Un sistema de ayuda al diagnóstico del cáncer de piel basado en IA explica sus decisiones
Las explicaciones aumentaron la confianza de los médicos en las decisiones de la máquina, así como en sus propios diagnósticos
La inteligencia artificial (IA) puede ayudar a los dermatólogos a detectar el cáncer de piel. Sin embargo, muchos dermatólogos desconfían de las decisiones de los algoritmos, que no pueden comprender. Científicos del Centro Alemán de Investigación Oncológica han desarrollado ahora un sistema de apoyo basado en IA para el diagnóstico del cáncer de piel que explica sus decisiones. El sistema utiliza características de diagnóstico establecidas que se refieren a zonas específicas de lesiones sospechosas. Las explicaciones aumentaron la confianza de los médicos en las decisiones de la máquina, así como en sus propios diagnósticos.
El melanoma es responsable de la mayoría de las muertes relacionadas con el cáncer de piel en todo el mundo. Sin embargo, los melanomas en fase inicial son difíciles de distinguir de otros tumores cutáneos. Los últimos avances en sistemas de apoyo al diagnóstico basados en inteligencia artificial pueden ayudar a los dermatólogos a diagnosticar melanomas y lunares con mayor precisión cuando se les muestran imágenes digitalizadas de lesiones sospechosas.
Sin embargo, los médicos quieren entender qué características determinan el resultado de un sistema de apoyo basado en inteligencia artificial. "La responsabilidad última de un diagnóstico recae en el clínico. Por eso los dermatólogos se muestran justificadamente cautelosos a la hora de utilizar sistemas basados en IA sin poder entender sus decisiones", afirma Titus Brinker, dermatólogo y científico del DKFZ. Pero los sistemas tienden a incluir todas las características correlacionadas en su toma de decisiones, incluidas las correlaciones espurias.
"Nuestro objetivo era, por tanto, desarrollar un sistema de apoyo que se adapte a la forma en que los dermatólogos ven el diagnóstico del melanoma y explique su toma de decisiones", dice Brinker. "Siguiendo trabajos anteriores, desarrollamos nuestra IA explicable (XAI = inteligencia artificial explicable) para proporcionar explicaciones similares a las de los dermatólogos, basadas en las características de zonas específicas e individuales de la lesión".
En un estudio en tres fases, el equipo de Brinker investigó los efectos sobre la precisión diagnóstica, la confianza en el diagnóstico y la confianza de los dermatólogos en el sistema explicativo. Los investigadores también querían saber qué factores fomentan la confianza de los médicos en esta técnica.
Más de cien dermatólogos de 33 países participaron en el estudio. Los médicos diagnosticaron tres veces un panel de prueba de imágenes digitalizadas de diversas lesiones: basándose únicamente en su experiencia, con el apoyo de un sistema de IA convencional y con la XAI.
Como se ha documentado en estudios anteriores, el uso de un sistema de IA aumentó la precisión diagnóstica en la detección del melanoma, pero ésta no pudo incrementarse aún más con el uso de la XAI. La confianza de los dermatólogos en sus propias decisiones también mejoró con el apoyo de la IA, y volvió a aumentar significativamente al utilizar el sistema XAI. Los médicos confiaban especialmente en su propio diagnóstico cuando sus criterios de decisión coincidían en gran medida con los criterios enumerados por la XAI.
Los resultados ilustran que la XAI puede mejorar la confianza diagnóstica de los médicos y tiene el potencial de aumentar la aceptación de los métodos de IA entre los profesionales de la medicina", explica Titus Brinker, responsable del estudio, y añade: "El Reglamento General de Protección de Datos europeo exige que todas las decisiones basadas en algoritmos sean interpretables para los usuarios. Nuestro trabajo es un primer paso importante para cerrar la brecha de interpretación."
Tirtha Chanda, Katja Hauser, Sarah Hobelsberger, Tabea-Clara Buche, Carina Nogueira Garcia, Christoph Wies, Harald Kittler, Philipp Tschandl, Cristian Navarrete-Dechent, Sebastian Podlipnik, Emmanouil Chousakos, Iva Crnaric, Jovana Majstorovic, Linda Alhajwan, Tanya Foreman, Sandra Peternel, Sergei Sarap, İrem Özdemir, Raymond L. Barnhill, Mar Llamas Velasco, Gabriela Poch, Sören Korsing, Wiebke Sondermann, Frank Friedrich Gellrich, Markus V. Heppt, Michael Erdmann, Sebastian Haferkamp, Konstantin Drexler, Matthias Goebeler, Bastian Schilling, Jochen S. Utikal, Kamran Ghoreschi, Stefan Fröhling, Eva Krieghoff-Henning, Titus J. Brinker: Dermatologist-like explainable AI enhances trust and confidence in diagnosing melanoma.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
