← Volver al inicio

Clasificar primero las lesiones cutáneas de bajo riesgo: una prueba de IA autónoma en el Reino Unido libera tiempo de atención dermatológica

Una evaluación de 16 meses en dos hospitales británicos muestra que entre aproximadamente una cuarta parte y un tercio de los pacientes pueden finalizar el proceso de derivación por sospecha de cáncer de piel tras la evaluación de la IA. El tiempo ahorrado a los especialistas abre la posibilidad de ampliar el servicio, pero seis casos no detectados también recuerdan que las decisiones autónomas deben estar respaldadas por un seguimiento continuo.

By SURL BioNews

Las derivaciones por sospecha de cáncer de piel suelen requerir que un especialista confirme si la lesión es peligrosa; cuando numerosas lesiones benignas también entran en el mismo circuito de atención urgente, resulta más difícil distribuir el tiempo limitado de consulta. Una evaluación en condiciones reales en dos hospitales del Servicio Nacional de Salud (NHS) del Reino Unido intentó que la inteligencia artificial realizara directamente la clasificación de algunos casos de bajo riesgo. Los resultados muestran que entre aproximadamente una cuarta parte y un tercio de los pacientes pudieron finalizar este proceso de derivación sin una revisión médica adicional, liberando tiempo para los servicios especializados.

El estudio se presentó en el congreso anual de 2026 de la Academia Europea de Dermatología y Venereología (EADV) y siguió el funcionamiento de dos centros durante 16 meses. Incluyó a 8,391 pacientes, que representaban el 94% de las derivaciones urgentes locales por sospecha de cáncer de piel; el 86% de los pacientes aceptó la toma de decisiones autónoma. El estudio utilizó el sistema DERM de Skin Analytics, un dispositivo médico de IA de clase III con marcado CE, que se incorporó a la clasificación autónoma solo después de una validación inicial.

DERM analiza fotografías de las lesiones obtenidas con un teléfono inteligente e imágenes dermatoscópicas y las clasifica según su riesgo. Los casos considerados benignos pueden finalizar directamente el proceso y recibir instrucciones para vigilar posteriormente los cambios en las lesiones; los de mayor riesgo o que cumplen criterios de exclusión pasan a una revisión por un dermatólogo a distancia, con una consulta presencial o una intervención quirúrgica si es necesario. Los pacientes para quienes la clasificación mediante imágenes no resulta adecuada siguen recibiendo atención presencial. Por tanto, esta evaluación examina un circuito asistencial completo, y no solo un modelo de reconocimiento de imágenes.

Tras excluir los casos que cumplían criterios de exclusión, las proporciones reales de cierre autónomo del proceso en los dos hospitales fueron del 31% y del 25%, respectivamente; los médicos a distancia permitieron finalizar el proceso a otro 24% y 25% de los pacientes, respectivamente. El estudio estimó que, frente a la atención presencial tradicional, se podrían ahorrar en total unas 2,851 horas de tiempo médico, equivalentes a un aumento aproximado del 62% de la capacidad asistencial; con consultas de 20 minutos, esto equivaldría a más de 8,500 consultas ambulatorias. Se trata de una capacidad potencial calculada a partir del tiempo ahorrado y no puede interpretarse directamente como que los hospitales ya hayan realizado esa cantidad adicional de consultas.

La organización de la atención también cambió: frente al circuito estándar de dermatología a distancia, la proporción de pacientes que necesitaban seguimiento rutinario bajó del 27% al 12%. La proporción de biopsias también fue inferior al 43% de la atención presencial tradicional; los datos publicados por EADV la situaron en el 27%, mientras que HealthDay informó de valores entre el 26% y el 29% en los distintos circuitos autónomos. Sin embargo, estas comparaciones entre circuitos no bastan por sí solas para demostrar que todas las biopsias evitadas fueran procedimientos innecesarios, ni han respondido todavía si los pacientes recibieron tratamiento más rápidamente como consecuencia de ello.

Los datos de seguridad deben interpretarse por separado. Un conjunto de datos nacional que incluye los dos centros del estudio muestra que la sensibilidad del sistema para el melanoma invasivo, el carcinoma de células escamosas y el carcinoma basocelular superó el 98% en los tres casos, con una especificidad del 72.1%; este rendimiento no se calculó únicamente a partir de los 8,391 pacientes de esta evaluación. La vigilancia posterior a la comercialización detectó, aun así, seis casos de cáncer cuyo proceso se había cerrado erróneamente, incluidos cinco carcinomas basocelulares y un melanoma in situ. Durante el periodo de seguimiento disponible no se observaron consecuencias adversas, pero esto no significa que los casos no detectados carezcan de riesgo y también pone de relieve la importancia de la vigilancia continua y de los mecanismos para volver a solicitar atención médica.

Por ahora, los resultados se han publicado en forma de póster de congreso y aún deben reproducirse en poblaciones más amplias y en distintos entornos sanitarios para determinar si es posible combinar el ahorro de tiempo con la seguridad diagnóstica. Los dispositivos del estudio fueron financiados por Chelsea & Westminster Hospital NHS Foundation Trust, y el estudio también recibió apoyo parcial de La Roche-Posay; la autora principal, Lucy Thomas, es además consultora de Skin Analytics y miembro de su comité asesor clínico. Estas relaciones deben tenerse en cuenta al leer los resultados. Para la IA médica autónoma, obtener la certificación como dispositivo médico es solo el punto de partida; la verdadera prueba es si, una vez incorporada a la atención cotidiana, puede seguir identificando y corrigiendo errores.

References

  1. ASCO AI in Oncology
  2. European Academy of Dermatology and Venereology
  3. European Medical Journal
  4. Dermatology Times
  5. HealthDay via Medical Xpress