Introducción
El uso de la Inteligencia Artificial (IA) para el diagnóstico basado en imágenes en dermatología está aumentando rápidamente. La precisión clínica de la IA en el diagnóstico de diferentes afecciones de la piel aún está bajo evaluación. Este estudio tuvo como objetivo evaluar el rendimiento diagnóstico de una aplicación de IA en comparación con los diagnósticos clínicos confirmados por dermatólogos.
Método
Se realizó un estudio transversal en 400 pacientes con diferentes afecciones de la piel, incluyendo acné, alopecia, eczema, trastornos pigmentarios, psoriasis, trastornos inmunológicos, tumores, infecciones e infestaciones. El estudio analizó predicciones basadas en IA utilizando la aplicación Tibot AI, comparándolas con diagnósticos de dermatólogos’.
Resultados
La aplicación de IA demostró una alta precisión diagnóstica para ciertas afecciones dermatológicas como trastornos anexiales (AUC 0,93–0,98), trastornos pigmentarios (AUC 0,88–0,94) y tumores cutáneos (AUC 0,87–0,95). La sensibilidad para los trastornos anexiales fue del 88,9% (el primero) y del 94,4% (los tres primeros), y para los trastornos pigmentarios, fue del 75,8% y del 87,9% para las predicciones del primero y del tercero, respectivamente. Sin embargo, el rendimiento de la IA fue menor para los trastornos inmunológicos (31,3% de sensibilidad) y las infestaciones cutáneas (22,2%). La precisión general mejoró en todas las condiciones al considerar las tres predicciones principales.
Discusión
La aplicación de Tibot AI demostró una alta precisión diagnóstica para afecciones con características morfológicas distintas, como trastornos anexiales, pigmentarios y tumores cutáneos. Mostró una menor sensibilidad a los trastornos inmunológicos y las infestaciones, lo que indica la necesidad de un mayor entrenamiento de IA con conjuntos de datos más diversos.
Conclusión
La precisión diagnóstica basada en IA mejoró significativamente al considerar los tres diagnósticos principales, lo que indica su valor como herramienta de diagnóstico diferencial. Mostró una precisión prometedora en trastornos anexiales, pigmentarios y tumores cutáneos. Sin embargo, es menos robusto para enfermedades e infecciones inmunológicas de la piel, lo que pone de relieve la necesidad de perfeccionarlo aún más.
Palabras clave: Inteligencia Artificial, Aprendizaje profundo, Aprendizaje automático, Dermatología, Trastornos anexiales, Trastornos pigmentarios.
Aviso de derechos y atribución:
Parte del contenido publicado en este blog proviene de artículos científicos de acceso abierto distribuidos bajo licencias Creative Commons. Los derechos de autor pertenecen a los autores originales y a las revistas donde se publicaron originalmente.
Este blog no modifica ni comercializa dicho contenido y se limita a compartirlo con fines informativos y educativos, respetando los términos de la licencia correspondiente (por ejemplo, CC BY 4.0 o CC BY-NC 4.0).
Para más información sobre los derechos de cada obra, consulta el enlace original de cada artículo.
Lo establecido en este artículo no sustituye la opinión de un profesional de la salud, para cualquier duda, consulte a su médico
https://opendermatologyjournal.com/VOLUME/19/ELOCATOR/e18743722410124
DESCARGAR EL ARTICULO ORIGINAL
Publicidad:
Valido del 1 al 31 de octubre del 2025