Dermatólogos españoles evalúa la inteligencia artificial para detectar cambios en lesiones mediante fotografía corporal total en 2D y 3D

Durante años, el análisis de imágenes TBP fue un proceso manual, largo y laborioso. Los avances tecnológicos han introducido sistemas como el 3D Automated TBP, que mediante 92 cámaras y luz polarizada cruzada genera imágenes de alta resolución en segundos. Además, la integración de IA permite la comparación pixel a pixel, identificando automáticamente cambios sospechosos en las lesiones.

Los softwares actuales —como BodyScan Master y DermaGraphix— clasifican las lesiones por ubicación, tamaño y tipo de cambio (nuevas, modificadas, sin cambios) y pueden generar histogramas de pigmentación.

🧪 Objetivo y diseño 

El estudio fue observacional, prospectivo y unicéntrico, realizado entre abril y octubre de 2024. Se incluyeron 35 pacientes con alto riesgo de melanoma, quienes se sometieron el mismo día a sesiones TBP en 2D y 3D. Para evaluar la capacidad de detección, se introdujeron cambios simulados artificialmente (mimickers de melanoma) usando lápices cosméticos en distintas partes del cuerpo, incluyendo superficies curvas y pliegues.

Seis tipos de cambios inducidos:

1. Crecimiento simétrico

2. Crecimiento asimétrico

3. Hiperpigmentación focalHiperpigmentación globalCambio de color (blanco, rojo, rosado)Nueva lesión (marrón, negro, rojo, rosado, azul)

📊 Resultados

Características de los pacientes:

• Edad media: 51.9 años

• 68.6% con historia personal de melanoma68.6% tenían entre 101 y 200 nevos

Se analizaron 271 cambios en lesiones, siendo el más común una nueva lesión (54.6%), especialmente de color marrón (24.7%) y negro (14.4%). Las localizaciones más frecuentes fueron espalda (18.1%), piernas (10.3%) y brazos (10.3%).

Rendimiento diagnóstico de los sistemas:

Falsos positivos y negativos:

• El sistema 2D generó 2008 falsos positivos, frente a 751 del sistema 3D.

• Principales causas en 3D: vello corporal (47.7%), errores de reconstrucción (27.7%) y segmentación (23.4%).

• Falsos negativos: 21 en el sistema 2D vs 10 en el 3D. En 2D, se atribuyeron a complejidad anatómica (12 casos) y pliegues cutáneos (5 casos).

📌 Un hallazgo relevante fue que el sistema 3D también presentó algunos falsos negativos sin causa clara (5 casos), lo que subraya la necesidad de mejoras adicionales.

Conclusiones: la IA promete, pero aún no reemplaza al ojo clínico 🧠👁️

Las herramientas de detección de cambios basadas en IA integradas en los sistemas TBP demostraron alta sensibilidad y especificidad, en especial el sistema 3D. No obstante, tanto los falsos positivos como negativos siguen siendo una limitación. Los modelos fueron efectivos para descartar cambios, pero menos precisos al identificar verdaderos positivos.

La estrategia de usar lesiones simuladas se mostró útil para entrenar y validar modelos de IA en entornos clínicos, especialmente en pacientes con riesgo elevado de melanoma. Se recomienda continuar con estudios prospectivos más amplios para validar y perfeccionar estas tecnologías.