REVISIÓN LITERARIA: INTELIGENCIA ARTIFICIAL EN EL DIAGNÓSTICO DEL CÁNCER DE PIEL
DOI:
https://doi.org/10.56238/rcsv16n4-003Palabras clave:
Inteligencia Artificial, Neoplasias Cutáneas, Teledermatología, Sesgo Algorítmico, Atención Primaria de SaludResumen
El cáncer de piel representa un desafío global para la salud pública, que exige métodos cada vez más precisos y accesibles para su diagnóstico precoz. Esta revisión narrativa explora la integración de la Inteligencia Artificial (IA) en dermatología, analizando su desempeño en comparación con especialistas, su implementación en atención primaria mediante dispositivos y aplicaciones móviles, y las limitaciones éticas relacionadas con el sesgo algorítmico en fototipos altos. Los resultados indican que la colaboración humano-máquina supera el desempeño individual de ambos, si bien la falta de representatividad étnica en los datos de entrenamiento sigue siendo un obstáculo crítico para la equidad diagnóstica, especialmente en poblaciones mestizas y países en desarrollo.
Descargas
Referencias
Adamson, A. S., & Smith, A. (2018). Machine learning and health care disparities in dermatology. JAMA Dermatology.
Burshtein, J., et al. (2025). Advances in the noninvasive diagnosis of melanoma—40 years beyond the ABCDs. CA: A Cancer Journal for Clinicians.
Cachinski, E. J., et al. (2025). Inteligência artificial em dermatologia: um panorama das aplicações tecnológicas e seus avanços. BJIHS.
Daneshjou, R., et al. (2022). Disparities in dermatology AI performance on a diverse, curated clinical image set. Science Advances.
Esteva, A., et al. (2017). Dermatologist-level classification of skin cancer with deep neural networks. Nature.
Górecki, S., et al. (2025). Artificial Intelligence and New Technologies in Melanoma Diagnosis: A Narrative Review. Cancers.
Groh, M., et al. (2021). Evaluating deep neural networks trained on clinical images in dermatology with the Fitzpatrick 17k dataset. arXiv.
Haenssle, H. A., et al. (2018). Man against machine: diagnostic performance of a deep learning convolutional neural network... Annals of Oncology.
Mevorach, L., et al. (2025). A Comparison of Skin Lesions' Diagnoses Between AI-Based Image Classification... Diagnostics.
Nadour, N., et al. (2025). Diagnostic accuracy of artificial intelligence compared to family physicians and dermatologists... BMC Primary Care.
Ray, A., et al. (2020). Skin Lesion Classification With Deep Convolutional Neural Network: Process Development and Validation. JMIR Dermatology.
Scott, R. (2024). FDA Approves AI-Powered Detection Device for Skin Cancers.
Scott, R. (2024). Skin Cancer App: Best Free Tools For Safety.
Silva-Clavería, F., et al. (2025). Concordance in Basal Cell Carcinoma Diagnosis. Skin Research and Technology.
Tschandl, P., et al. (2020). Human-computer collaboration for skin cancer recognition. Nature Medicine.
Venkatesh, K. P., et al. (2024). Learnings from the first AI-enabled skin cancer device for primary care authorized by FDA. npj Digital Medicine.
Wongvibulsin, S., et al. (2024). Current state of dermatology mobile applications with artificial intelligence features. JAMA Dermatology.
Descargas
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
