El cáncer de piel es una enfermedad que afecta a millones de personas en todo el mundo, y su diagnóstico temprano es crucial para un tratamiento efectivo.
En los últimos años, la inteligencia artificial (IA) ha demostrado ser una herramienta prometedora en la detección de esta enfermedad, pero ha sido un desafío igualar la compleja toma de decisiones de los médicos en la práctica.
Sin embargo, un equipo de investigación liderado por Harald Kittler de la MedUni Vienna ha logrado un avance importante en este campo al explorar un método de aprendizaje que incorpora criterios de toma de decisiones humanas en la IA, mejorando así la precisión del diagnóstico en un 12%.
Los resultados de este estudio, publicado en Nature Medicine, abren nuevas perspectivas en la aplicación de la IA en la dermatología y la medicina en general.
Los investigadores basaron su estudio en el modelo de aprendizaje por refuerzo (RL) e integraron criterios humanos mediante el uso de “tablas de recompensa” en el sistema de IA.
Estas tablas permitieron incorporar las consecuencias positivas y negativas de las evaluaciones clínicas desde la perspectiva tanto del médico como del paciente.
Así, los resultados del diagnóstico de la IA no se limitaron a ser calificados como correctos o incorrectos, sino que fueron evaluados en función del impacto del diagnóstico o las decisiones resultantes, siendo “recompensados” o “penalizados” en consecuencia.
Este enfoque de aprendizaje a partir de evaluaciones humanas permitió que la IA considerara no solo características basadas en imágenes, sino también las consecuencias de un diagnóstico erróneo al evaluar manifestaciones cutáneas benignas y malignas.
Los resultados fueron impresionantes, ya que la precisión del diagnóstico de cáncer de piel mejoró significativamente. Por ejemplo, la sensibilidad para el melanoma aumentó del 61.4% al 79.5%, y para el carcinoma de células basales del 79.4% al 87.1%.
Los dermatólogos también se beneficiaron enormemente del uso del aprendizaje por refuerzo. La tasa de diagnósticos correctos aumentó en un 12%, lo que demuestra que la combinación de la IA con criterios humanos puede ser una herramienta poderosa en el campo de la medicina.
Además, la tasa de decisiones óptimas para el manejo y la terapia de la enfermedad también experimentó un incremento del 57.4% al 65.3%.
Uno de los aspectos más destacados de este enfoque es cómo la IA logró reducir su exceso de confianza en sus propias predicciones y ofrecer sugerencias más matizadas y compatibles con las decisiones humanas. Esto ha sido fundamental para ayudar a los médicos a tomar decisiones más precisas y adaptadas a pacientes individuales en escenarios médicos complejos.
El Dr. Harald Kittler, líder del estudio, expresó que aunque el enfoque actual se centró en el diagnóstico del cáncer de piel, las ideas básicas detrás del uso del aprendizaje por refuerzo y la incorporación de criterios humanos podrían aplicarse en otras áreas de la toma de decisiones médicas.
Esto abre la puerta a futuras investigaciones y desarrollos en el uso de la IA en diversas especialidades médicas para mejorar la atención al paciente y los resultados de salud.
La comunidad médica y científica ha acogido con entusiasmo estos avances en el diagnóstico de cáncer de piel. La IA ha demostrado su potencial para ser una aliada invaluable en la detección temprana de enfermedades y en la toma de decisiones médicas precisas y personalizadas.
Sin embargo, los expertos también enfatizan la importancia de una colaboración estrecha entre la IA y los profesionales de la salud para garantizar que los resultados sean seguros, confiables y éticos.
Los desarrollos en IA también plantean preguntas sobre la implementación de estas tecnologías en la práctica clínica. Si bien los resultados muestran mejoras significativas en la precisión del diagnóstico, es esencial que los médicos sigan siendo los responsables finales de la toma de decisiones en el cuidado de sus pacientes. La IA debe ser vista como una herramienta complementaria que amplía y enriquece las habilidades de los profesionales de la salud, en lugar de reemplazarlos.
