Javascript must be enabled to continue!
Aplicación de inteligencia artificial como herramienta para la optimización en el diagnóstico de melanoma
View through CrossRef
INTRODUCCIÓN: El melanoma, un cáncer de piel con creciente incidencia global, es prevalente en regiones con poblaciones de piel clara. Su capacidad para metastatizar y la alta tasa de mortalidad resaltan la necesidad de una detección temprana, para una intervención efectiva y potencial reducción de riesgo de metástasis.
Estrategias como autoexámenes y revisiones dermatológicas son esenciales. La inteligencia artificial (IA) ha emergido como una herramienta con mayor precisión y rapidez en el análisis de imágenes cutáneas.
OBJETIVOS: 1. Lograr la optimización en el diagnóstico precoz de melanoma a través de la IA como herramienta colaborativa en dermatoscopia. 2. Determinar la exactitud diagnóstica de la Inteligencia Artificial como herramienta en dermatoscopia vs el diagnóstico del ojo humano a través de un dermatólogo especializado.
MATERIAL Y METODOS: Se trata de un estudio prospectivo, de cohorte de tipo transversal.
Desde Avedian desarrollamos un modelo de deep learning para la detección de melanoma.
Entrenamos el modelo con 12.000 imágenes (tamaño muestral n: 12.000 imágenes; tamaño muestral necesario según cálculo de Machin es de 526 imágenes) obtenidas de base de datos obtenidas de la international skin imagine collaboration, e hicimos un estudio comparativo de clasificación de imágenes de melanomas y lunares sanos.
Por otro lado, les otorgamos 40 imágenes a 2 dermatólogos especializados en la detección de nevus y melanomas, a los que les pedimos que clasifiquen estas imágenes según su experiencia y criterio clínico, en forma binaria.
RESULTADOS: El estudio comparativo mostró una precisión global del modelo de deep learning por IA, del 82.5%, con 85% para nevos y 80% para melanomas, en comparación con el sistema clasificatorio binario de los médicos dermatólogos, (61%), con una sensibilidad del 85% y especificidad del 82%, nivel de confianza del 95%.
CONCLUSIÓN: La integración de la IA en la detección precoz promete avances significativos en el diagnóstico y tratamiento del melanoma y permite optimizar las herramientas de diagnóstico precoz
Title: Aplicación de inteligencia artificial como herramienta para la optimización en el diagnóstico de melanoma
Description:
INTRODUCCIÓN: El melanoma, un cáncer de piel con creciente incidencia global, es prevalente en regiones con poblaciones de piel clara.
Su capacidad para metastatizar y la alta tasa de mortalidad resaltan la necesidad de una detección temprana, para una intervención efectiva y potencial reducción de riesgo de metástasis.
Estrategias como autoexámenes y revisiones dermatológicas son esenciales.
La inteligencia artificial (IA) ha emergido como una herramienta con mayor precisión y rapidez en el análisis de imágenes cutáneas.
OBJETIVOS: 1.
Lograr la optimización en el diagnóstico precoz de melanoma a través de la IA como herramienta colaborativa en dermatoscopia.
2.
Determinar la exactitud diagnóstica de la Inteligencia Artificial como herramienta en dermatoscopia vs el diagnóstico del ojo humano a través de un dermatólogo especializado.
MATERIAL Y METODOS: Se trata de un estudio prospectivo, de cohorte de tipo transversal.
Desde Avedian desarrollamos un modelo de deep learning para la detección de melanoma.
Entrenamos el modelo con 12.
000 imágenes (tamaño muestral n: 12.
000 imágenes; tamaño muestral necesario según cálculo de Machin es de 526 imágenes) obtenidas de base de datos obtenidas de la international skin imagine collaboration, e hicimos un estudio comparativo de clasificación de imágenes de melanomas y lunares sanos.
Por otro lado, les otorgamos 40 imágenes a 2 dermatólogos especializados en la detección de nevus y melanomas, a los que les pedimos que clasifiquen estas imágenes según su experiencia y criterio clínico, en forma binaria.
RESULTADOS: El estudio comparativo mostró una precisión global del modelo de deep learning por IA, del 82.
5%, con 85% para nevos y 80% para melanomas, en comparación con el sistema clasificatorio binario de los médicos dermatólogos, (61%), con una sensibilidad del 85% y especificidad del 82%, nivel de confianza del 95%.
CONCLUSIÓN: La integración de la IA en la detección precoz promete avances significativos en el diagnóstico y tratamiento del melanoma y permite optimizar las herramientas de diagnóstico precoz.
Related Results
PREVENÇÃO DA TROMBOSE VENOSA PROFUNDA NA GRAVIDEZ PELA ENFERMAGEM NA APS
PREVENÇÃO DA TROMBOSE VENOSA PROFUNDA NA GRAVIDEZ PELA ENFERMAGEM NA APS
PREVENÇÃO DA TROMBOSE VENOSA PROFUNDA NA GRAVIDEZ PELA ENFERMAGEM NA APS
Danilo Hudson Vieira de Souza1
Priscilla Bárbara Campos
Daniel dos Santos Fernandes
RESUMO
A gravidez ...
Homenaje a Edgar Morin
Homenaje a Edgar Morin
La presentación del número 14/4 de nuestra Revista Boletín Redipe consta de 2 apartes: Palabras del pedagogo español Doctor José Manuel Touriñán durante la jornada de ceremonia en ...
Memorias de la Jornada de Investigación en Derecho y Ciencias Forenses
Memorias de la Jornada de Investigación en Derecho y Ciencias Forenses
Aplicación de la licencia de luto, según la Ley 1280 de 2009 en el Ordenamiento Jurídico Colombiano de Cara a las Relaciones Individuales de Trabajo
Luisa Fernanda Tr...
Visibilizando invisíveis: caracterização de acamados e cuidadores adscritos à uma Unidade Básica de Saúde
Visibilizando invisíveis: caracterização de acamados e cuidadores adscritos à uma Unidade Básica de Saúde
Objetivo: identificar e caracterizar o perfil de usuários acamados que vivem em domicílio na comunidade e a sobrecarga de cuidadores. Método: Estudo observacional transversal. Apli...
OS SERVIDORES PÚBLICOS MUNICIPAIS
OS SERVIDORES PÚBLICOS MUNICIPAIS
I. Organização do funcionalismo municipal1. A Autonomia dos Municípios e a organização de seu funcionalismo — A Constituição Federal assegura, aos Municípios, a autonomia de autogo...
Abstract LB163: Germline pathogenic variants in melanoma patients
Abstract LB163: Germline pathogenic variants in melanoma patients
Abstract
Background: The etiology of melanoma has generally been thought to be exposure to UV radiation (sun and sun tanning lamps). However, the percent of melanoma...
The Risk of Subsequent Invasive Melanoma after a Primary in Situ or Invasive Melanoma in a High Incidence Country (New Zealand)
The Risk of Subsequent Invasive Melanoma after a Primary in Situ or Invasive Melanoma in a High Incidence Country (New Zealand)
Abstract
Background
Patients with invasive melanoma are at increased risk of developing subsequent invasive melanoma, but the ri...
Gamificação e inteligência artificial em favor da promoção da saúde: relato de experiência
Gamificação e inteligência artificial em favor da promoção da saúde: relato de experiência
A pandemia de Covid-19 acelerou o uso de tecnologias e inteligência artificial em diversos setores, incluindo a educação em saúde. Nesse contexto, as atividades de promoção da saúd...

