La inteligencia artificial (IA) ha irrumpido en diversas ramas de la medicina, y la dermatología no es la excepción. Esta tecnología puede aplicarse en la detección de enfermedades de la piel, lo que ayudaría a los dermatólogos no solo a predecir tratamientos y personalizar planes para cada paciente, sino también a mejorar la precisión y rapidez de los diagnósticos. El cuidado de la piel es crucial no solo desde el punto de vista estético, sino también como una medida de protección y prevención contra condiciones que, si no se tratan a tiempo, pueden llegar a ser muy peligrosas para la salud.
Sin embargo, los costos de las consultas dermatológicas siguen siendo elevados, lo que impide que muchas personas, especialmente aquellas en entornos marginados, tengan acceso a un diagnóstico o tratamiento adecuado. Además, los tratamientos dermatológicos suelen ser costosos y necesitan ser personalizados, requieren técnicas especializadas y herramientas clínicas avanzadas. En este contexto, la integración de la IA en la dermatología se presenta como una alternativa prometedora para pacientes y profesionales de la salud. Dos de las herramientas que se encuentran en desarrollo son DermAI y Skin-GPT4, dos softwares innovadores que pueden eliminar varias barreras en cuanto al diagnóstico de enfermedades dermatológicas.
DermAI
DermAI (Asistente de IA de Dermatología) es la propuesta de un chatbot avanzado que apoya a los profesionales de la salud en la interpretación y segmentación de imágenes dermatológicas. Ésta herramienta es capaz de detectar lesiones en la piel, como manchas, lunares o crecimientos, y su objetivo principal es agilizar la detección de condiciones cutáneas. DermAI puede interpretar las imágenes obtenidas, ayudar a los dermatólogos a obtener resultados más rápidos, reducir el margen de error y de manera general eficientar el proceso de diagnóstico de una anomalía en la piel. El software combina una IA conversacional altamente interactiva con la segmentación de lesiones de la piel, lo que le permite detectar condiciones dermatológicas de manera más eficiente que un ser humano. Aunque aún no supera el diagnóstico humano, su fortaleza radica en su capacidad para analizar información ambigua y ofrecer resultados rápidos.
Gracias a una Red Neuronal Convolucional (CNN), DermAI puede extraer características de las imágenes, como patrones y formas, lo que permite clasificar las imágenes y obtener diagnósticos más certeros y eficaces que los realizados por un dermatólogo. Esta herramienta también mejora la calidad de las imágenes, reduciendo el ruido y mejorando su claridad para un análisis posterior.
SkinGPT-4
SkinGPT-4 es un modelo interactivo de diagnóstico desarrollado por OpenAI, la misma compañía detrás de ChatGPT. Este modelo de lenguaje de gran tamaño (LLM) ha sido entrenado con una vasta cantidad de imágenes de enfermedades de la piel y datos médicos, lo que le permite ofrecer diagnósticos y recomendaciones precisas para cada paciente en específico. Este método en el cual el sistema se alimenta de un sinfín de imágenes, permite que el software sea capaz de evaluar, analizar y diagnosticar condiciones dermatológicas de una manera mucho más eficiente y exacta.
Esta herramienta está disponible 24/7 y responde en cuestión de segundos, lo que representa una mejora significativa en el acceso a la información y proporciona atención inmediata para los pacientes que lo necesiten. Su utilidad no solo beneficia a los pacientes, sino también a los dermatólogos, ya que actúa como una herramienta de apoyo hacia ellos tanto para el diagnóstico como para el tratamiento. Al igual que DermAI, es un software altamente interactivo, capaz de proporcionar explicaciones detalladas y recomendaciones personalizadas.
Conclusion
Ambas herramientas, DermAI y SkinGPT-4, representan un avance significativo en el campo de la dermatología, ofreciendo diagnósticos más certeros, ahorro de costos, tratamientos optimizados y democratización del acceso a la atención médica. No obstante, es esencial que estas tecnologías continúen siendo perfeccionadas y monitoreadas para reducir aún más sus márgenes de error y asegurar una implementación efectiva en la práctica clínica.
Es crucial tener en cuenta las variables que pueden afectar el desempeño de estas herramientas, como la gravedad de las anomalías dermatológicas a estudiar o la calidad de las imágenes proporcionadas. A pesar de los desafíos que puedan surgir, estas aplicaciones y las futuras innovaciones que se desarrollen brindan esperanza para el diagnóstico y tratamiento de enfermedades dermatológicas, además de mejorar el acceso a la información y a consultas que los pacientes en situaciones complicadas puedan tener.
REFERENCIAS
Zhou, J., He, X., Sun, L., Xu, J., Chen, X., Chu, Y., … & Gao, X. (2024). Pre-trained multimodal large language model enhances dermatological diagnosis using SkinGPT-4. Nature Communications, 15(1), 5649.
Huynh, V. T., Nguyen, T. T., Dao, T. T. P., Nguyen, T. V., & Tran, M. T. (2024). DermAI: A Chatbot Assistant for Skin lesion Diagnosis Using Vision and Large Language Models. In Proceedings of the Asian Conference on Computer Vision (pp. 287-301).
Sanga, P., Singh, J., Dubey, A. K., Khanna, N. N., Laird, J. R., Faa, G., … & Suri, J. S. (2023). DermAI 1.0: A robust, generalized, and novel attention-enabled ensemble-based transfer learning paradigm for multiclass classification of skin lesion images. Diagnostics, 13(19), 3159.
