Detección temprana de cáncer de piel asistida por aprendizaje profundo a partir de imágenes dermatoscópicas en entornos clínicos desatendidos

El cáncer de piel es causado por células aberrantes que proliferan de manera incontrolable después de que el daño en el ADN no reparado resulta en mutaciones en la epidermis. La mayoría de los cánceres de piel son causados por alta exposición a UV del sol, camas de bronceado o lámparas solares. Debido a obstáculos socioculturales, acceso limitado a atención dermatológica especializada y bajo conocimiento público, muchas naciones, incluyendo India, tienen tasas de mortalidad más altas y presentaciones en etapas avanzadas. La distribución desigual de tratamientos dermatológicos especializados, particularmente en áreas rurales y subdesarrolladas, dificulta la detección y tratamiento. Para el cáncer de piel, una de las malignidades más prevalentes con alta tasa de mortalidad, la detección temprana es crucial. Este estudio reunió 1200 imágenes dermatoscópicas de dos clínicas en Himachal Pradesh para abordar estos problemas. Con el fin de clasificar automáticamente las imágenes clínicas dermatoscópicas en categorías de melanoma y cáncer de piel no melanoma, este estudio compara VGG16 con ResNet-50. El preprocesamiento, la segmentación de lesiones y la clasificación son parte del enfoque propuesto. Se utilizó una colección de 1200 imágenes dermatoscópicas con anotaciones clínicas para mejorar los modelos. ResNet-50 superó a VGG16 en las pruebas, con un 93% de precisión y 96% de AUC-ROC frente al 89% y 94%, respectivamente. Estos resultados enfatizan la importancia de la selección de modelos y el preprocesamiento en el rendimiento diagnóstico. Se investigarán métodos de ensamblaje, clasificación multiclase, integración de explicabilidad y validación clínica para facilitar la implementación de herramientas de diagnóstico dermatológico asistido por IA.