[ad_1]
Los médicos no son tan buenos diagnosticando enfermedades de la piel basándose únicamente en imágenes de la piel de un paciente cuando este tiene la piel más oscura, según un nuevo estudio realizado por investigadores del MIT.
El estudio, en el que participaron más de 1.000 dermatólogos y médicos generales, encontró que los dermatólogos caracterizaron con precisión alrededor del 38 por ciento de las imágenes que vieron, pero sólo el 34 por ciento de las imágenes que mostraban piel más oscura. Los médicos generales, que fueron menos precisos en general, mostraron una disminución similar en la precisión con la piel más oscura.
El equipo de investigación también descubrió que la asistencia de un algoritmo de inteligencia artificial podría mejorar la precisión de los médicos, aunque estas mejoras fueron mayores en el diagnóstico de pacientes con piel más clara.
Si bien este es el primer estudio que muestra diferencias en el diagnóstico médico relacionado con el tono de la piel, otros estudios han encontrado que las imágenes utilizadas en los libros de texto y materiales de capacitación de dermatología muestran predominantemente tonos de piel más claros. Esto podría ser un factor que contribuye a la discrepancia, afirma el equipo del MIT, junto con la posibilidad de que algunos médicos tengan menos experiencia en el tratamiento de pacientes con piel más oscura.
«Probablemente no sea la intención de ningún médico empeorar a ningún tipo de persona, pero puede deberse a que no se tiene todo el conocimiento y la experiencia, por lo que es posible que le vaya peor en ciertos grupos de personas», dice Matt Groh PhD. 23, profesor asistente en la Escuela de Administración Kellogg de la Universidad Northwestern. «Esta es una de esas situaciones en las que se necesita evidencia empírica para determinar cómo se deben cambiar las políticas de formación en dermatología».
Groh es el autor principal del estudio, que aparece hoy en Medicina natural. Rosalind Picard, profesora de artes y ciencias de los medios en el MIT, es la autora principal del artículo.
Discrepancias diagnósticas
Hace unos años, un estudio del MIT dirigido por Joy Buolamwini PhD ’22 encontró que los programas de análisis facial tenían tasas de error mucho más altas al predecir el género de las personas de piel oscura. Este hallazgo inspiró a Groh, que estudia la colaboración entre humanos e IA, a investigar si los modelos de IA, y quizás los propios médicos, podrían tener dificultades para diagnosticar enfermedades de la piel en tonos de piel más oscuros, y si estas capacidades de diagnóstico podrían mejorarse.
«Esta parecía una gran oportunidad para descubrir si existe un problema social y cómo podríamos solucionarlo, y también descubrir la mejor manera de integrar el apoyo de la IA en la toma de decisiones médicas», dice Groh. “Estoy muy interesado en cómo podemos aplicar el aprendizaje automático a problemas del mundo real, en particular cómo podemos ayudar a los expertos a hacer mejor su trabajo. La medicina es un campo donde las personas toman decisiones realmente importantes y si pudiéramos mejorar su toma de decisiones, podríamos mejorar los resultados de los pacientes”.
Para evaluar la precisión del diagnóstico de los médicos, los investigadores compilaron una serie de 364 imágenes de libros de texto de dermatología y otras fuentes que representan 46 enfermedades de la piel en una amplia gama de tonos de piel.
La mayoría de estas imágenes mostraban una de las ocho enfermedades inflamatorias de la piel, incluida la dermatitis atópica, la enfermedad de Lyme y la sífilis secundaria, así como una forma rara de cáncer, el linfoma cutáneo de células T (CTCL), que puede parecerse a una enfermedad inflamatoria de la piel. Muchas de estas enfermedades, incluida la enfermedad de Lyme, pueden aparecer de manera diferente en pieles oscuras y claras.
El equipo de investigación reclutó sujetos para el estudio a través de Sermo, un sitio de redes sociales para médicos. Todo el grupo de estudio incluyó a 389 dermatólogos certificados, 116 residentes de dermatología, 459 médicos generales y 154 otros tipos de médicos.
A cada participante del estudio se le mostraron 10 de las imágenes y se le preguntó sus tres predicciones principales sobre qué enfermedad podría representar cada imagen. También se les preguntó si derivarían al paciente para una biopsia. Además, se preguntó a los médicos generales si derivarían al paciente a un dermatólogo.
«Esto no es tan completo como el triaje en persona, donde el médico puede examinar la piel desde diferentes ángulos y controlar la iluminación», dice Picard. «Sin embargo, las imágenes de la piel son más escalables para la clasificación en línea y pueden ingresarse fácilmente en un algoritmo de aprendizaje automático que puede estimar rápidamente los diagnósticos probables».
Como era de esperar, los investigadores encontraron que los especialistas en dermatología tenían tasas de precisión más altas: clasificaron correctamente el 38 por ciento de las imágenes, en comparación con el 19 por ciento de los médicos generales.
Ambos grupos perdieron alrededor de cuatro puntos porcentuales de precisión al intentar diagnosticar afecciones de la piel a partir de imágenes de piel más oscura, una disminución estadísticamente significativa. Los dermatólogos también eran menos propensos a derivar tipos de piel CTCL más oscuros para una biopsia, pero eran más propensos a derivarlos para una biopsia por enfermedades cutáneas benignas.
“Este estudio muestra claramente que existen diferencias en el diagnóstico de enfermedades de la piel en personas de piel oscura. Esta desigualdad no es sorprendente; Sin embargo, nunca había visto esto demostrado de manera tan convincente en la literatura. Se deben realizar más investigaciones para determinar con mayor precisión qué factores causales y atenuantes pueden estar causando esta disparidad, dice Jenna Lester, profesora asociada de dermatología y directora del Programa Piel de Color de la Universidad de California en San Francisco. que no participó en el estudio.
Un impulso de la IA
Después de que los investigadores evaluaron ellos mismos el desempeño de los médicos, también les dieron imágenes adicionales para analizar utilizando un algoritmo de inteligencia artificial desarrollado por los investigadores. Los investigadores entrenaron este algoritmo en alrededor de 30.000 imágenes y le pidieron que las clasificara como una de las ocho enfermedades que representaban la mayoría de las imágenes, más una novena categoría de «otras».
Este algoritmo tenía una tasa de precisión de alrededor del 47 por ciento. Los investigadores también desarrollaron otra versión del algoritmo con una tasa de éxito artificialmente inflada del 84 por ciento. Esto les permitió evaluar si la precisión del modelo influiría en la probabilidad de que los médicos siguieran sus recomendaciones.
«Esto nos permite evaluar el soporte de IA con modelos que actualmente son los mejores que podemos hacer y con soporte de IA que podría ser más preciso en quizás cinco años con mejores datos y modelos», dice Groh.
Ambos clasificadores son igualmente precisos en pieles claras y oscuras. Los investigadores descubrieron que el uso de uno de estos algoritmos de IA mejoraba la precisión tanto para los dermatólogos (hasta un 60 por ciento) como para los médicos generales (hasta un 47 por ciento).
También descubrieron que los médicos eran más propensos a aceptar sugerencias del algoritmo con mayor precisión después de que produjera algunas respuestas correctas, pero rara vez consideraban sugerencias incorrectas de la IA. Esto sugiere que los médicos son muy buenos descartando enfermedades y no aceptarán sugerencias de IA para una enfermedad que ya han descartado, dice Groh.
“Son bastante buenos para no seguir los consejos de la IA cuando la IA está equivocada y los médicos tienen razón. Eso es algo que deberías saber”, dice.
Mientras que los dermatólogos que utilizaron la asistencia de IA mostraron un aumento similar en la precisión al ver imágenes de piel clara u oscura, los médicos generales mostraron una mayor mejora al ver imágenes de piel más clara que las de piel más oscura.
«Este estudio nos permite ver no sólo el impacto del apoyo de la IA, sino también cómo afecta a todos los niveles de habilidad», dice Groh. «Lo que puede estar pasando ahí es que los médicos de atención primaria no tienen tanta experiencia y por eso no saben si descartar una enfermedad o no porque no profundizan tanto en los detalles de las diferentes pieles. Las enfermedades se ven en diferentes tonos de piel.»
Los investigadores esperan que sus hallazgos ayuden a alentar a las facultades de medicina y a los libros de texto a brindar más capacitación a los pacientes con piel más oscura. Los resultados también podrían servir como guía para el uso de programas de apoyo a la IA para dermatología que muchas empresas están desarrollando actualmente.
La investigación fue financiada por el MIT Media Lab Consortium y el Harold Horowitz Student Research Fund.
[ad_2]