ISSN: 2155-9554
Varin Senthil*
El melanoma es el tipo de cáncer de piel más grave del mundo. Según la Sociedad Estadounidense del Cáncer, en 2022 se diagnosticaron 99.780 nuevos pacientes con melanoma, de los cuales 7.650 fueron mortales. El melanoma puede desarrollarse en cualquier parte del cuerpo y, a menudo, es un lunar que cambia de tamaño, forma o color. El melanoma muestra variaciones de color y un borde irregular, que son signos de advertencia de melanoma. El diagnóstico temprano del melanoma aumenta potencialmente las posibilidades de curación antes de que el cáncer se propague. El desarrollo reciente en inteligencia artificial (IA) tiene amplias aplicaciones en el cuidado de la salud. El aprendizaje automático (ML) es un subcampo de la IA que tiene un desarrollo significativo en la visión por computadora, a través del cual se pueden formar modelos y algoritmos estadísticos y aprender continuamente de los datos para mejorar el desempeño de una tarea deseada. Sin embargo, existen posibilidades de error y dependen de muchos factores: por ejemplo, la cantidad de muestras, la calidad de las imágenes, el entorno informático y el aprendizaje automático pueden afectar los algoritmos. Si bien, en el enfoque de aprendizaje profundo, el conocimiento se desarrolla en función de la imagen de muestra, existen enfoques tradicionales basados en reglas que tienen una lógica comercial incorporada. Las reglas podrían basarse en resultados de pruebas, colores de piel, etc. Este artículo presenta un enfoque híbrido integral que combina la metodología de aprendizaje automático junto con el análisis de pigmentos de color para mejorar la precisión y un debate sobre cómo se puede implementar en el campo del diagnóstico del melanoma. Revisamos las últimas investigaciones y los descubrimientos clave en el aprendizaje automático de visión artificial, las limitaciones y la detección de melanomas basada en pigmentos de color.