FacebookXWhatsAppCopy k
En Canarias, el sol es sinónimo de vida, pero también puede ser una amenaza. El melanoma, uno de los cánceres de piel más agresivos, está creciendo con rapidez en las islas. Ante esta situación, un centro educativo del archipiélago ha desarrollado una inteligencia artificial capaz de analizar imágenes de enfermedades cutáneas, brindando un valioso apoyo al diagnóstico médico.
El melanoma es un tipo de cáncer de piel que se origina en los melanocitos, las células que producen la melanina, el pigmento que da color a la piel. Según la American Cancer Society, aunque no es el cáncer de piel más común, sí es uno de los más peligrosos, ya que puede diseminarse rápidamente a otros órganos si no se detecta a tiempo. Este tipo de cáncer suele aparecer como un lunar nuevo o un cambio en un lunar existente, en forma, color o tamaño. Algunos de los signos más habituales son bordes irregulares, colores desiguales o un crecimiento acelerado.
Imagen del Registro Poblacional de Cáncer de Canarias, Estimaciones de la Incidencia de Cáncer en Canarias, 2018.
El archipiélago canario se encuentra entre las comunidades autónomas españolas con mayor incidencia de melanoma. Las estimaciones publicadas periódicamente por el Registro Poblacional de Cáncer de Canarias ya reflejaban en 2018 una distribución especialmente preocupante de los casos en islas como Tenerife y Gran Canaria.
El clima subtropical, la exposición constante al sol durante todo el año y ciertos hábitos culturales (como la exposición sin protección solar adecuada) aumentan el riesgo entre la población. Ante esta realidad, herramientas desarrolladas con la inteligencia artificial resultan prometedoras, ya que permiten una detección temprana, algo clave para mejorar el pronóstico de los pacientes.
La Dra. Irene Araya, especialista del Departamento de Dermatología del Hospital Clínico de la Universidad de Chile, destaca en uno de sus artículos que el melanoma es una enfermedad silenciosa, lo que significa que puede desarrollarse durante meses sin mostrar signos evidentes. Por eso, la detección temprana es clave: mejora drásticamente las probabilidades de curación y reduce la necesidad de tratamientos invasivos. Ante esta necesidad social, este modelo de Inteligencia Artificial (IA) ha sido desarrollado como parte de un proyecto educativo en el IES Lomo de la Herradura, centro en Canarias con formación innovadora en inteligencia artificial y Big Data. Este modelo de IA se basa en una tecnología sólida conocida como redes neuronales profundas. En concreto, se utilizó un modelo llamado ResNet, que ha demostrado ser muy eficaz para analizar imágenes de cualquier índole. Una red neuronal es como un conjunto de pequeñas “decisiones” conectadas entre sí, que funcionan imitando un poco cómo el cerebro humano aprende. Estas conexiones permiten que la máquina reconozca patrones y tome decisiones, por ejemplo, para entender qué hay en una imagen. Para enseñar a la IA a distinguir entre melanomas y lesiones benignas, se utilizaron más de diez mil imágenes reales de casos ya diagnosticados. Así, el sistema fue «aprendiendo» poco a poco a identificar las características propias de cada tipo de lesión. Además, se utilizaron técnicas más complejas (ajuste fino). Esto significa que no se empezó a entrenar el modelo desde cero, sino que se partió de una red ya entrenada con millones de imágenes generales. Luego, se hicieron pequeños ajustes para que aprendiera a reconocer específicamente lesiones en la piel. Es como si la IA ya supiera cómo «mirar» imágenes y solo hubiera que enseñarle a fijarse en los detalles importantes para detectar melanomas. Se presentan algunas predicciones hechas a partir de imágenes reales que la inteligencia artificial nunca había visto antes, ya que no formaron parte de su entrenamiento. Esto permite evaluar su rendimiento en condiciones reales y verificar la precisión de sus resultados en situaciones nuevas.
Tabla 1. Las figuras f1, f3 y f4 son melanomas malignos correctamente identificados, y la figura f2 es un melanoma benigno también identificado correctamente. Las figuras f5, f6, f7 y f8 son melanomas malignos mal clasificados como benignos. El objetivo de este modelo desarrollado no es reemplazar al personal médico, sino actuar como un sistema de apoyo al diagnóstico. Puede analizar imágenes de lesiones en pocos segundos y proporcionar una estimación de la probabilidad de que se trate de un melanoma. Esta orientación preliminar puede servir como una segunda opinión para profesionales sanitarios, o incluso como alerta temprana para los propios pacientes. Además, esta herramienta podría ser especialmente útil en campañas de prevención o cribado, facilitando que más personas accedan a revisiones sin necesidad de desplazamientos o largas esperas. Durante las pruebas, esta inteligencia artificial logró acertar en el 91,88% de los casos al detectar melanomas. Eso significa que, de cada diez imágenes analizadas, en nueve casos el modelo acertó con su predicción. Sin embargo, como ocurre con cualquier sistema de este tipo, no es perfecta. Aunque ha tenido muchos aciertos, también ha cometido algunos errores. Por eso, es importante usar esta herramienta como una ayuda para los médicos, pero nunca como un reemplazo. El diagnóstico final siempre debe hacerlo un profesional del ámbito sanitario.. El desarrollo de este modelo es sólo un ejemplo de cómo comenzar, en el futuro, podría integrarse con aplicaciones móviles o plataformas de salud que permitan a los usuarios subir imágenes de su piel y obtener un análisis preliminar. La inteligencia artificial puede transformar la sanidad, permitiendo una detección más rápida y precisa de enfermedades a partir de herramientas tan accesibles como una simple foto desde el móvil. Apostar por la IA no es solo avanzar en tecnología, es salvar vidas. Y esto es posible en Canarias, combinando formación, innovación y salud bajo el mismo sol que hoy representa tanto un riesgo… como una oportunidad.
Autor: Jonatan Montesdeoca González . IES Lomo de la Herradura
Archivado en: Revista HipótesisEtiquetas: Artículo, Hipótesis, Universidad de La Laguna