IA en dermatología: precisión y limitaciones

Si hay una especialidad médica que ha mostrado empeño en explorar la inteligencia artificial, esta ha sido la dermatología, que desde muy temprano intuyó en la IA una aliada para el diagnóstico clínico. La abundancia de imágenes dermatológicas y la relevancia visual de las lesiones cutáneas han impulsado el desarrollo de modelos de deep learning (aprendizaje profundo) capaces de identificar patologías con gran precisión.

En los últimos años se ha aplicado a múltiples trastornos de la piel y de los tejidos superficiales, incluyendo patologías neoplásicas, inflamatorias, autoinmunes o degenerativas, en las que el diagnóstico temprano es clave. Cada vez surgen más herramientas emergentes basadas en IA, que deben integrarse con las técnicas tradicionales y requieren una estrecha colaboración entre profesionales con perfiles diversos¹. Sin duda, estos avances han abierto escenarios inimaginables hace solo unos años.

Modelos de IA para detección de melanoma

Dentro de la dermatología, los algoritmos se han aplicado especialmente para evaluar y procesar imágenes en el diagnóstico del melanoma. Una revisión reciente de 51 artículos sobre el tema concluía que “el desempeño de la inteligencia artificial en el melanoma es satisfactorio y el futuro de sus aplicaciones potenciales es enorme”².

Desde hace años se realizan estudios comparativos IA vs. dermatólogo con impacto en la comunidad científica. Uno de los más amplios³, con 157 especialistas frente a un modelo de deep learning en diagnóstico cutáneo, arrojaba en 2019 resultados similares en detección de melanoma al analizar imágenes aisladas. Pero los humanos mostraron mayor precisión al incorporar variables clínicas como antecedentes personales, localización anatómica o evolución temporal de la lesión.

Desde entonces, las herramientas artificiales van afinando en exactitud. Un ejemplo más reciente de práctica real es el uso de un software para el cribado de lesiones malignas con IA, que evaluó más de 22.000 pacientes en Reino Unido. Presentado en el Congreso Europeo de Dermatología y Venereología de 2023⁴, el sistema alcanzó una tasa de detección del 100 % para el melanoma y del 99,5 % para todos los cánceres de piel, lo que permitía ahorrar más de 1.000 consultas presenciales. El equipo investigador enfatizaba la idea de que “la IA no debe usarse como una herramienta independiente en la detección del cáncer de piel” y subrayaba: “No es un sustituto de los dermatólogos consultores".

La literatura más reciente sobre inteligencia artificial en enfermedades de la piel insiste en constatar los logros al tiempo que mantiene la cautela. Una revisión de la evidencia sobre IA en la detección del cáncer de piel⁵ concluye que las aplicaciones clasifican imágenes clínicas o dermatoscópicas con gran precisión y, aunque pueden operar de forma autónoma, obtienen los mejores resultados bajo supervisión del especialista. La misma publicación advierte que la mayoría de las investigaciones se centran en evaluar el desempeño de la IA en entornos artificiales y no en situaciones reales, por lo que “la utilidad práctica del diagnóstico dermatológico asistido por IA en un entorno clínico aún se desconoce en gran medida”.

Referencias:

1. Ricci, C. Advances in Diagnosis of Skin and Superficial Tissue Disorders—“Old and Emerging” Diagnostic Tools. Diagnostics 2024, 14, 2414. https://doi.org/10.3390/diagnostics14212414

2. Zhang S, Wang Y, Zheng Q, Li J, Huang J, Long X. Artificial intelligence in melanoma: A systematic review. J Cosmet Dermatol. 2022 Nov;21(11):5993-6004. doi: 10.1111/jocd.15323. Epub 2022 Sep 20. PMID: 36001057.

3. Brinker TJ, Hekler A, Enk AH, et al. Deep learning outperformed 136 of 157 dermatologists in a head-to-head dermoscopic melanoma image classification task. European Journal of Cancer, Volume 113, 47 - 54. 2019. Disponible en: https://doi.org/10.1016/j.ejca.2019.04.001

4. European Dermatology-Venereology Society. New AI software achieves 100% detection rate for melanoma. Presentado en: European Academy of Dermatology and Venereology (EADV) Congress; 2023 Oct 11. Disponible en: [https://www.news-medical.net/news/20231011/New-AI-software-achieves-10025-detection-rate-for-melanoma.aspx]

5. Brancaccio G, Balato A, Malvehy J, Puig S, Argenziano G, Kittler H. Artificial Intelligence in Skin Cancer Diagnosis: A Reality Check. J Invest Dermatol. 2024 Mar;144(3):492-499. doi: 10.1016/j.jid.2023.10.004. Epub 2023 Nov 18. PMID: 37978982.

ES-38025 Agosto 2025