Un equipo de investigación de la Universidad de Sevilla ha desarrollado un clasificador basado en inteligencia artificial para detectar lesiones en la piel, como el melanoma, con una precisión que llega al 99 %.
El sistema, según la información difundida por Fundación Descubre en un comunicado, puede aplicarse en el análisis preliminar de las imágenes médicas y como apoyo a la toma de decisiones clínicas en el ámbito sanitario.
Los expertos proponen este sistema para trasladar a una aplicación móvil que analice fotos tomadas 'in situ' a tiempo real, con lo que se convierte en una herramienta complementaria, rápida, intuitiva y precisa para detectar enfermedades dermatológicas en el ámbito clínico.
Los expertos utilizaron un enfoque basado en 'machine learning', un sistema de inteligencia artificial que emplea algoritmos y modelos estadísticos para que un programa informático pueda aprender a partir de una serie de datos.
Alta precisión
Todo lo conseguido por estos expertos permite la predicción y análisis de grandes volúmenes de información con alta precisión.
Para desarrollar este sistema, contaron con una base de datos pública con 10.000 imágenes de siete lesiones dermatológicas, algunas de ellas con un aspecto similar a simple vista.
Estudiaron lunares, melanomas, zonas elevadas y ásperas de la piel producidas por la exposición al sol, el carcinoma de células basales, considerado el tipo más común de cáncer de piel, así como parches de piel escamosos, lesiones vasculares y dermatofibromas, es decir tumores cutáneos benignos originados por una proliferación excesiva de las fibras de la dermis, la parte subcutánea de la piel.
Una vez obtenidas estas imágenes clasificadas por enfermedad, las dividieron en dos grupos: uno de entrenamiento y otro de validación. Con el primero enseñaron al sistema cómo era cada lesión, y con el segundo comprobaron que si el aprendizaje había resultado exitoso.
El autor del artículo, José Antonio Rangel, ha detallado que las imágenes digitales están formadas por patrones matemáticos y que lo que hace el programa es "identificarlos por capas, como una cebolla, y de ese modo distingue las características de cada lesión y establece de cuál se trata".
Validación cruzada
Para confirmar que la máquina no se equivocaba, dividieron las imágenes en cinco grupos de forma aleatoria y realizaron un proceso conocido como validación cruzada, con lo que se aseguran de que el modelo identificaba bien y no se limitaba a reconocer un solo conjunto de datos, aumentando así la precisión del sistema de clasificación.
De este modo, los expertos del Departamento de Arquitectura y Tecnología de Computadores de la Escuela Técnica Superior de Ingeniería Informática de la Universidad de Sevilla concluyeron que este sistema 'inteligente' funciona correctamente, que además posee una precisión del 99 %, y se ha corroborado su precisión para la clasificación de estas siete anomalías y enfermedades cutáneas.
No obstante, el investigador de la Universidad de Sevilla Manuel Jesús Domínguez enfatiza que todo ello no sustituye el criterio de un profesional médico, "que debería validar el resultado propuesto por la herramienta".
