El Servicio Vasco de Salud adjudicó en 2022 un contrato de 1,6 millones de euros a Transmural Biotech para la implementación de Quantus Skin para identificar lesiones cutáneas potencialmente malignas.
Quantus Skin es un sistema basado en IA que analiza imágenes dermatoscópicas para identificar lesiones cutáneas potencialmente malignas. Su propósito es ayudar a los médicos de atención primaria a detectar temprano el melanoma y otros tipos de cáncer de piel, reduciendo los tiempos de espera para los pacientes y optimizando los recursos del sistema sanitario.
En lugar de realizar un diagnóstico por sí mismo, el algoritmo calcula una probabilidad de malignidad y proporciona esta información al dermatólogo, quien puede confirmar o descartar el diagnóstico. Este proceso tiene como objetivo priorizar a aquellos pacientes con mayor riesgo de desarrollar cáncer, mejorando así el flujo de trabajo en los centros de salud.
El proyecto de implantación de Quantus Skin en España comenzó en el País Vasco, donde el Servicio Vasco de Salud (Osakidetza) adjudicó en 2022 un contrato de 1,6 millones de euros a Transmural Biotech para la implementación de este algoritmo. La iniciativa tiene como objetivo integrarlo en los centros de salud y hospitales públicos de la región, buscando agilizar la detección de lesiones cutáneas y reducir las listas de espera para consultas dermatológicas.
Según los responsables del proyecto, la herramienta ayudará a priorizar a los pacientes que realmente necesitan atención urgente, permitiendo que los profesionales sanitarios se centren en aquellos casos más graves, mientras que otros pacientes pueden esperar más tiempo de forma segura.
Con casi 1,6 millones de euros de presupuesto, se espera que los beneficios se materialicen a largo plazo, tanto en términos de salud pública como de ahorro económico. Al identificar y tratar de forma temprana los casos de melanoma y otros tipos de cáncer de piel, los sistemas de salud podrían evitar los tratamientos más caros asociados con estadios avanzados de la enfermedad, lo que representaría un ahorro considerable.
Además de la implementación tecnológica, la formación del personal sanitario es clave. Los médicos de atención primaria deben estar bien preparados para utilizar la herramienta correctamente, lo que exige tiempo y recursos adicionales.
Un estudio reveló que Quantus Skin tiene una sensibilidad del 69%, lo que significa que podría pasar por alto hasta uno de cada tres melanomas.
Aunque la propuesta de usar IA para mejorar el diagnóstico del cáncer de piel ha sido recibida con entusiasmo por muchos, no está exenta de controversia. Uno de los principales puntos de preocupación son los resultados de las pruebas clínicas realizadas hasta el momento. Un estudio del Hospital Ramón y Cajal de Madrid y la Universidad Complutense en colaboración con Civio reveló que Quantus Skin tiene una sensibilidad del 69%, lo que significa que podría pasar por alto hasta uno de cada tres melanomas. Esto es un problema serio, ya que, aunque los algoritmos son eficaces en muchas áreas, su rendimiento no siempre es perfecto.
Otro de los aspectos críticos que se ha señalado es la falta de precisión en pacientes con piel más oscura. Quantus Skin fue entrenado mayoritariamente con imágenes de pacientes con piel clara, lo que ha generado inquietud entre los dermatólogos. La posibilidad de que el sistema no detecte adecuadamente las lesiones en personas de piel más oscura podría resultar en un diagnóstico incorrecto, lo que no solo pone en riesgo la salud de los pacientes, sino que también podría acentuar las desigualdades en el sistema sanitario.
Además del País Vasco, otras comunidades autónomas como Cataluña también están explorando el uso de algoritmos de IA en la sanidad. De hecho, Transmural Biotech ha recibido contratos en la región catalana para certificar herramientas de IA en el campo de la radiología, aunque en este caso no se ha especificado el uso de Quantus Skin. A nivel nacional, la adopción de IA en hospitales y centros de salud está avanzando, pero el ritmo de implementación varía significativamente según la comunidad.
