DermaGPT: un marco multimodal federado con una función de confianza meta-aprendida para diagnósticos dermatológicos...

Área de la Ciencia:

• Inteligencia artificial en medicina
• IA dermatológica
• Aprendizaje federado

Sus antecedentes:

• La IA generativa y federada avanza los sistemas de diagnóstico conscientes de la privacidad.
• El razonamiento multimodal y la explicabilidad son clave para una IA confiable en la atención médica.

Objetivo del estudio:

• Presentar DermaGPT, un marco multimodal federado para el apoyo a la decisión en dermatología.
• Enfatizar el uso confiable con datos heterogéneos y sensibles a la privacidad.

Principales métodos:

• Combinó la columna vertebral de visión-lenguaje PaLI-Gemma 2 con un LLM aumentado por recuperación.
• Utilizó una función de confianza meta-aprendida (MLTF) para un entrenamiento federado robusto.
• Evaluado en 4.452 imágenes confirmadas por biopsia en múltiples conjuntos de datos.

Principales resultados:

• Logró una precisión diagnóstica del 90,2% para 11 tipos de lesiones.
• Alcanzó una precisión del 93,3% en la predicción de malignidad con resultados bien calibrados.
• Los dermatólogos expertos encontraron las explicaciones claras y clínicamente relevantes.

Conclusiones:

• El diseño multimodal federado consciente de la confianza permite una IA dermatológica interpretable, eficiente y consciente de la privacidad.
• DermaGPT aumenta, en lugar de reemplazar, el juicio del médico.
• El procesamiento de imágenes local y la transmisión segura de texto mejoran la privacidad.