Características operativas de una prueba diagnóstica basada en un algoritmo de inteligencia artificial entrenado con las imágenes del HAM 10000 para el diagnóstico de lesiones pigmentadas en fototipos claros y oscuros

Introducción: La inteligencia artificial (IA) se ha utilizado cada vez más en el campo de la dermatología para la clasificación de lesiones cutáneas. Sin embargo, la mayoría de los repositorios de imágenes actuales tienen una representación muy escasa de poblaciones diversas, incluidos los fototipos de piel oscuros, lo que puede afectar la precisión de los modelos de IA. Objetivo: Este estudio tuvo como objetivo evaluar el desempeño de un algoritmo de Deep Learning entrenado con el conjunto de datos HAM10000 para detectar lesiones cutáneas malignas en una población colombiana con diversos fototipos de piel y presentaciones clínicas. Métodos: Recopilamos un conjunto de datos de 165 imágenes, las cuales fueron evaluadas utilizando un algoritmo de Deep Learning entrenado con el conjunto de datos HAM10000. Estudiamos el desempeño del algoritmo utilizando métricas como AUC-ROC, AUC-PR, precisión, especificidad, sensibilidad, VPP y VPN, asi como el uso de los valores SHAP para analizar y explicar el resultado del modelo para estimar la importancia de los superpíxeles y crear imágenes superpuestas para una posterior interpretación clínica e identificación de patrones relevantes. Conclusiones: A pesar del potencial de los algoritmos de Deep Learning para clasificar lesiones cutáneas malignas, siempre debe enfatizarse la generalización, considerando factores y características de la población objetivo, como el fototipo de piel y la distribución de enfermedades cutáneas. Los métodos de explicabilidad desempeñan un papel fundamental en la implementación del modelo, permitiendo la detección de sesgos y la interpretación de las características del mismo.

• Autores: Sánchez Zapata, Maria Juliana; Jaramillo Arboleda, Alejandra
• Tipo de recurso: https://purl.org/coar/resource_type/c_7a1f
• Fecha de publicación: 2024
• Institución: Universidad El Bosque
• Repositorio: Repositorio U. El Bosque
• Idioma: spa
• OAI Identifier: oai:repositorio.unbosque.edu.co:20.500.12495/13960
• Acceso en línea: https://hdl.handle.net/20.500.12495/13960
• Palabra clave: Inteligencia artificial; Piel de color; Cáncer de piel; Lesiones pigmentadas; Dermatoscopia; Deep learning; Artifical intelligence; Skin of color; Skin cancer; Pigmented lesions; Dermoscopy; Deep learning; WR 100
• Rights: closedAccess
• License: Acceso cerrado