El objetivo principal de este estudio es realizar una validación prospectiva de un modelo de aprendizaje automático de análisis de imágenes, comparando su capacidad diagnóstica con la de médicos de familia y dermatólogos en un entorno clínico, siguiendo el modelo de práctica clínica habitual.

Los objetivos secundarios son (1) evaluar la precisión diagnóstica y eficacia de los modelos de Machine Learning (ML) en un entorno clínico para determinar la posibilidad de implementar este modelo en la Atención Primaria, (2) detectar qué enfermedades de la piel no están incluidas en los 44 diagnósticos del modelo actual, (3) estimar la tasa de personas elegibles que aceptan participar en el estudio con el objetivo de utilizar estos datos para futuras investigaciones y (4) conocer el grado de satisfacción de uso del modelo de inteligencia artificial por parte de los profesionales de Atención Primaria.

Estudio prospectivo con 100 personas consecutivas que consulten a la Atención Primaria por una lesión cutánea en el área de la Cataluña Central. Se realizarán fotos anónimas de las lesiones y se introducirán en la interfaz del modelo dando una lista de los 5 diagnósticos más probables. La misma imagen se enviará como consulta telemática (teledermatología), siguiendo el circuito habitual en la zona. Se compararán las valoraciones del médico de familia, del modelo de aprendizaje automático (Autoderm®) y de los dermatólogos de ambos hospitales de referencia, para calcular la precisión, sensibilidad y especificidad del modelo.

Criterios de inclusión: personas ≥18 años que consulten a la Atención Primaria por una patología cutánea y que firmen el consentimiento informado.

Las variables principales son los diagnósticos de las lesiones cutáneas (44) y las independientes las sociodemográficas, referentes a la consulta (econsulta o presencial, tiempo, dificultad diagnóstica, certeza diagnóstica y calidad de la imagen), fototipo y valoración del uso de la inteligencia artificial por los profesionales.

Los resultados se representarán de forma global e individual para cada clase de patología cutánea mediante una matriz de confusión y la metodología One vs All.

Las limitaciones más relevantes de este estudio son el número de patologías capaz de analizar el modelo actual y el número de personas incluidas en el estudio tratándose de un estudio piloto.

Este estudio proporcionará información sobre la eficacia y limitaciones del modelo de aprendizaje automático. Asimismo, esperamos que los resultados se puedan utilizar en la práctica clínica con las personas que acuden con lesiones cutáneas, para mejorar el flujo de trabajo de los médicos de Atención Primaria haciéndolos más eficientes y seguros por las personas. Este estudio es una primera aproximación al diseño de estudios de validación de modelos de inteligencia artificial más amplios.

Estudios externos son esenciales para regular estos sistemas de diagnóstico y poder incorporarlos en la práctica clínica habitual en la Atención Primaria.

Recibida la aprobación del Comité Ético de Investigación Clínica del IDIAP Jordi Gol (código 20/159-P) y se ha establecido un acuerdo de colaboración entre las instituciones que colaboran

No se ha recibido financiación por el momento.

Aprobación del Comité Ético de Investigación Clínica del IDIAP Jordi Gol (código 20/159-P).