A Hybrid Artificial Intelligence Framework for Melanoma Diagnosis Using Histopathological Images

Share

Abstract

El cáncer sigue siendo uno de los retos sanitarios globales más importantes debido a sus elevadas tasas de mortalidad y al conocimiento limitado de su progresión. El diagnóstico precoz es fundamental para mejorar los resultados de los pacientes, especialmente en el cáncer de piel, donde la detección temprana puede mejorar significativamente las tasas de recuperación. El análisis histopatológico es un método diagnóstico ampliamente utilizado, pero se trata de un proceso que consume mucho tiempo y depende en gran medida de la experiencia de especialistas altamente cualificados. Los avances recientes en Inteligencia Artificial han mostrado resultados prometedores en la clasificación de imágenes, poniendo de relieve su potencial como herramienta de apoyo al diagnóstico médico. En este estudio exploramos la aplicación de modelos híbridos de Inteligencia Artificial para el diagnóstico de melanoma mediante imágenes histopatológicas. El conjunto de datos utilizado constaba de 506 imágenes histopatológicas, de las cuales se seleccionaron 313 imágenes depuradas tras el control de calidad y el preprocesamiento. Proponemos un marco de dos pasos que emplea un Autoencoder para la reducción de dimensionalidad y la extracción de características de las imágenes, seguido de un algoritmo de clasificación para distinguir entre melanoma y nevus, entrenado con los vectores de características extraídos del cuello de botella del Autoencoder. Evaluamos como clasificadores las Máquinas de Vectores de Soporte, Random Forest, el Perceptrón Multicapa y K-Nearest Neighbours. Entre ellos, la combinación de Autoencoder con K-Nearest Neighbours logró el mejor rendimiento y tiempo de inferencia, alcanzando una exactitud media de aproximadamente el 97,95% en el conjunto de prueba y requiriendo 3,44 minutos por diagnóstico. Los resultados de la comparación de referencia fueron consistentes, demostrando una sólida generalización y superando a los demás modelos entre 2 y 13 puntos porcentuales. [Traducción automática al español; idioma original: inglés.]