El informe Skinive Accuracy 2021 “Dinámica de la precisión de las redes neuronales en el contexto de la modernización de los algoritmos de reconocimiento de patologías de la piel” se publica oficialmente en Social Science Research Network.
La red neuronal Skinive utiliza un algoritmo de aprendizaje automático para calcular la calificación de riesgo de las patologías cutáneas. Para este estudio, utilizamos las versiones 2020 y 2021 de Skinive entrenadas con 64.000 y 115.000 imágenes respectivamente. Utilizamos tres conjuntos de datos de validación para evaluar la sensibilidad del algoritmo. Cada conjunto de datos contiene 285 imágenes: precáncer + cáncer, patología cutánea por VPH, acné. También calculamos la especificidad en otro conjunto de validación que contenía 6.000 casos de neoplasias benignas.
El objetivo de este estudio era estimar la precisión del algoritmo Skinive en 2021.
Hemos mejorado el algoritmo para mostrar una disminución estadísticamente significativa del número de errores de la red neuronal en la determinación de los riesgos de patologías cutáneas.
Como resultado, la sensibilidad y la especificidad de la red neuronal Skinive indican que el algoritmo es muy preciso en la detección de diversas neoplasias y enfermedades cutáneas. La sensibilidad de la red neuronal Skinive en la detección de neoplasias malignas fue del 89,1% y del 95,4% en 2020 y 2021, respectivamente. La especificidad de la red neuronal Skinive en la determinación de neoplasias benignas fue del 95,3% en 2020 y del 97,9% en 2021.
En conclusión, para todas las neoplasias cutáneas: en 2020, la sensibilidad fue del 95,3%, para una especificidad del 93,5%. En comparación, en 2021, fue del 97,9% y del 97,1% respectivamente.
