con más de un 90% de efectividad

El melanoma es el tipo de cáncer de piel más agresivo en todo el mundo: se estima que cada año se diagnostican 1,5 millones de casos nuevos y unos 5.000 en España. La detección temprana es vital para aumentar las tasas de supervivencia de los pacientes y un nuevo modelo de inteligencia artificial podría ser la clave para el diagnóstico precoz.

La herramienta, desarrollada por un equipo internacional de investigadores coreanos, británicos y canadienses, ha mostrado un 94,5% de eficacia en la detección del melanoma a partir de imágenes de la piel de múltiples pacientes y su historial clínico, revelan los resultados del estudio publicado en Informatio Fusion. “El cáncer de piel, particularmente el melanoma, es una enfermedad en la que la detección temprana es crucial para determinar las tasas de supervivencia”, ha explicado el profesor Gwangill Jeon., de la Universidad Nacional de Incheon (Corea del Sur) “Dado que el melanoma es difícil de diagnosticar solo con características visuales, reconocí la necesidad de tecnologías de convergencia de IA que puedan considerar tanto los datos de imagen como la información del paciente”, ha añadido.

La inclusión de los datos médicos del paciente es lo que ha logrado diferenciar a este nuevo modelo. Hasta ahora, la mayoría de los sistemas automáticos de diagnóstico se han basado únicamente en el análisis de imágenes de las lesiones cutáneas. Sin embargo, estos enfoques suelen pasar por alto factores clave como la edad, el sexo y la localización anatómica de la lesión, que influyen en el riesgo y la presentación de la enfermedad.

La mezcla de imágenes dermatoscópicas procesadas mediante una red neuronal convolucional, junto con los datos clínicos del paciente, se fusionan en una etapa intermedia del modelo, permitiendo que la inteligencia artificial aprendiese patrones conjuntos y tomase decisiones más informadas.

33.000 imágenes para entrenar a la IA

Para entrenar y validar el modelo, los autores emplearon el SIIM-ISIC Melanoma Classification Dataset, que contiene más de 33.000 imágenes de lesiones cutáneas, cada una acompañada de metadatos clínicos. El diagnóstico de cada caso se estableció mediante histopatología o consenso de expertos, lo que garantiza la calidad de la información utilizada. El modelo de IA obtuvo un 94,5% de precisión, superando a otros sistemas similares que solo utilizan imágenes.

El análisis exploratorio de los datos reveló que la mayoría de los casos de melanoma se concentran en personas de entre 40 y 60 años, así como una mayor incidencia en hombres. Además, la localización más frecuente de las lesiones es el torso, aunque existen diferencias según el género. Estos patrones epidemiológicos se incorporaron al modelo, que aprendió a ponderar la importancia de cada variable en la predicción del riesgo.

“El modelo no está únicamente diseñado para propósitos académicos. Puede usarse como una herramienta práctica que podría transformar la detección de melanoma en el mundo real. Esta investigación se puede aplicar directamente al desarrollo de un sistema de inteligencia artificial que analice tanto imágenes de lesiones cutáneas como información básica del paciente para permitir la detección temprana del melanoma“, ha asegurado el profesor Jeon.

A pesar de los resultados prometedores, los autores reconocen algunas limitaciones. El modelo mostró una leve tendencia al sobreajuste, evidenciada por una pequeña diferencia entre el rendimiento en los datos de entrenamiento y validación. Además, aunque el conjunto de datos es amplio y diverso, su desempeño en poblaciones externas aún debe evaluarse. El artículo sugiere que futuras investigaciones podrían explorar estrategias de fusión más sofisticadas, como mecanismos de atención o arquitecturas basadas en transformadores, así como el desarrollo de herramientas explicativas que faciliten la integración del sistema en la consulta clínica.