Resultados del estudio clínico

Presentamos el análisis cuantitativo de exactitud diagnóstica comparando una red neuronal convolucional (CNN) frente al criterio dermatológico e histopatológico en 80 pacientes adultos evaluados entre enero y julio de 2026 en Ciudad de México.

Rendimiento diagnóstico de la red neuronal

En la cohorte analizada, la red neuronal convolucional demostró una alta precisión diagnóstica al detectar 14 de los 15 melanomas confirmados y clasificar correctamente 61 de las 65 lesiones benignas. El modelo alcanzó una sensibilidad de 93.3%, una especificidad de 93.8%, un valor predictivo positivo (VPP) de 77.8% y un valor predictivo negativo (VPN) de 98.4%, consolidando una exactitud global del 93.8%.

Comparativa directa frente a la evaluación dermatológica

Al contrastar las evaluaciones clínicas presenciales con el estándar de oro histopatológico, los especialistas dermatológicos registraron una sensibilidad de 86.7%, una especificidad de 95.4% y una exactitud global coincidente de 93.8%. Estos datos evidencian que el algoritmo ofrece una sensibilidad superior en el cribado inicial, manteniendo una concordancia clínica sobresaliente.

Validación histopatológica y conclusiones

El estándar de referencia confirmó un total de 15 melanomas malignos y 65 lesiones cutáneas benignas. Con un valor predictivo negativo de 98.4%, el sistema de inteligencia artificial confirma su valor como herramienta de apoyo decisional para descartar malignidad de forma oportuna y optimizar la canalización quirúrgica y diagnóstica en centros de salud.