La Inteligencia Artificial aplicada para detectar cáncer de piel puede mejorar el pronóstico del melanoma y reducir significativamente el costo del tratamiento.

Investigadores del MIT y otros lugares han ideado una nueva tubería de inteligencia artificial, utilizando redes neuronales convolucionales profundas (DCNN) y aplicando el análisis basado en la inspección visual para identificar lesiones pigmentadas sospechosas (SPL, por sus siglas en inglés), que pueden ser un indicio de cáncer de piel de manera más eficiente.

La identificación en etapa temprana de SPL en entornos de atención primaria puede mejorar el pronóstico del melanoma y reducir significativamente el costo del tratamiento.

El melanoma es un tipo de tumor maligno responsable de más del 70 por ciento de todas las muertes relacionadas con el cáncer de piel en todo el mundo. Durante años, los médicos se han basado en la inspección visual para identificar lesiones pigmentadas sospechosas, que pueden ser un indicio de cáncer de piel.

El sistema de Inteligencia Artificial analiza rápidamente imágenes de campo amplio de la piel de los pacientes para detectar el cáncer mediante el uso de fotografía común en la mayoría de los teléfonos inteligentes y cámaras personales.

El desafío es que encontrar y priorizar SPL rápidamente es difícil, debido al alto volumen de lesiones pigmentadas que a menudo necesitan ser evaluadas para posibles biopsias.

Animación cortesía de los investigadores.

Las DCNN son redes neuronales que se pueden usar para clasificar (o "nombrar") imágenes para luego agruparlas (como cuando se realiza una búsqueda de fotos). Estos algoritmos de aprendizaje automático pertenecen al subconjunto del aprendizaje profundo

Gray, autor principal del artículo, explica cómo se desarrolló este importante proyecto: "Este trabajo se originó como un nuevo proyecto desarrollado por becarios (cinco de los coautores) en el programa MIT Catalyst, un programa diseñado para nucleares proyectos que resuelven necesidades clínicas apremiantes. Este trabajo ejemplifica la visión de los devotos de HST/IMES (en la cual se fundó Catalyst) de aprovechar la ciencia para promover la salud humana”. Este trabajo contó con el apoyo de Abdul Latif Jameel Clinic for Machine Learning in Health y de la Consejería de Educación, Juventud y Deportes de la Comunidad de Madrid a través del Consorcio Madrid-MIT Visión.