Plataforma de soporte médico para el análisis y la detección del melanoma basada en el aprendizaje federado

Área de la Ciencia:

• Inteligencia artificial en medicina
• Análisis de imágenes médicas
• Patología computacional

Sus antecedentes:

• La inteligencia artificial (IA) es cada vez más vital en el diagnóstico y tratamiento médicos, especialmente para la detección temprana del cáncer.
• La detección del melanoma a partir de imágenes clínicas presenta desafíos en cuanto a precisión y privacidad de los datos.

Objetivo del estudio:

• Desarrollar un modelo de aprendizaje profundo para la detección temprana del melanoma a partir de imágenes clínicas.
• Integrar el aprendizaje federado (FL) para el entrenamiento colaborativo de modelos que preserven la privacidad.
• Crear una herramienta de apoyo para los médicos, considerando factores como la exposición al sol y el tono de piel.

Principales métodos:

• Se propuso un modelo de aprendizaje profundo para la clasificación del melanoma a partir de imágenes de la piel.
• Se implementó el aprendizaje federado (FL) utilizando un algoritmo de promedio ponderado para la agregación de modelos.
• Se desarrolló una aplicación web para la gestión eficiente de datos y el análisis de resultados.

Principales resultados:

• El modelo federado alcanzó una precisión del 89,1% y un ROC AUC de 0,9251.
• El rendimiento fue comparable a los métodos de entrenamiento centralizados.
• El enfoque de FL preservó con éxito la privacidad de los datos del paciente.

Conclusiones:

• El modelo de IA propuesto apoya eficazmente la detección temprana del melanoma.
• El aprendizaje federado permite el desarrollo colaborativo de modelos sin comprometer la privacidad del paciente.
• La aplicación web integrada mejora la utilidad clínica para los dermatólogos.