Video Experimental Relacionado
Updated: Jun 13, 2026
Skin Biopsy for Diagnosing Discoid Lupus Erythematosus
Published on: June 10, 2025
Inteligencia artificial para biopsias y modalidades de imagen en enfermedades reumáticas autoinmunes sistémicas: una
Konstantinos N Panagiotopoulos1, Nikos Tsiknakis2, Dimitrios I Zaridis3
1Department of Pathophysiology, Medical School, National and Kapodistrian University of Athens, 75 Mikras Asias Street, Goudi, 11527 Athens, Greece; Research Institute for Systemic Autoimmune Diseases, Athens, Greece.
Se revisan las aplicaciones de la inteligencia artificial (IA) en biopsias e imágenes para enfermedades reumáticas autoinmunes sistémicas (SARD). Los desafíos incluyen la calidad y la heterogeneidad de los datos, que requieren conjuntos de datos más grandes y diversos para su adopción clínica.
Área de la Ciencia:
- Reumatología
- Imágenes médicas
- Inteligencia artificial
Sus antecedentes:
- Las enfermedades reumáticas autoinmunes sistémicas (SARD) presentan desafíos de diagnóstico debido a la subjetividad y la variabilidad entre observadores.
- Las biopsias y las imágenes son cruciales para el diagnóstico de SARD, pero requieren herramientas analíticas avanzadas.
Objetivo del estudio:
- Consolidar la literatura sobre las aplicaciones de la inteligencia artificial (IA) en las biopsias y las imágenes SARD.
- Familiarizar a los lectores con los conceptos comunes de IA en este dominio.
Principales métodos:
- Se desarrolló un flujo de trabajo que resume las técnicas de IA para las biopsias y las imágenes de SARD.
- Se revisó la literatura existente sobre IA en SARD, analizando estudios para la clasificación, segmentación y regresión de imágenes.
- Se creó un panorama de recomendaciones para las necesidades no satisfechas de IA en SARD.
Principales resultados:
- El aprendizaje supervisado (clasificación, segmentación) domina las aplicaciones de IA en los SARD.
- El tamaño medio de los conjuntos de datos fue de 116 pacientes para imágenes y 271 para biopsias, con una alta variabilidad en el recuento de imágenes.
- Se observaron informes inconsistentes de las métricas de rendimiento en todos los estudios.
Conclusiones:
- La IA efectiva para SARD requiere conjuntos de datos grandes, multimodales y diversos para abordar la heterogeneidad de la enfermedad.
- La calidad de los datos, los obstáculos regulatorios y la definición de preguntas de impacto clínico son clave para la adopción de la IA en reumatología.
