Una primera orientación para entender mejor tu piel.

Introducción

La salud dermatológica cumple un papel importante en la prevención, la detección temprana y el seguimiento de diversas enfermedades cutáneas. Sin embargo, el acceso oportuno a una evaluación especializada no es igual para toda la población peruana. Las diferencias geográficas, la disponibilidad limitada de especialistas y los tiempos de espera pueden dificultar que una persona reciba orientación médica cuando identifica una lesión nueva o un cambio en su piel.

En este contexto, las tecnologías de salud digital (HealthTech) ofrecen oportunidades para complementar los servicios tradicionales. SkinScan surge como una plataforma web SaaS freemium que emplea inteligencia artificial para realizar una evaluación preliminar de lesiones cutáneas a partir de fotografías. Su propósito no es sustituir al especialista, sino brindar información inicial comprensible que contribuya a una atención más informada y a la búsqueda oportuna de orientación profesional.

El problema: brecha dermatológica

La brecha dermatológica comprende las dificultades que enfrenta la población para acceder a servicios de prevención, evaluación y tratamiento de enfermedades de la piel. En el Perú, la disponibilidad de dermatólogos es reducida en relación con la población. Según el contexto de este proyecto, existen aproximadamente 1.1 dermatólogos por cada 100 000 habitantes, concentrados principalmente en Lima. Asimismo, una interconsulta dermatológica puede implicar tiempos de espera de 90 a 120 días.

La consecuencia potencial de esta brecha es que algunas personas posterguen la consulta, normalicen cambios cutáneos o no sepan qué nivel de atención necesitan. En lesiones sospechosas, como aquellas que podrían corresponder a un melanoma, la demora en la evaluación puede ser clínicamente relevante. No obstante, no toda lesión cutánea es maligna y no toda demora conduce necesariamente a un diagnóstico tardío.

Contexto sanitario en el Perú

El sistema sanitario peruano presenta diferencias importantes entre Lima y otras regiones en cuanto a infraestructura, disponibilidad de especialistas y acceso a servicios médicos. En zonas alejadas de los principales centros urbanos, una consulta dermatológica puede requerir desplazamientos, gastos adicionales y una mayor coordinación entre establecimientos.

La atención primaria cumple una función esencial en este escenario. Los médicos generales suelen constituir el primer punto de contacto para numerosos pacientes y pueden necesitar herramientas de apoyo que faciliten la identificación inicial de problemas dermatológicos y la decisión de derivar a un especialista.

Propuesta del proyecto: SkinScan y tecnología CNN

SkinScan se basa en el análisis de una fotografía de una lesión cutánea mediante un modelo de red neuronal convolucional (CNN). Las CNN son arquitecturas de aprendizaje profundo diseñadas para identificar patrones en imágenes. En términos generales, el modelo procesa características visuales, como formas, texturas y estructuras, y las utiliza para estimar la categoría más probable dentro de las clases para las que fue entrenado.

En SkinScan, el resultado se presenta como una clasificación preliminar, acompañada de un nivel de confianza y una interpretación en lenguaje simple. Es fundamental distinguir entre clasificación automatizada y diagnóstico médico. Una predicción generada a partir de una fotografía no incorpora necesariamente antecedentes, síntomas, evolución, palpación, dermatoscopia ni biopsia.

Beneficios principales

1. Accesibilidad y orientación inicial: una vía de acceso sencilla para personas que desean conocer más sobre una lesión cutánea.
2. Información comprensible: presentación clara del tipo probable de lesión, el nivel de confianza y una explicación sencilla.
3. Apoyo a profesionales y clínicas: herramienta de soporte para la evaluación inicial, la educación del paciente o la identificación de casos que requieren revisión especializada.
4. Potencial para la prevención: promover una actitud más activa frente a los cambios en la piel y la consulta oportuna.

Limitaciones y consideraciones éticas

El desempeño de un modelo CNN depende de la calidad y diversidad de los datos de entrenamiento, las condiciones de captura, la representación de distintos tonos de piel y la similitud entre las imágenes analizadas y aquellas utilizadas durante su desarrollo. No se deben atribuir a SkinScan porcentajes de precisión, sensibilidad o especificidad sin una validación formal.

La plataforma también debe considerar la privacidad y seguridad de las fotografías, el consentimiento informado, la gestión responsable de datos personales y la comunicación clara de sus alcances.

Conclusión

La brecha dermatológica en el Perú evidencia la necesidad de explorar soluciones que complementen, y no sustituyan, los servicios de salud existentes. SkinScan propone aprovechar la inteligencia artificial y las redes neuronales convolucionales para ofrecer una evaluación preliminar de lesiones cutáneas, acompañada de información comprensible para usuarios y profesionales. Su valor definitivo dependerá de la validación técnica, clínica y ética, así como de su integración responsable en los procesos de atención.