Quantus Skin
Descripción
Ayuda a la priorización de pacientes con posibles patologías de lesiones dermatológicas malignas a partir de imágenes dermatoscópicas y/o fotográficas. Con solo analizar y clasificar las imágenes, determina el riesgo de malignidad (melanoma, basal cell carcinoma o squamous cell carcinoma), siendo de gran ayuda en el cribado de pacientes con factores de riesgo y priorización de listas de espera. Apoyo a la delederma: el médico de Atención Primaria puede enviar fotos a su dermatóloga de referencia. La especialista recibe las imágenes con un % de posible malignidad, que le ayudará a priorizar.
- Organismo:
- Osakidetza - Departamento de Salud.
- Responsable:
- Benjamín Juez Fernández.
- Contacto:
- Datos de contacto.
- Organismo o entidad responsable a nivel técnico:
- Osakidetza - (Subdirección de Informática y Sistemas de Información, Servicio de Tecnología).
- Dominio:
- Salud.
- Estado del algoritmo o sistema:
- Desarrollo.
- Fecha de implantación:
- 2025.
- Socio/empresa proveedora:
- Transmural Biotech S.L..
Más información
Con qué datos se está entrenando el sistema algorítmico y qué datos se procesan cuando está en uso.
| Título del conjunto de datos | URL (si es pública) | Propósito de utilizar los datos en el modelo |
|---|---|---|
| ISIC Chalenge 2019 y 2020 | https://challenge.isic-archive.com/  |
Entrenamiento para la detección de lesiones malignas |
| Dataset Ramón y Cajal | No es público. | Validación multicéntrica y posterior reentrenamiento junto con las imágenes de ISIC |
Se explica de qué forma el sistema procesa automáticamente los datos de entrada para generar los resultados del modelo.
- Tecnología utilizada:
- Se usó la plataforma de investigación desarrollada por Trasmural Biotech S.L., para la aplicación de algoritmos de ML/redes de DL a datasets de imágenes o datos clínicos
- Tipo de algoritmo:
- Predictivo de clasificación binaria
- Descripción del algoritmo:
- El algoritmo consiste en la aplicación de la red FCN-8S para la delineación de la región de interés a analizar, y de la red Inception para la clasificación binaria de malignidad/benignidad.
El total de imágenes usadas en el entrenamiento fueron 37688 imágenes de ISIC 2019/2020 más 571 imágenes del Hospital Ramón y Cajal.
El algoritmo devuelve una una confianza que se traduce en un porcentaje de riesgo en el informe, obtenido entre la confianza positiva y negativa devuelta por la red DL.- Código fuente y auditoría independiente:
- No, el código fuente es propiedad de Transmural Biotech S.L. así como el modelo de red entrenado.
Si se necesitara para una auditoría, si podría ponerse a disposición tras el acuerdo de confidencialidad correspondiente.
Se explica, si procede, si ha sido necesario implantar alguna medida para promover la igualdad y la no discriminación por motivos de edad, origen, nacionalidad, idioma, religión, creencia, opinión, actividad política, etc.
- Sesgo:
- No aplica.
- Accesibilidad:
- No aplica.
Se explica de qué forma las personas están al tanto o controlan el sistema, asegurándose de que no produzca efectos adversos o no deseados.
Sólo es una ayuda para priorizar listas de trabajo. La decisión final siempre es de la o el dermatólogo.
Riesgos conocidos asociados con el sistema y los métodos utilizados para mitigarlos.
- Descripción:
- No hay riesgos ya que el caso de uso clínico es la priorización de la lista de trabajo actual de los y las médicas, sin excluir ningún paciente de la lista de trabajo, de forma que la o el médico pueda prestar mayor y anterior atención a las imágenes catalogadas por la IA como de mayor riesgo de ser maligna.
- Riesgos conocidos:
- Únicamente los ya conocidos y analizados en el proceso realizado conforme a la norma EN ISO 14971 por ser producto sanitario.
- Informe de resultados tardío o ausente: no se produce daño al paciente por el uso clínico de esta información en pruebas planificadas que no tienen como objetivo responder a situaciones clínicas urgentes y la información proporcionada por quantusSkin puede obtenerse por otros medios.
- Falso negativo: el uso previsto es determinar la probabilidad de que exista un riesgo de cáncer de piel. El resultado proporcionado por quantusSkin no es un resultado de diagnóstico directo, sino una cuantificación de imagen utilizada como herramienta de ayuda para establecer el riesgo de cáncer de piel. El producto solo puede causar daño o lesión al paciente en caso de mal uso clínico o confianza excesiva en la información proporcionada.
- Falso positivo: no se produce daño al paciente al predecir el riesgo de enfermedad de la piel, lo que pone al paciente bajo vigilancia médica con controles innecesarios.
- Categoría de riesgo del algoritmo (inaceptable, alto, reducido o mínimo)
- Mínimo
- ¿Se utiliza algún sistema/procedimiento para medir el riesgo del algoritmo?
- Norma EN ISO 14971
Fecha de última modificación: