Evaluación del diagnóstico asistido por inteligencia artificial del eritema cutáneo en una prueba de parche

Área de la Ciencia:

• Dermatología
• Inteligencia artificial
• Imágenes médicas

Sus antecedentes:

• Las pruebas de parche evalúan las reacciones cutáneas como eritema y vesículas a varias sustancias.
• La evaluación precisa requiere una puntuación consistente y una variabilidad mínima.
• Los métodos actuales pueden ser subjetivos y consumir mucho tiempo.

Objetivo del estudio:

• Desarrollar un modelo de inteligencia artificial (IA) para la detección automatizada de la irritación de la piel.
• Utilice el marco de detección de objetos YOLOv5x para el análisis de imágenes de prueba de parche.
• Mejorar la precisión y la eficiencia de las evaluaciones dermatológicas.

Principales métodos:

• Imágenes recogidas de las pruebas de parche con los puntos de prueba marcados.
• Se formó un modelo YOLOv5x en 83.629 puntos de datos con puntuaciones asignadas por expertos (0-4).
• Validar el modelo utilizando 1.312 y 1.536 puntos de datos.

Principales resultados:

• El modelo de IA logró una alta precisión (0.983) en 24 y 48 horas.
• Se registró una puntuación F1 de 0,982 y altas AUC para diferentes puntuaciones de irritación.
• Se observó una sensibilidad excepcional (0, 997) para la detección de irritación mínima (puntuación 0).

Conclusiones:

• El modelo de IA desarrollado apoya y clasifica eficazmente la irritación de la piel.
• Esta tecnología facilita evaluaciones dermatológicas más rápidas y precisas.
• La IA ofrece una herramienta prometedora para la evaluación objetiva en las pruebas de parche.