Algoritmo Dermatoscópico Simplificado para el Diagnóstico del Melanoma

INTRODUCCIÓN

La dermatoscopía es una técnica no invasiva para el diagnóstico del melanoma cutáneo. A pesar ser útil, la precisión diagnóstica de esta técnica depende principalmente de la experiencia del observador. Los algoritmos dermatoscópicos para el diagnóstico del melanoma disponibles en la actualidad no resultan prácticos y presentan limitaciones en términos de confiablidad y precisión.

Algunos estudios han informado que la colorimetría, la asimetría en los colores o las estructuras, o ambas, así como la presencia de diversas estructuras dermatoscópicas específicas del melanoma, permiten diferenciar las lesionas malignas de las benignas. El propósito de este estudio fue desarrollar un algoritmo diagnóstico dematoscópico que tenga precisión, sensibilidad y especificidad para detectar el melanoma cutáneo, independientemente de la experiencia del observador, y que fuera más fácil de implementar que los algoritmos dermatoscópicos disponibles.

MÉTODOS

Esta investigación retrospectiva y multicéntrica se llevó a cabo en España. Se analizaron imágenes dermatoscópicas de distintos tumores melanocíticos atípicos, confirmados mediante histología, presentes en pacientes mayores de 18 años que fueron derivados a los departamentos de dermatología de los autores. Las imágenes dermatoscópicas se seleccionaron de forma aleatoria de las bases de datos de imágenes, y fueron evaluadas por cuatro dermatólogos con diferentes niveles de experiencia en dermatoscopia, que desconocían el diagnóstico clínico e histológico. Para facilitar la elaboración del algoritmo, la evaluación de las imágenes se basó en la presencia o ausencia de estructuras específicas de melanoma que tenían mayor concordancia interobservador; estas incluyeron policromía (definida como la presencia de 3 colores o más), asimetría en los colores y estructuras, y presencia de estructuras dermatoscópicas específicas de melanoma, tales como una red pigmentada atípica, glóbulos irregulares, manchas irregulares, estrías, red pigmentada negativa, estructuras de regresión, velo blanco azulado, estrías blanco brillante, áreas rojas lechosas, pseudolagunas, patrón en arco iris y vasos irregulares. Los coeficientes de cada predictor para el diagnóstico de melanoma se estimaron mediante regresión logística. Además, se calculó la calibración y discriminación, la sensibilidad, la especificidad, los valores predictivos positivos y negativos, la precisión diagnóstica y el nivel de concordancia interobservador. El algoritmo se denominó de acuerdo con los términos Polychromy, Asymmetry y Specific Structures (PASS) y asigna un puntaje a cada una de las variables dermatoscópicas seleccionadas: un punto a la presencia de tres o más colores; un punto a la asimetría en colores o la disposición de estructuras dermatoscópicas en cualquier eje; un punto a la presencia de una estructura dermatoscópica específica de melanoma; dos puntos a la presencia de dos o más estructuras dermatoscópicas específicas de melanoma, y cero punto a la ausencia de alguna de estas variables. Así, el puntaje total varía de 0 a 4.

RESULTADOS

Se analizaron un total de 1120 imágenes dermatoscópicas correspondientes a 1120 tumores melanocíticos atípicos (320 melanomas y 800 no melanomas). Todas las variables dermatoscópicas estudiadas fueron estadísticamente más frecuentes en los melanomas que en los tumores melanocíticos benignos. La mayoría de los melanomas tenían 3 colores o más (280; 84.5%), asimetría en los colores o las estructuras (289; 90.3%) y al menos una estructura específica de melanoma (316; 98.7%); entre estos últimos, 264 (82.5%) melanomas presentaban dos o más estructuras específicas de melanoma. Todos los tumores con un puntaje PASS de 0 punto eran benignos y solo cuatro melanomas tenían un puntaje PASS de 1 punto. El puntaje PASS igual o mayor de 3 puntos demostró las máximas sensibilidad (91.9%), especificidad (87%) y precisión diagnóstica (88.4%) para la identificación de melanoma, por lo que se seleccionó como puntaje umbral para el diagnóstico de esta afección. Por su parte, el área bajo la curva (ABC) del algoritmo PASS fue de 0.947 (intervalo de confianza del 95%: 0.935 a 0.959) para el diagnóstico de melanoma. El nivel de concordancia interobservador del puntaje PASS fue moderado (K = 0.621).

DISCUSIÓN

La dermatoscopía permite identificar con mayor precisión el melanoma que el examen visual, y existen diversos algoritmos dermatoscópicos para diagnosticar esta condición. No obstante, es una técnica basada en valoraciones subjetivas que dependen de la experiencia del observador. Diversos estudios y análisis han informado que la identificación de colores y asimetrías en las estructuras de una lesión tienen un nivel de concordancia y poder de discriminación elevados, y más altos que la mayoría de las estructuras dermatoscópicas. Asimismo, diversos algoritmos dermatoscópicos se basan en estas variables. Esta premisa fue confirmada en el estudio que se comenta. La mayoría de los algoritmos incluyen criterios de estructuras dermatoscópicas específicas del melanoma, pero algunos melanomas pueden no presentar criterios dermatoscópicos específicos. En esta investigación, casi todos los melanomas tenían, al menos, una estructura específica de melanoma, y el 82.5% del total analizado tenían dos o más. El mayor estudio comparativo entre algoritmos de dermatoscopía realizado hasta la fecha, llevado a cabo en 2016, concluyó que el método Menzies demostró la sensibilidad más alta (95.1%) para la detección del melanoma, mientras que la lista de verificación de 3 puntos tuvo la sensibilidad más baja (68.9%). Por su parte, la mayor especificidad se observó con la regla ABCD (59.4%), y la más baja con el método Menzies (24.8%). Además, no se observaron diferencias estadísticamente significativas para el ABC del algoritmo CASH, la lista de verificación de 7 puntos, la lista de verificación de 3 puntos o las reglas de caos y pistas o ABCD; sin embargo, el método Menzies demostró un ABC ligeramente menor. Estos datos brindan una idea de la confiabilidad de estos algoritmos.

El algoritmo PASS considera únicamente variables dermatoscópicas para detectar con precisión, sensibilidad y especificidad el melanoma cutáneo, es sencillo de usar en la práctica diaria y reduce la variabilidad interobservador. Además, a diferencia de otros algoritmos dermatoscópicos, no requiere cálculos complejos. Los resultados del análisis de concordancia sugieren que el resultado del algoritmo PASS no depende de la experiencia de los investigadores en dermatoscopía.

El desarrollo de algoritmos que utilizan inteligencia artificial y redes neuronales está en auge y demuestran resultados prometedores, pero existen estudios que informan que el grado de precisión diagnóstica disminuye en la práctica diaria en la vida real.

La principal limitación de este estudio fue su diseño retrospectivo. Además, los criterios en los que se basa el algoritmo propuesto dificultan la comparación del rendimiento diagnóstico con otros algoritmos dermatoscópicos.

CONCLUSIONES

El algoritmo dermatoscópico simplificado PASS para el diagnóstico de melanoma basado en la policromía, la asimetría en los colores y las estructuras, y diversas estructuras específicas del melanoma, presenta buena precisión diagnóstica, independientemente de la experiencia del observador, y parece más fácil de implementar en la práctica diaria que otros algoritmos dermatoscópicos. Se requieren estudios adicionales para confirmar y validar los hallazgos de esta investigación.

REFERENCIAS

Resumen objetivo elaborado por el Comité de Redacción Científica de SIIC sobre la base del artículo Do not PASS Any Melanoma without Diagnosis: A New Simplified Dermoscopic Algorithm, de Avilés-Izquierdo J, García-Piqueras P, Rodríguez-Lomba E y colaboradores, integrantes de Hospital General Universitario Gregorio Marañón, Madrid, España. El artículo original, compuesto por 6 páginas, fue editado por International Journal of Dermatology, 62(4):518-523, Abr 2023.