Cómo funciona la herramienta con IA que podría ser clave para detectar cáncer de piel
Especialistas de Mayo Clinic evaluaron un algoritmo capaz de orientar decisiones médicas sobre vigilancia periódica o intervenciones quirúrgicas en manchas dudosas. El sistema examina minuciosamente bordes y asimetrías en los tejidos sospechosos.
Por Agustina Herrería
La detección temprana de las lesiones cutáneas malignas plantea a diario una encrucijada crítica en los consultorios: distinguir qué manchas requieren una extracción quirúrgica inmediata y cuáles pueden vigilarse sin someter al paciente a procedimientos invasivos.
Frente a esta disyuntiva, investigadores de Mayo Clinic, en la ciudad de Rochester, validaron una herramienta de inteligencia artificial diseñada para definir cuándo realizar biopsias o monitorear alteraciones sospechosas. El hallazgo aporta por primera vez una pauta estandarizada que transforma un cálculo informático en una guía aplicable directamente en la consulta médica.
Durante décadas, los especialistas han enfrentado la dificultad de discernir a simple vista entre formaciones benignas y tumores agresivos en etapas tempranas, una incertidumbre que con frecuencia deriva en intervenciones innecesarias o en demoras diagnósticas riesgosas.
Los profesionales de la salud dependían de su experiencia visual ante el dermatoscopio, un instrumento de iluminación y aumento óptico que evidencia estructuras subsuperficiales invisibles al ojo humano, sin contar con un parámetro cuantitativo uniforme que respaldara el dictamen médico frente a casos limítrofes.
Para resolver ese vacío operativo, un estudio publicado en la revista Mayo Clinic Proceedings demostró la utilidad de un modelo informático que asigna un valor predictivo a cada tejido examinado. El dispositivo, denominado Inteligencia Explicable en Dermatoscopía, conocido como DEXI por su denominación médica, procesa capturas digitales para graduar la amenaza oncológica.
Este avance suministra un sustento numérico transparente que permite contrastar las sospechas clínicas con variables biofísicas medibles, aportando claridad objetiva al criterio del facultativo.
El funcionamiento de DEXI radica en la asignación de una puntuación de cero a diez unidades a cada anomalía, calculada a partir de patrones morfológicos asociados al desarrollo tumoral. El sistema desglosa parámetros esenciales como la asimetría del contorno, la irregularidad en los bordes y la heterogeneidad cromática.
Al tratarse de un algoritmo cimentado en la explicabilidad, la interfaz detalla cuáles características anatómicas determinaron el puntaje final, lo que permite al dermatólogo auditar visualmente los motivos de la alerta técnica frente al paciente.
La investigación retrospectiva examinó 261 lesiones en 178 pacientes evaluados entre mayo de dos mil veintitrés y agosto de dos mil veinticuatro, contrastando los índices informáticos con diagnósticos confirmados por análisis histopatológico, es decir, el examen microscópico de los tejidos extirpados.
En estas muestras, las formaciones no cancerosas promediaron 2,5 unidades, mientras que las variantes de cáncer cutáneo no melanoma alcanzaron 7,8 puntos y los melanomas marcaron 6,0 unidades. A partir de esa diferencia, los autores fijaron la línea divisoria en 3,0 puntos, un límite que identificó con éxito el 93,4% de las lesiones malignas y el 75% de las benignas, según informó la institución médica.
La validación de ese umbral resolvió el dilema clínico de los especialistas. “Antes del estudio, revisaba el puntaje DEXI de un paciente, pero no sabía con exactitud qué hacer con el número”, admitió Jenny Link, dermatóloga en Mayo Clinic y autora principal del trabajo, según el comunicado de prensa.
Con este corte operativo, la experta remarcó el impacto en la rutina asistencial: “Ahora puedo utilizar el puntaje con confianza como un dato adicional para fundamentar mi criterio clínico sobre si recomiendo una biopsia o un control”, afirmó la investigadora, quien añadió que el valor de 3,0 puntos brinda certidumbre al definir si corresponde extirpar o vigilar.
La base operativa del programa computacional descansa en el aprendizaje profundo, una rama avanzada de inteligencia artificial fundamentada en redes neuronales complejas. Según detallan los investigadores en el estudio y en el comunicado institucional, el modelo fue entrenado con más de 66.000 imágenes dermatoscópicas anotadas antes de su evaluación clínica.
Los pacientes del estudio habían sido sometidos a fotografía corporal total y dermatoscopía digital secuencial. Tras contrastar los desenlaces clínicos, el trabajo concluye que “el puntaje DEXI fue en general eficaz para diferenciar la enfermedad benigna de la maligna”, ratificando la consistencia de la herramienta en la discriminación de patologías dérmicas.
