Investigadores de la US desarrollan un sistema de inteligencia artificial para detectar lesiones en la piel

SEVILLA 13 Jul. (EUROPA PRESS) -

Un equipo de investigación de la Universidad de Sevilla (US) ha desarrollado un clasificador basado en inteligencia artificial (IA) para detectar lesiones en la piel, como el melanoma, entre otras.

El sistema, según la información difundida este sábado en una nota por la Fundación Descubre, dependiente de la Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía, posee una precisión del 99% y 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. De este modo, se convierte en una herramienta "complementaria, rápida, intuitiva y precisa para detectar enfermedades dermatológicas en el ámbito clínico". según valoran desde la Fundación Descubre.

Tal y como explican en su trabajo 'Classification of skin blemishes with cell phone images using deep learning techniques', publicado en Heliyon, los expertos utilizaron un enfoque basado en 'machine learning', esto es, 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. Esto permite la predicción y análisis de "grandes volúmenes de información con alta precisión".

Para desarrollar este sistema, los expertos 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, como 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.

HERRAMIENTA DE ANÁLISIS PREVIO

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.

"Las imágenes digitales están formadas por patrones matemáticos. 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", ha explicado a la Fundación Descubre José Antonio Rangel, autor del artículo.

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. De esta manera, 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, y que además posee una precisión del 99%.

"Aunque hemos corroborado su precisión para la clasificación de estas siete anomalías y enfermedades cutáneas, no sustituye el criterio de un profesional médico, que debería validar el resultado propuesto por la herramienta", advierte el investigador de la Universidad de Sevilla, Manuel Jesús Domínguez.

Desde la Fundación Descubre destacan que el desarrollo de una aplicación con esta tecnología permitirá su uso en múltiples escenarios clínicos, ofreciendo una solución accesible tanto para dermatólogos como para pacientes. En las consultas médicas serviría para realizar un primer análisis rápido de las lesiones cutáneas. "Los proponemos como una herramienta ágil y útil en el proceso de diagnóstico y de atención al paciente", comenta Rangel.

Este trabajo ha sido financiado por la Agencia Estatal de Investigación y el Ministerio de Ciencia e Innovación en el marco del proyecto 'Mindrob'.