La inteligencia artificial en la detección del cáncer de piel: ¿promesa o desafío para la práctica clínica?

El cáncer de piel representa un problema de salud pública creciente, con una incidencia al alza que subraya la importancia de la detección temprana y precisa. Sin embargo, el acceso a especialistas en dermatología es a menudo limitado, y la precisión diagnóstica de los médicos de atención primaria puede ser variable. En este contexto, las aplicaciones de salud móvil (mHealth) impulsadas por inteligencia artificial (IA) han emergido como una solución prometedora para facilitar la evaluación del riesgo de lesiones cutáneas. Pero, ¿cuál es su impacto real en la práctica clínica diaria?

Metodología: un vistazo a la evidencia

Para comprender el potencial y los desafíos de estas herramientas, analizamos dos estudios clave. El primero, una revisión de de-Carvalho y colaboradores (2019), se centró en el desarrollo y la precisión de la aplicación SkinVision, una de las apps más utilizadas en este campo. Esta aplicación permite a los usuarios tomar fotos de sus lesiones cutáneas con un smartphone, que luego son procesadas por un algoritmo de IA. Inicialmente basada en reglas fractales, la app ha evolucionado para incorporar algoritmos de aprendizaje automático, mejorando la calidad de imagen y la precisión diagnóstica. Los casos de alto riesgo son revisados por dermatólogos internos, lo que añade una capa de validación profesional.

El segundo estudio, de Smak Gregoor y su equipo (2023), evaluó el impacto de una app de IA (también SkinVision) en el consumo de atención dermatológica en un entorno de salud real. Este estudio retrospectivo y pragmático se llevó a cabo en los Países Bajos, donde una gran aseguradora de salud ofreció acceso gratuito a la app a 2.2 millones de adultos. Se comparó a un grupo de 18.960 usuarios de la app con un grupo de control de 56.880 individuos emparejados por edad, sexo, nivel socioeconómico, historial de cáncer de piel y comorbilidades. El objetivo era analizar las reclamaciones dermatológicas y la rentabilidad en el primer año de uso.

Resultados clave: luces y sombras de la IA

Los hallazgos de estos estudios revelan una imagen matizada del impacto de las apps de IA en la detección del cáncer de piel:

• Mayor detección de pre-malignidades: El estudio de Smak Gregoor y colaboradores demostró que los usuarios de la app tuvieron significativamente más reclamaciones por lesiones cutáneas premalignas (6.0% vs 4.6%; OR 1.3, IC 95% 1.2-1.4). Esto sugiere que la app contribuye a identificar más casos que requieren atención. La alta sensibilidad de la app SkinVision, reportada en 95% por los estudios antes mencionados, respalda esta capacidad de detección.
• Aumento de consultas por lesiones benignas: Sin embargo, este beneficio se vio contrarrestado por un aumento aún mayor en las reclamaciones por tumores cutáneos benignos y nevos. Los usuarios de la app tuvieron un riesgo tres veces mayor de reclamaciones por lesiones benignas (5.9% vs 1.7%; OR 3.7, IC 95% 3.4-4.1). Esto se relaciona con la especificidad de la app, que, aunque ha mejorado, se situaba en 78% en la versión más reciente evaluada por de-Carvalho y colaboradores. Una especificidad imperfecta puede llevar a un número considerable de falsos positivos.
• Incremento en biopsias y escisiones: El mayor número de detecciones, tanto malignas como benignas, se tradujo en un aumento significativo de biopsias y escisiones. Los usuarios de la app tuvieron el doble de biopsias/escisiones a nivel de atención primaria y hospitalaria.
• Costos asociados: El costo incremental por cada lesión (pre)maligna adicional detectada por la app fue de 2567 €. Una parte sustancial de este costo (1843 €) se atribuyó a las reclamaciones por lesiones benignas, lo que indica que los falsos positivos tienen un impacto económico considerable.

Conclusión e implicaciones clínicas: navegando el futuro de la dermatología digital

Estos estudios nos ofrecen una perspectiva crucial: las apps de IA para la detección del cáncer de piel son herramientas prometedoras que pueden aumentar la identificación de premalignidades. Sin embargo, su implementación a gran escala en la población general, tal como están actualmente, conlleva un aumento significativo en las consultas y procedimientos para lesiones benignas, lo que genera una carga adicional en el sistema de salud y eleva los costos.

¿Qué implica esto para nuestra práctica clínica diaria?

1. Herramienta de apoyo, no de reemplazo: Las apps de IA deben verse como una valiosa herramienta de apoyo para la detección temprana, no como un sustituto del juicio clínico experto. Pueden empoderar a los pacientes para un autoexamen más proactivo, pero la interpretación final y el manejo deben recaer en el profesional de la salud.
2. Educación del paciente: Es fundamental educar a los pacientes sobre las limitaciones de estas apps, especialmente en relación con los falsos positivos. Debemos explicar que un resultado de “alto riesgo” no es un diagnóstico de cáncer, sino una indicación para una evaluación profesional.
3. Enfoque en poblaciones de alto riesgo: Para maximizar el beneficio y minimizar la carga, la implementación de estas apps podría ser más efectiva si se dirige a poblaciones con mayor riesgo de cáncer de piel (p. ej., historial familiar, múltiples nevos atípicos, exposición solar significativa). Esto podría mejorar la relación costo-beneficio y la especificidad predictiva.
4. Rol del médico de atención primaria: Los médicos de atención primaria seguirán siendo la primera línea. Estas apps pueden ayudarles a identificar lesiones sospechosas, pero la formación continua en dermatoscopia y la capacidad de derivación eficiente son clave para gestionar el flujo de pacientes generado por estas herramientas.
5. Necesidad de mejora continua: La especificidad de los algoritmos es un área crítica para la mejora. Un aumento en la especificidad reduciría los falsos positivos, disminuyendo así las consultas innecesarias y los costos asociados.

Mirando hacia el futuro, el entusiasmo por el potencial de la IA en la medicina es innegable. Para que estas apps alcancen su máximo potencial, necesitamos una investigación continua y rigurosa. Esto incluye el desarrollo de algoritmos aún más precisos, la evaluación de estrategias de implementación dirigidas, y estudios a largo plazo que analicen el impacto real en la morbilidad, la mortalidad y los costos de atención. La IA tiene el poder de transformar la detección del cáncer de piel, pero el camino hacia una integración óptima en nuestro sistema de salud requiere una colaboración continua entre desarrolladores, clínicos e investigadores.

Referencias

• de-Carvalho, T. M., Noels, E., Wakkee, M., Udrea, A., & Nijsten, T. (2019). Development of Smartphone Apps for Skin Cancer Risk Assessment: Progress and Promise. JMIR Dermatology, 2(1), e13376.  doi: 10.2196/13376 
• Smak Gregoor, A. M., Sangers, T. E., Bakker, L. J., Hollestein, L., Uyl – de Groot, C. A., Nijsten, T., & Wakkee, M. (2023). An artificial intelligence based app for skin cancer detection evaluated in a population based setting. npj Digital Medicine, 6(1), 90.  doi: 10.1038/s41746-023-00831-w