Desarrollo de una base de datos de imágenes y su protocolo para futuro entrenamiento de IAs especializadas en la detección de melanomas

Abstract

El artículo tuvo como objetivo desarrollar una base de datos de imágenes dermatoscópicas y un protocolo para entrenar modelos de inteligencia artificial (IA) en la detección temprana de melanomas. En colaboración con el Centro Oncológico Integral (COI), se utilizó el dataset ISIC, que contenía imágenes clasificadas según criterios médicos (ABCD). Se emplearon algoritmos avanzados como K-Means para identificar colores dominantes y calcular parámetros de las lesiones, y herramientas como SAM2 para segmentación automática y PyTorch para procesamiento eficiente. El protocolo permitió a los médicos cargar imágenes de lesiones cutáneas y obtener evaluaciones preliminares según estos criterios, complementando la consulta clínica. La validación fue realizada por un médico del COI, quien asignó calificaciones binarias a las variables para indicar la probabilidad de malignidad. Además, se utilizaron métricas como el índice de Simpson y la desviación estándar para evaluar la uniformidad de los colores, relevantes para el diagnóstico de melanomas. Este enfoque combinó tecnología avanzada y experiencia médica, mostrando un alto potencial para mejorar la detección temprana y priorización de pacientes en riesgo. Aunque el sistema estaba en una fase inicial, los resultados preliminares fueron prometedores y sugirieron que podría apoyar la formación de modelos de IA más precisos. Se recomendó seguir ampliando la base de datos, incluir imágenes de pieles más oscuras, optimizar los algoritmos y realizar estudios clínicos para evaluar su eficacia en la práctica médica.