Inteligenţa artificială în medicina de familie: evaluarea leziunilor cutanate

Introducere

Afecțiunile cutanate, de la leziuni benigne la cancere cu potențial letal, sunt frecvent întâlnite în medicina de familie, iar diagnosticul corect și precoce este esențial, mai ales în melanom. Progresele recente în domeniul inteligenței artificiale (AI) – ansamblu de metode informatice de învățare automată dedicate clasificării, predicției și sprijinului decizional – deschid noi oportunități pentru practica medicală primară. Algoritmii AI de ultimă generație utilizează frecvent rețele neuronale convoluționale (CNN), capabile să recunoască tipare complexe în imagini dermatologice, precum și modele multimodale, care integrează date clinice cu imagini pentru a îmbunătăți acuratețea diagnostică. Aceste progrese oferă premise solide pentru sprijinirea deciziei clinice în medicina de familie.

În continuare sunt prezentate principalele aplicații clinice ale inteligenței artificiale în dermatologia practicată în medicina de familie.

Aplicații clinice relevante pentru medicina de familie

1) Screening și detecția precoce a melanomului

Algoritmii deep‑learning antrenați pe baze de date extinse pot diferenția melanomul de leziuni benigne (nevi, keratoze) cu acuratețe ridicată, comparabilă cu cea a specialiștilor^(1-5). Utilizarea lor în cabinet, ca instrument de suport decizional, poate prioritiza trimiterea către dermatologie pentru cazurile cu risc crescut.

2) Clasificarea leziunilor cutanate comune

Modelele de inteligență artificială pot distinge leziuni benigne de carcinoame cutanate (de exemplu, carcinom bazocelular) și pot genera liste de diagnostice diferențiale ordonate după probabilitate, utile în triaj și în comunicarea cu pacientul^(1-4,9).

3) Boli inflamatorii

În practică, algoritmii validați pot evalua severitatea psoriazisului (de exemplu, scoruri automate asemănătoare PASI), pot identifica dermatita atopică, acneea vulgară și rozacee și pot monitoriza răspunsul la tratament prin comparația longitudinală a imaginilor⁽¹²⁾.

4) Infecții cutanate

În onicomicoză, sensibilitatea (proporția cazurilor pozitive corect identificate de test/model; probabilitatea ca un caz cu boală să fie marcat pozitiv), raportată pentru detecția asistată de inteligența artificială, este în intervalul 82,7-96,7% în studii clinice controlate⁽¹²⁾.

5) Monitorizarea evoluției leziunilor

Aplicațiile mobile bazate pe inteligența artificială permit fotografierea periodică standardizată, detecția modificărilor subtile și transmiterea securizată a imaginilor către medicul de familie, utilă în urmărirea leziunilor pigmentare sau a ulcerelor cronice^(6-8).

6) Teledermatologia asistată de inteligența artificială poate fi utilă în evaluarea leziunilor cutanate la distanță, asincron sau sincron, pe baza imaginilor și informațiilor clinice transmise de către pacient medicului de familie; de asemenea, poate fi folosită pentru triaj și recomandări rapide.

Combinarea telemedicinei cu algoritmi de analiză a imaginilor crește acuratețea evaluărilor la distanță și reduce timpul până la decizia terapeutică, mai ales în zonele cu acces limitat la dermatologi^(6-8). Pentru implementare sunt necesare protocoale de captare a imaginilor (iluminare, focalizare, câmp vizual) și integrarea acestora în fluxul de lucru al cabinetului.

7) Dermatopatologie și evaluare digitală

În dermatopatologie, modelele actuale pot susține analiza Whole Slide Imaging prin clasificare/segmentare automată (de exemplu, identificarea mitozelor, măsurarea marginilor de rezecție), reducând variabilitatea interobservator și accelerând raportarea. Tehnicile XAI (eXplainable AI – explicabilitatea modelelor de inteligență artificială, tehnici care arată de ce modelul sugerează un anumit diagnostic) pot oferi hărți de importanță și explicații vizuale utile clinicienilor⁽¹²⁾.

În practica curentă a medicului de familie, aceste tehnologii se traduc deja prin triaj mai precis al leziunilor benigne versus suspecte, reducerea trimiterilor inutile și monitorizarea bolilor inflamatorii sau a răspunsului la tratament, inclusiv prin telemedicină.

Date din practica de medicină de familie (validare prospectivă)

Un exemplu de implementare în practica de asistență primară este ilustrat de studiul prospectiv desfășurat în Catalonia, care a inclus 100 de pacienți recrutați începând cu luna iunie a anului 2021, derulându-se pe parcursul a cinci luni, imaginile fiind analizate independent de medici de familie, de medici dermatologi și de inteligența artificială. Modelul Autoderm® a fost testat pentru 44 de diagnostice dermatologice. Pentru cazurile acoperite de model, acuratețea Top‑1 (diagnosticul corect pe primul loc) a fost de 48%, pentru Top‑3 (diagnosticul corect se află între primele trei ipoteze) de 75%, iar pentru Top‑5 (diagnosticul corect se află între primele cinci ipoteze): 89%. Performanța a depășit media medicilor de familie, dar a rămas inferioară celei a dermatologilor, subliniind caracterul de „asistent” al inteligenței artificiale, nu de substitut al medicului⁽¹³⁾.

Rezultatele sugerează că soluții similare, adaptate specificului local, ar putea sprijini medicul de familie din România atât în triajul leziunilor cutanate, cât și în prioritizarea trimiterilor către dermatologie.

În validări prospective axate pe melanom, setarea unui prag pentru sensibilitate foarte ridicată poate reduce specificitatea (de exemplu, ~93% sensibilitate la ~25% specificitate), sugerând necesitatea calibrării locale și a utilizării AI ca instrument de triaj, nu de diagnostic final.

Aceste recomandări sunt în concordanță cu inițiativele europene de tip European Health Data Space și cu viitorul AI Act al Uniunii Europene, ce prevede cerințe de transparență și explicabilitate.

Implementare în România – pași practici

Pe baza acestor date și a experienței internaționale, pot fi conturate câteva direcții practice pentru im­ple­men­tare:

• Proiecte-pilot în rețele de cabinete, cu protocoale standardizate de captare a imaginilor și trasee clinice clare (inclusiv criterii ABCDE pentru leziuni pigmentare).
• Validarea locală a modelelor pe imagini reprezentative pentru fototipurile și patologiile întâlnite în România, pentru a gestiona fenomenul de „domain shift”⁽¹⁰⁾.
• Integrarea cu teledermatologia: utilizarea de platforme securizate și stabilirea unor acorduri de nivel de serviciu (SLA) clare; de exemplu, rezultat AI
• Inteligență artificială explicabilă (XAI), necesară pentru transparență și pentru creșterea încrederii clinicienilor.
• Formarea continuă a medicilor, cu accent pe captarea corectă a imaginilor, interpretarea rapoartelor AI și comunicarea riscului către pacienți.
• Controlul și guvernanța datelor, prin consimțământ informat, minimizarea datelor, loguri de acces și audit periodic, conform cadrului etic și de confidențialitate^(10,11).

Implementarea trebuie să fie aliniată Regulamentului general privind protecția datelor (GDPR) și viitorului AI Act al Uniunii Europene, deja aprobat în 2024 și programat pentru aplicare progresivă începând cu 2025. Prin prioritizarea cazurilor cu risc crescut și reducerea numărului de trimiteri inutile, aceste soluții digitale pot aduce beneficii economice importante, optimizând resursele sistemului de sănătate și diminuând costurile indirecte legate de deplasările pacienților și vizitele repetate.

Provocări și limitări

În același timp, există și provocări și limite ce trebuie avute în vedere pentru o aplicare responsabilă a acestor tehnologii.

• Calitatea imaginilor – rezultatele depind de rezoluție, lumină și focalizare; se recomandă protocoale de standardizare (inclusiv dermoscopie, acolo unde este posibil)⁽⁶⁾.
• Biasul datelor și echitatea – subreprezentarea unor fototipuri poate scădea performanța pe anumite populații; este necesară diversificarea seturilor de antrenament⁽¹⁰⁾.
• Generalizarea modelelor (domain shift) – performanța poate scădea când modelele sunt aplicate pe date diferite de cele de antrenament; este necesară recalibrarea/validarea locală⁽¹²⁾.
• Supradiagnostic și anxietate – o sensibilitate crescută poate duce la un număr mai mare de trimiteri; sunt necesare praguri și protocoale de follow-up^(1,12).
• Confidențialitate și etică – este nevoie de stocare și transmitere securizată, pseudonimizare, controlul accesului, explicabilitate și asumarea responsabilității profesionale^(10,11).

În prezent, inteligența artificială dispune de ca­pa­bi­li­tăți care pot fi aplicate direct în medicina de familie. Algoritmii de analiză a imaginilor cutanate pot sprijini triajul leziunilor benigne față de cele suspecte, facilitând prioritizarea cazurilor către dermatolog și contribuind la reducerea numărului de trimiteri inutile.

Limitări actuale: nu poate stabili tratamentul final; nu poate înlocui examenul clinic; nu poate interpreta contextul sistemic; nu poate diagnostica patologia neacoperită de model; nu poate decide excizia fără consult de specialitate.

Perspective

Privind spre viitor, dezvoltarea inteligenței artificiale în dermatologie ar putea urma câteva direcții majore.

Perspectivele includ validarea externă a algoritmilor, integrarea în dosarele electronice și teledermatologia asistată de inteligența artificială. De asemenea, este necesară o educație medicală continuă pentru medicul de familie pentru o utilizare corectă a acestor tehnologii.

În plus, aplicațiile vizuale pot fi utilizate în activități educaționale, sprijinind formarea continuă a medicilor.

Direcțiile actuale includ modele multimodale (imagini clinice/dermatoscopice + date clinice), colaborarea om-mașină (human‑in‑the‑loop), integrarea cu telemedicina pentru un flux complet de diagnostic și monitorizare, precum și utilizarea XAI pentru creșterea transparenței și a adoptării în rândul clinicienilor^(6-8,12).

Modelele multimodale și inteligența artificială generativă, capabile să combine imagini cu date clinice, reprezintă o direcție promițătoare pentru diagnostic și educație medicală.

Inteligența artificială prezintă multiple avantaje: creșterea acurateței diagnostice, acces rapid la evaluare în zone rurale și eficiență economică.

Concluzii

Inteligența artificială reprezintă un instrument valoros de sprijin în dermatologia practicată în medicina de familie. Utilizată responsabil, AI – cu imagini de calitate, validare locală, protocoale clare, explicabilitate (XAI) și protecția datelor – poate contribui la diagnosticarea precoce, la un triaj eficient și la monitorizarea pacienților, re­ducând inegalitățile de acces la dermatolog, mai ales în mediul rural. Responsabilitatea clinică și decizia terapeutică finală rămân exclusiv ale medicului, AI având rol de partener și nu de substitut al relației medic-pacient.

Autor corespondent Luiza-Mădălina Moldoveanu E-mail: drmadalinamoldoveanu@gmail.com

CONFLICT OF INTEREST: none declared.

FINANCIAL SUPPORT: none declared.

This work is permanently accessible online free of charge and published under the CC-BY.