Desarrollo de un modelo automático para el tamizaje de cáncer de piel en imágenes dermatoscópicas evaluado en población colombiana

Abstract

El cáncer de piel representa una de las principales causas de morbilidad oncológica a nivel mundial, y su diagnóstico temprano resulta esencial para reducir la mortalidad asociada. Este trabajo tuvo como objetivo desarrollar y evaluar un modelo automático basado en redes neuronales convolucionales (CNN) para la clasificación de lesiones cutáneas malignas y benignas a partir de imágenes dermatoscópicas, con un enfoque de validación en población colombiana. El modelo se entrenó utilizando la base de datos pública ISIC Archive y se probó con un conjunto de imágenes representativas de distintos fototipos de piel de Colombia según la escala de Fitzpatrick. Se calcularon métricas de desempeño global y por tipo de piel para interpretar las predicciones. Los resultados de implementación inicial mostraron una precisión superior al 85 % y una disminución al 72 % al validarlo con las imágenes colombianas, indicando la necesidad de mejorar la representatividad de ciertos fototipos en los datos. Se concluye que la capacidad predictiva se ve influenciada por la representatividad demográfica en el entrenamiento de modelos de aprendizaje, por lo que resulta esencial disponer de conjuntos de datos locales diversos que reflejen las características de la población colombiana. Los hallazgos confirman el potencial del aprendizaje profundo como herramienta de apoyo en el tamizaje de cáncer de piel, aunque requieren adaptaciones locales para lograr modelos equitativos y clínicamente confiables.