Históricamente las investigaciones y los ensayos clínicos apenas han contado con población de muestra de diversidad de género y de etnia. Frecuentemente los estudios, incluso aquellos que han llevado a la aprobación de medicamentos por parte de las agencias reguladoras contaban con poca representación de asiáticos, hispanos o negros. Y esto influye en los profesionales.
Según un estudio publicado en la revista ‘Nature Medicine’, los dermatólogos y los médicos de familia caracterizaron con precisión alrededor del 38% de las imágenes que vieron, pero sólo el 34% de las que mostraban una piel más oscura. Una falta de precisión que responde a la escasez de imágenes, textos y pruebas que incluyan a estos pacientes ¿Podría solucionarlo un algoritmo?
Las mejoras de diagnóstico con el algoritmo de inteligencia artificial "fueron mayores con pacientes con piel más clara”
Lo cierto es que la inteligencia artificial no siempre ha sido eficaz con las diferentes raciales. Hace un par de años un estudio publicado en The Lancet Digital Health señaló que los sistemas de IA que se están desarrollando para diagnosticar el cáncer de piel corren el riesgo de ser menos precisos para las personas con piel oscura.
Para corregir este fallo señalaban la importancia de “entrenar” a la tecnología con la muestra de datos e imágenes de una gran cantidad de pacientes en los que ya se ha establecido el diagnóstico, en el que se recogieran datos sobre cánceres de piel y lesiones culturales con diversidad étnica.
La realidad es que unos investigadores del Instituto de Tecnología de Massachusetts (MIT) han conseguido desarrollar un algoritmo de inteligencia artificial que podría mejorar la precisión de los médicos. Sin embargo, “esas mejoras fueron mayores al diagnosticar a pacientes con piel más clara”, reconocen los autores del ensayo.
PROBLEMAS DIAGNÓSTICOS
El estudio ya citado publicado en la revista ‘Nature Medicine’ reflejó con casi mil dermatólogos y médicos de Atención Primaria de 39 países en una simulación de teledermatología con 364 imágenes que la precisión se reducía según el tipo de piel. Los primeros lograron un 38% de precisión general, los segundos un 19%, ambos con una precisión de cuatro puntos porcentuales menor en piel oscura.
Mejoró la precisión diagnóstica hasta un 60% en dermatólogos y un 47% en médicos de Familia
A cada uno de los participantes del estudio se le mostraron diez de las imágenes y se les 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.
Posteriormente se utilizó la IA. El algoritmo había sido entrenado con 30.000 imágenes y tenía una precisión de un 47%, con una misma precisión en pieles claras y oscuras. El apoyo del aprendizaje profundo “mejoró la precisión diagnóstica tanto de los especialistas como de los generalistas en más de un 33 %”. En concreto, hasta un 60% en dermatólogos y un 47% en médicos de Familia.
Sin embargo, mientras que los dermatólogos que utilizaron la asistencia de IA mostraron aumentos similares en la precisión al observar imágenes de piel clara u oscura, “los médicos generales mostraron una mayor mejora en las imágenes de piel más clara que en las más oscuras”, recoge el estudio.
"Esto nos permite evaluar la asistencia de IA con modelos que son los mejores que podemos hacer actualmente, y con asistencia de IA que podría ser más precisa, tal vez dentro de cinco años, con mejores datos y modelos", señala Matt Groh, profesor asistente en la Escuela de Administración Kellogg de la Universidad Northwester.