array:24 [
  "pii" => "S0001731021002957"
  "issn" => "00017310"
  "doi" => "10.1016/j.ad.2021.07.003"
  "estado" => "S300"
  "fechaPublicacion" => "2022-01-01"
  "aid" => "2728"
  "copyrightAnyo" => "2021"
  "documento" => "article"
  "crossmark" => 1
  "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
  "subdocumento" => "rev"
  "cita" => "Actas Dermosifiliogr. 2022;113:30-46"
  "abierto" => array:3 [
    "ES" => true
    "ES2" => true
    "LATM" => true
  ]
  "gratuito" => true
  "lecturas" => array:1 [
    "total" => 0
  ]
  "itemSiguiente" => array:18 [
    "pii" => "S0001731022000047"
    "issn" => "00017310"
    "doi" => "10.1016/j.ad.2021.07.014"
    "estado" => "S300"
    "fechaPublicacion" => "2022-01-01"
    "aid" => "2866"
    "documento" => "article"
    "crossmark" => 1
    "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
    "subdocumento" => "rev"
    "cita" => "Actas Dermosifiliogr. 2022;113:T30-T46"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:1 [
      "total" => 0
    ]
    "en" => array:13 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">Review</span>"
      "titulo" => " Artificial intelligence in dermatology&#58; A threat or an opportunity&#63;"
      "tienePdf" => "en"
      "tieneTextoCompleto" => "en"
      "tieneResumen" => array:2 [
        0 => "en"
        1 => "es"
      ]
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "T30"
          "paginaFinal" => "T46"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "es" => array:1 [
          "titulo" => "Inteligencia artificial en dermatolog&#237;a&#58; &#191;amenaza u oportunidad&#63;"
        ]
      ]
      "contieneResumen" => array:2 [
        "en" => true
        "es" => true
      ]
      "contieneTextoCompleto" => array:1 [
        "en" => true
      ]
      "contienePdf" => array:1 [
        "en" => true
      ]
      "resumenGrafico" => array:2 [
        "original" => 0
        "multimedia" => array:8 [
          "identificador" => "fig0020"
          "etiqueta" => "Figure 4"
          "tipo" => "MULTIMEDIAFIGURA"
          "mostrarFloat" => true
          "mostrarDisplay" => false
          "figura" => array:1 [
            0 => array:4 [
              "imagen" => "gr4.jpeg"
              "Alto" => 855
              "Ancho" => 1508
              "Tamanyo" => 91427
            ]
          ]
          "detalles" => array:1 [
            0 => array:3 [
              "identificador" => "at0020"
              "detalle" => "Figure "
              "rol" => "short"
            ]
          ]
          "descripcion" => array:1 [
            "en" => "<p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">Model of artificial intelligence for defining lesions in dermatopathology&#46;</p>"
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "A&#46; Martorell, A&#46; Martin-Gorgojo, E&#46; R&#237;os-Vi&#241;uela, J&#46;M&#46; Rueda-Carnero, F&#46; Alfageme, R&#46; Taberner"
          "autores" => array:6 [
            0 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Martorell"
            ]
            1 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Martin-Gorgojo"
            ]
            2 => array:2 [
              "nombre" => "E&#46;"
              "apellidos" => "R&#237;os-Vi&#241;uela"
            ]
            3 => array:2 [
              "nombre" => "J&#46;M&#46;"
              "apellidos" => "Rueda-Carnero"
            ]
            4 => array:2 [
              "nombre" => "F&#46;"
              "apellidos" => "Alfageme"
            ]
            5 => array:2 [
              "nombre" => "R&#46;"
              "apellidos" => "Taberner"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "en"
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0001731022000047?idApp=UINPBA000044"
    "url" => "/00017310/0000011300000001/v2_202202160543/S0001731022000047/v2_202202160543/en/main.assets"
  ]
  "itemAnterior" => array:19 [
    "pii" => "S0001731022000035"
    "issn" => "00017310"
    "doi" => "10.1016/j.ad.2021.05.023"
    "estado" => "S300"
    "fechaPublicacion" => "2022-01-01"
    "aid" => "2865"
    "copyright" => "AEDV"
    "documento" => "article"
    "crossmark" => 1
    "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
    "subdocumento" => "fla"
    "cita" => "Actas Dermosifiliogr. 2022;113:T22-T29"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:1 [
      "total" => 0
    ]
    "en" => array:12 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">Original Article</span>"
      "titulo" => " What Proportion of the Spanish Dermatology Caseload Corresponds to Primarily Sexually Transmitted Infections and Other Anogenital Dermatoses&#63; Results From the DIADERM National Random Survey"
      "tienePdf" => "en"
      "tieneTextoCompleto" => "en"
      "tieneResumen" => array:2 [
        0 => "en"
        1 => "es"
      ]
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "T22"
          "paginaFinal" => "T29"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "es" => array:1 [
          "titulo" => "&#191;Cu&#225;nta carga asistencial suponen las infecciones de transmisi&#243;n predominantemente sexual y otras dermatosis anogenitales en las consultas de Dermatolog&#237;a en Espa&#241;a&#63; Resultados del muestreo aleatorio nacional DIADERM"
        ]
      ]
      "contieneResumen" => array:2 [
        "en" => true
        "es" => true
      ]
      "contieneTextoCompleto" => array:1 [
        "en" => true
      ]
      "contienePdf" => array:1 [
        "en" => true
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "A&#46; Martin-Gorgojo, A&#46; Comuni&#243;n-Artieda, M&#46;&#193;&#46; Descalzo-Gallego, S&#46; Arias-Santiago, A&#46; Molina-Leyva, Y&#46; Gilaberte, P&#46; Fern&#225;ndez-Crehuet, H&#46; Husein-ElAhmed, A&#46; Viera-Ram&#237;rez, P&#46; Fern&#225;ndez-Pe&#241;as, R&#46; Taberner, A&#46; Buend&#237;a-Eisman, I&#46; Garc&#237;a-Doval"
          "autores" => array:13 [
            0 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Martin-Gorgojo"
            ]
            1 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Comuni&#243;n-Artieda"
            ]
            2 => array:2 [
              "nombre" => "M&#46;&#193;&#46;"
              "apellidos" => "Descalzo-Gallego"
            ]
            3 => array:2 [
              "nombre" => "S&#46;"
              "apellidos" => "Arias-Santiago"
            ]
            4 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Molina-Leyva"
            ]
            5 => array:2 [
              "nombre" => "Y&#46;"
              "apellidos" => "Gilaberte"
            ]
            6 => array:2 [
              "nombre" => "P&#46;"
              "apellidos" => "Fern&#225;ndez-Crehuet"
            ]
            7 => array:2 [
              "nombre" => "H&#46;"
              "apellidos" => "Husein-ElAhmed"
            ]
            8 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Viera-Ram&#237;rez"
            ]
            9 => array:2 [
              "nombre" => "P&#46;"
              "apellidos" => "Fern&#225;ndez-Pe&#241;as"
            ]
            10 => array:2 [
              "nombre" => "R&#46;"
              "apellidos" => "Taberner"
            ]
            11 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Buend&#237;a-Eisman"
            ]
            12 => array:2 [
              "nombre" => "I&#46;"
              "apellidos" => "Garc&#237;a-Doval"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "en"
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0001731022000035?idApp=UINPBA000044"
    "url" => "/00017310/0000011300000001/v2_202202160543/S0001731022000035/v2_202202160543/en/main.assets"
  ]
  "asociados" => array:1 [
    0 => array:18 [
      "pii" => "S0001731022000047"
      "issn" => "00017310"
      "doi" => "10.1016/j.ad.2021.07.014"
      "estado" => "S300"
      "fechaPublicacion" => "2022-01-01"
      "aid" => "2866"
      "documento" => "article"
      "crossmark" => 1
      "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
      "subdocumento" => "rev"
      "cita" => "Actas Dermosifiliogr. 2022;113:T30-T46"
      "abierto" => array:3 [
        "ES" => true
        "ES2" => true
        "LATM" => true
      ]
      "gratuito" => true
      "lecturas" => array:1 [
        "total" => 0
      ]
      "en" => array:13 [
        "idiomaDefecto" => true
        "cabecera" => "<span class="elsevierStyleTextfn">Review</span>"
        "titulo" => " Artificial intelligence in dermatology&#58; A threat or an opportunity&#63;"
        "tienePdf" => "en"
        "tieneTextoCompleto" => "en"
        "tieneResumen" => array:2 [
          0 => "en"
          1 => "es"
        ]
        "paginas" => array:1 [
          0 => array:2 [
            "paginaInicial" => "T30"
            "paginaFinal" => "T46"
          ]
        ]
        "titulosAlternativos" => array:1 [
          "es" => array:1 [
            "titulo" => "Inteligencia artificial en dermatolog&#237;a&#58; &#191;amenaza u oportunidad&#63;"
          ]
        ]
        "contieneResumen" => array:2 [
          "en" => true
          "es" => true
        ]
        "contieneTextoCompleto" => array:1 [
          "en" => true
        ]
        "contienePdf" => array:1 [
          "en" => true
        ]
        "resumenGrafico" => array:2 [
          "original" => 0
          "multimedia" => array:8 [
            "identificador" => "fig0020"
            "etiqueta" => "Figure 4"
            "tipo" => "MULTIMEDIAFIGURA"
            "mostrarFloat" => true
            "mostrarDisplay" => false
            "figura" => array:1 [
              0 => array:4 [
                "imagen" => "gr4.jpeg"
                "Alto" => 855
                "Ancho" => 1508
                "Tamanyo" => 91427
              ]
            ]
            "detalles" => array:1 [
              0 => array:3 [
                "identificador" => "at0020"
                "detalle" => "Figure "
                "rol" => "short"
              ]
            ]
            "descripcion" => array:1 [
              "en" => "<p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">Model of artificial intelligence for defining lesions in dermatopathology&#46;</p>"
            ]
          ]
        ]
        "autores" => array:1 [
          0 => array:2 [
            "autoresLista" => "A&#46; Martorell, A&#46; Martin-Gorgojo, E&#46; R&#237;os-Vi&#241;uela, J&#46;M&#46; Rueda-Carnero, F&#46; Alfageme, R&#46; Taberner"
            "autores" => array:6 [
              0 => array:2 [
                "nombre" => "A&#46;"
                "apellidos" => "Martorell"
              ]
              1 => array:2 [
                "nombre" => "A&#46;"
                "apellidos" => "Martin-Gorgojo"
              ]
              2 => array:2 [
                "nombre" => "E&#46;"
                "apellidos" => "R&#237;os-Vi&#241;uela"
              ]
              3 => array:2 [
                "nombre" => "J&#46;M&#46;"
                "apellidos" => "Rueda-Carnero"
              ]
              4 => array:2 [
                "nombre" => "F&#46;"
                "apellidos" => "Alfageme"
              ]
              5 => array:2 [
                "nombre" => "R&#46;"
                "apellidos" => "Taberner"
              ]
            ]
          ]
        ]
      ]
      "idiomaDefecto" => "en"
      "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0001731022000047?idApp=UINPBA000044"
      "url" => "/00017310/0000011300000001/v2_202202160543/S0001731022000047/v2_202202160543/en/main.assets"
    ]
  ]
  "es" => array:19 [
    "idiomaDefecto" => true
    "cabecera" => "<span class="elsevierStyleTextfn">Revisi&#243;n</span>"
    "titulo" => "Inteligencia artificial en dermatolog&#237;a&#58; &#191;amenaza u oportunidad&#63;"
    "tieneTextoCompleto" => true
    "paginas" => array:1 [
      0 => array:2 [
        "paginaInicial" => "30"
        "paginaFinal" => "46"
      ]
    ]
    "autores" => array:1 [
      0 => array:4 [
        "autoresLista" => "A&#46; Martorell, A&#46; Martin-Gorgojo, E&#46; R&#237;os-Vi&#241;uela, J&#46;M&#46; Rueda-Carnero, F&#46; Alfageme, R&#46; Taberner"
        "autores" => array:6 [
          0 => array:4 [
            "nombre" => "A&#46;"
            "apellidos" => "Martorell"
            "email" => array:1 [
              0 => "martorelldermatologia@gmail.com"
            ]
            "referencia" => array:2 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">a</span>"
                "identificador" => "aff0005"
              ]
              1 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">&#42;</span>"
                "identificador" => "cor0005"
              ]
            ]
          ]
          1 => array:3 [
            "nombre" => "A&#46;"
            "apellidos" => "Martin-Gorgojo"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">b</span>"
                "identificador" => "aff0010"
              ]
            ]
          ]
          2 => array:3 [
            "nombre" => "E&#46;"
            "apellidos" => "R&#237;os-Vi&#241;uela"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">c</span>"
                "identificador" => "aff0015"
              ]
            ]
          ]
          3 => array:3 [
            "nombre" => "J&#46;M&#46;"
            "apellidos" => "Rueda-Carnero"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">a</span>"
                "identificador" => "aff0005"
              ]
            ]
          ]
          4 => array:3 [
            "nombre" => "F&#46;"
            "apellidos" => "Alfageme"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">d</span>"
                "identificador" => "aff0020"
              ]
            ]
          ]
          5 => array:3 [
            "nombre" => "R&#46;"
            "apellidos" => "Taberner"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">e</span>"
                "identificador" => "aff0025"
              ]
            ]
          ]
        ]
        "afiliaciones" => array:5 [
          0 => array:3 [
            "entidad" => "Servicio de Dermatolog&#237;a&#44; Hospital de Manises&#44; Manises&#44; Valencia&#44; Espa&#241;a"
            "etiqueta" => "a"
            "identificador" => "aff0005"
          ]
          1 => array:3 [
            "entidad" => "Servicio de ITS&#47;Dermatolog&#237;a&#44; Secci&#243;n de Especialidades M&#233;dicas&#44; Ayuntamiento de Madrid&#44; Madrid&#44; Espa&#241;a"
            "etiqueta" => "b"
            "identificador" => "aff0010"
          ]
          2 => array:3 [
            "entidad" => "Servicio de Dermatologia&#46; Fundaci&#243;n Instituto Valenciano de Oncolog&#237;a&#44; Valencia&#44; Espa&#241;a"
            "etiqueta" => "c"
            "identificador" => "aff0015"
          ]
          3 => array:3 [
            "entidad" => "Servicio de Dermatolog&#237;a&#44; Hospital Puerta de Hierro&#44; Madrid&#44; Espa&#241;a"
            "etiqueta" => "d"
            "identificador" => "aff0020"
          ]
          4 => array:3 [
            "entidad" => "Departamento de Dermatolog&#237;a&#44; Hospital Universitari Son Ll&#224;tzer&#44; Palma de Mallorca&#44; Espa&#241;a"
            "etiqueta" => "e"
            "identificador" => "aff0025"
          ]
        ]
        "correspondencia" => array:1 [
          0 => array:3 [
            "identificador" => "cor0005"
            "etiqueta" => "&#8270;"
            "correspondencia" => "Autor para correspondencia&#46;"
          ]
        ]
      ]
    ]
    "titulosAlternativos" => array:1 [
      "en" => array:1 [
        "titulo" => "Artificial Intelligence in Dermatology&#58; A Threat or an Opportunity&#63;"
      ]
    ]
    "resumenGrafico" => array:2 [
      "original" => 1
      "multimedia" => array:5 [
        "identificador" => "fig0045"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => false
        "mostrarDisplay" => true
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "fx1.jpeg"
            "Alto" => 1085
            "Ancho" => 964
            "Tamanyo" => 143458
          ]
        ]
      ]
    ]
    "textoCompleto" => "<span class="elsevierStyleSections"><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0030">Introducci&#243;n</span><p id="par0005" class="elsevierStylePara elsevierViewall">Tal y como dec&#237;a Marie Curie&#58; &#171;No hay que temer nada en la vida&#44; solo hay que entenderlo&#46; Ahora es el momento de entender m&#225;s&#44; para que podamos temer menos&#187;&#46; Y es que&#44; por regla general&#44; tememos aquello que desconocemos&#44; y alrededor de este desconocimiento suele surgir una capa de misterio y leyenda&#46;</p><p id="par0010" class="elsevierStylePara elsevierViewall">Por ello&#44; en el presente art&#237;culo de revisi&#243;n pretendemos introducir una serie de aspectos b&#225;sicos de la IA aplicada a la dermatolog&#237;a&#44; as&#237; como diferentes ejemplos de c&#243;mo la IA puede llegar a ser aplicada en nuestra especialidad&#46;</p><p id="par0015" class="elsevierStylePara elsevierViewall">Nuestro objetivo es animar a todos los especialistas en dermatolog&#237;a a profundizar m&#225;s en esta nueva subespecialidad a aprender y a liderar su desarrollo&#44; actualmente abandonado en manos de ingenieros que en muchos casos restan importancia a un correcto diagn&#243;stico m&#233;dico&#44; o le dan un enfoque inadecuado que limita que dicha innovaci&#243;n nos pueda ser realmente de utilidad&#46;</p><p id="par0020" class="elsevierStylePara elsevierViewall">El presente art&#237;culo ha sido desarrollado por m&#233;dicos especialistas en dermatolog&#237;a m&#233;dico-quir&#250;rgica y venereolog&#237;a que han tenido experiencia directa o indirecta en este nuevo campo de salud&#44; y que pretenden dar luz a aquellos aspectos m&#225;s relevantes para entender lo que la IA puede significar en su futuro m&#233;dico&#46;</p><span id="sec0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0035">Unas nociones b&#225;sicas de inteligencia artificial</span><p id="par0025" class="elsevierStylePara elsevierViewall">Es muy habitual leer y escuchar &#8212;en presentaciones m&#233;dicas&#44; <span class="elsevierStyleItalic">podcasts</span> y entrevistas&#8212; noticias acerca de IA&#44; aprendizaje autom&#225;tico y redes neuronales&#44; entre otros t&#233;rminos&#46;</p><p id="par0030" class="elsevierStylePara elsevierViewall">B&#225;sicamente&#44; la IA es una tecnolog&#237;a desarrollada capaz de imitar las funciones cognitivas del ser humano<a class="elsevierStyleCrossRef" href="#bib0580"><span class="elsevierStyleSup">1</span></a>&#46; Dentro de ella diferenciamos 3 tipos fundamentales&#44; que se incluyen en la tabla 1&#46;</p><p id="par0035" class="elsevierStylePara elsevierViewall">El t&#233;rmino <span class="elsevierStyleItalic"><span class="elsevierStyleBold">big data</span></span> se refiere al conjunto de datos o combinaciones de conjuntos de datos cuyo tama&#241;o &#40;volumen&#41;&#44; complejidad &#40;variabilidad&#41; y velocidad de crecimiento dificultan su captura&#44; gesti&#243;n&#44; procesamiento o an&#225;lisis mediante tecnolog&#237;as y herramientas convencionales&#44; tales como ordenadores personales&#44; bases de datos relacionales y herramientas estad&#237;sticas convencionales &#40;como&#44; por ejemplo&#44; el software SPSS&#174;&#41;<a class="elsevierStyleCrossRef" href="#bib0580"><span class="elsevierStyleSup">1</span></a>&#46; Este tipo de an&#225;lisis permite gestionar ingentes cantidades de datos y generar modelos de predicci&#243;n &#250;tiles para nuestra pr&#225;ctica cl&#237;nica como&#44; por ejemplo&#44; predecir qu&#233; perfil de paciente va a sufrir m&#225;s procesos infecciosos en el &#225;rea quir&#250;rgica a fin de tomar medidas preventivas&#46;</p><p id="par0040" class="elsevierStylePara elsevierViewall">El aprendizaje autom&#225;tico o <span class="elsevierStyleItalic">machine learning</span> &#40;ML&#41; es un tipo de IA que proporciona a las computadoras la capacidad de aprender desde los datos&#44; sin ser programadas expl&#237;citamente &#40;<a class="elsevierStyleCrossRef" href="#fig0005">fig&#46; 1</a>&#41;&#46; Esta tecnolog&#237;a se encuentra en el coraz&#243;n de la IA y de la gesti&#243;n del <span class="elsevierStyleItalic">big data</span>&#44; y por ello ha despertado gran inter&#233;s en los &#250;ltimos a&#241;os y es en la que profundizaremos un poco m&#225;s&#44; dado que se trata de la modalidad m&#225;s utilizada en dermatolog&#237;a&#44; junto al <span class="elsevierStyleItalic">deep learning</span><a class="elsevierStyleCrossRef" href="#bib0585"><span class="elsevierStyleSup">2</span></a>&#46;</p><elsevierMultimedia ident="fig0005"></elsevierMultimedia></span><span id="sec0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0040">Aprendizaje autom&#225;tico&#58; <span class="elsevierStyleItalic">machine learning</span> y <span class="elsevierStyleItalic">deep learning</span></span><p id="par0045" class="elsevierStylePara elsevierViewall">Una de las ramas de la inteligencia artificial de mayor aplicaci&#243;n en medicina es el aprendizaje autom&#225;tico o ML&#44; que consiste en el an&#225;lisis independiente de datos gracias a la generaci&#243;n de algoritmos de toma de decisiones propios<a class="elsevierStyleCrossRefs" href="#bib0585"><span class="elsevierStyleSup">2&#8211;4</span></a>&#46; Esta tecnolog&#237;a permite la identificaci&#243;n de patrones para realizar clasificaciones y distintas predicciones&#46;</p><p id="par0050" class="elsevierStylePara elsevierViewall">El ML funciona alimentando un algoritmo con datos de entrada que recogen observaciones del pasado y construye un modelo para predecir y clasificar nuevas observaciones no conocidas por el algoritmo&#44; imitando un proceso cognitivo humano &#40;<a class="elsevierStyleCrossRef" href="#fig0010">fig&#46; 2</a>&#41;&#46;</p><elsevierMultimedia ident="fig0010"></elsevierMultimedia><p id="par0055" class="elsevierStylePara elsevierViewall">Dentro de los modelos de <span class="elsevierStyleItalic">ML</span> m&#225;s populares dentro del &#225;mbito sanitario est&#225;n las redes neuronales convolucionales &#40;o CNN&#44; del ingl&#233;s <span class="elsevierStyleItalic">convolutional neural networks</span>&#41;&#44; que imitan el funcionamiento de las neuronas cerebrales&#46; Las <span class="elsevierStyleItalic">CNN</span> est&#225;n formadas por capas de variables interconectadas entre s&#237; con unos pesos que el algoritmo va calculando y ajustando mediante iteraciones &#40;repeticiones&#41; de un proceso que se conoce como &#171;descenso del gradiente&#187;&#46;</p><p id="par0060" class="elsevierStylePara elsevierViewall">En dermatolog&#237;a habitualmente utilizamos m&#250;ltiples variables&#44; por lo que se necesitan m&#250;ltiples &#171;neuronas&#187; para tejer una red de conexiones que nos generen informaci&#243;n &#250;til&#46; As&#237;&#44; cuando hablamos de un sistema que basa su informaci&#243;n en m&#225;s de una capa de informaci&#243;n&#44; nos referimos al <span class="elsevierStyleItalic">deep learning</span> &#40;DL&#41; o aprendizaje profundo&#46; Este tipo de redes generan excelentes resultados&#44; siempre y cuando cumplamos con sus 2 premisas fundamentales&#58; cantidad y calidad de datos <span class="elsevierStyleItalic">&#40;big data&#41;</span>&#44; tanto de imagen como de informaci&#243;n &#40;<a class="elsevierStyleCrossRef" href="#fig0015">fig&#46; 3</a>&#41;&#46;</p><elsevierMultimedia ident="fig0015"></elsevierMultimedia></span><span id="sec0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0045">Modelos de aprendizaje de la inteligencia artificial</span><p id="par0065" class="elsevierStylePara elsevierViewall">La inteligencia artificial &#40;ML&#44; DL&#41; puede ser entrenada principalmente de 3 modos&#58; supervisado&#44; no supervisado y por refuerzo&#46;</p><p id="par0070" class="elsevierStylePara elsevierViewall">En el <span class="elsevierStyleItalic">modelo de aprendizaje supervisado</span> el algoritmo de IA se entrena con un conjunto de ejemplos etiquetados por el experto en los que los resultados de salida son conocidos&#46; Este es el modelo que encontramos habitualmente en aplicaciones dermatol&#243;gicas&#44; cuyo contenido de entrenamiento son im&#225;genes etiquetadas con su diagn&#243;stico o par&#225;metro de entrenamiento seleccionado<a class="elsevierStyleCrossRefs" href="#bib0600"><span class="elsevierStyleSup">5&#44;6</span></a>&#46; A modo de ejemplo de este modelo de aprendizaje supervisado en el campo de la dermatopatolog&#237;a en la primera fase se &#171;ense&#241;a&#187; a la m&#225;quina a reconocer caracter&#237;sticas y patrones concretos&#44; y regiones de inter&#233;s&#44; validados en este caso por un dermatopat&#243;logo &#40;por ejemplo&#44; caracter&#237;sticas y patrones asociados a lesiones melanoc&#237;ticas benignas frente a lesiones malignas &#91;<a class="elsevierStyleCrossRef" href="#fig0020">fig&#46; 4</a>&#93;&#41;&#46; Estas caracter&#237;sticas y patrones basales constituyen la llamada verdad fundamental &#40;en ingl&#233;s <span class="elsevierStyleItalic">ground truth</span>&#41;&#46; En una segunda fase&#44; gracias a estos algoritmos de DL&#44; la m&#225;quina es capaz de reconocer estos patrones y regiones de inter&#233;s en lesiones no analizadas previamente&#44; y realizar un diagn&#243;stico de benignidad o malignidad en funci&#243;n de estos algoritmos propios<a class="elsevierStyleCrossRefs" href="#bib0595"><span class="elsevierStyleSup">4&#44;5</span></a>&#46;</p><elsevierMultimedia ident="fig0020"></elsevierMultimedia><p id="par0075" class="elsevierStylePara elsevierViewall">El <span class="elsevierStyleItalic">modelo no supervisado</span> se basa en datos sin etiquetar en el que la estructura y el resultado de salida son desconocidos <span class="elsevierStyleItalic">a priori</span>&#46; B&#225;sicamente este tipo de algoritmos buscan patrones de agrupaci&#243;n &#40;cl&#250;steres&#41; para sujetos que por sus caracter&#237;sticas en las diferentes variables que les definen muestran similitudes<a class="elsevierStyleCrossRef" href="#bib0610"><span class="elsevierStyleSup">7</span></a>&#46; No existen demasiadas aplicaciones de este tipo de IA en dermatolog&#237;a debido a que en la mayor&#237;a de las situaciones son algoritmos aplicados a im&#225;genes&#46; Este tipo de modelo suele utilizarse en situaciones en las que se quieren llevar a cabo predicciones o en caso de necesitar clasificadores r&#225;pidos para la realizaci&#243;n de miner&#237;a de datos<a class="elsevierStyleCrossRef" href="#bib0615"><span class="elsevierStyleSup">8</span></a>&#46; Un ejemplo de aprendizaje no supervisado ser&#237;a la generaci&#243;n clasificadores de &#171;melanoma versus no melanoma&#187; a partir del entrenamiento de un modelo que agrupe&#47;clasifique las im&#225;genes&#44; mediante patrones detectados por el propio algoritmo<a class="elsevierStyleCrossRef" href="#bib0615"><span class="elsevierStyleSup">8</span></a>&#46;</p></span></span><span id="sec0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0050">Inteligencia artificial aplicada a la enfermedad inflamatoria</span><p id="par0080" class="elsevierStylePara elsevierViewall">Los algoritmos de DL se han utilizado con fines de clasificaci&#243;n en diferentes enfermedades inflamatorias dermatol&#243;gicas&#46; A continuaci&#243;n&#44; presentamos algunas de las m&#225;s relevantes&#46;</p><span id="sec0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0055">Psoriasis</span><p id="par0085" class="elsevierStylePara elsevierViewall">Los algoritmos basados en IA pueden resultar &#250;tiles tanto para realizar una evaluaci&#243;n cl&#237;nica m&#225;s precisa como para ayudar a desarrollar protocolos terap&#233;uticos personalizados y predicciones de resultados<a class="elsevierStyleCrossRef" href="#bib0620"><span class="elsevierStyleSup">9</span></a>&#46;</p><p id="par0090" class="elsevierStylePara elsevierViewall">El primer programa de IA dise&#241;ado para la psoriasis fue creado por Guo et al&#46; en 2014<a class="elsevierStyleCrossRef" href="#bib0625"><span class="elsevierStyleSup">10</span></a>&#46; Su objetivo era predecir el desarrollo de psoriasis utilizando perfiles de expresi&#243;n gen&#233;tica basados en <span class="elsevierStyleItalic">microarray</span> de 2 conjuntos de datos&#46; El clasificador binario utilizado logr&#243; una precisi&#243;n global del 99&#44;81&#37;&#46;</p><p id="par0095" class="elsevierStylePara elsevierViewall">Se han propuesto varios intentos de desarrollo de un programa de IA que ayude a evaluar la gravedad de la psoriasis<a class="elsevierStyleCrossRefs" href="#bib0630"><span class="elsevierStyleSup">11&#8211;13</span></a>&#46; En uno de los &#250;ltimos modelos los autores utilizaron 3 clasificadores est&#225;ndar diferentes &#40;m&#225;quinas de soporte vectorial <span class="elsevierStyleItalic">&#40;support vector machine&#41;</span>&#44; &#225;rbol de decisi&#243;n <span class="elsevierStyleItalic">&#40;decision tree&#41;</span> y redes neuronales artificiales <span class="elsevierStyleItalic">&#40;artificial neural network&#41;</span> para estratificar el riesgo y evaluar 3 atributos principales&#58; color&#44; textura y espectros de orden superior&#46; Para entrenar a este clasificador se utilizaron 670 im&#225;genes de psoriasis&#46; Los clasificadores realizaron una segmentaci&#243;n de las lesiones y las clasificaron en las clases sana o enferma&#46; Este modelo alcanz&#243; una precisi&#243;n del 99&#44;84&#37;&#44; una sensibilidad del 99&#44;76&#37; y una especificidad del 99&#44;99&#37;&#46; Dado que el tama&#241;o de la muestra era peque&#241;o&#44; los resultados podr&#237;an haberse visto afectados por sobreajuste <span class="elsevierStyleItalic">&#40;overfitting&#41;</span>&#46;</p><p id="par0100" class="elsevierStylePara elsevierViewall">Otros estudios tratan de desarrollar un sistema para estratificar la gravedad de la psoriasis utilizando el <span class="elsevierStyleItalic">Psoriasis Area and Severity Index</span> &#40;PASI&#41;&#44; evaluando el &#225;rea afectada<a class="elsevierStyleCrossRefs" href="#bib0645"><span class="elsevierStyleSup">14&#44;15</span></a>&#44; la descamaci&#243;n<a class="elsevierStyleCrossRef" href="#bib0655"><span class="elsevierStyleSup">16</span></a>&#44; la induraci&#243;n y el color<a class="elsevierStyleCrossRef" href="#bib0660"><span class="elsevierStyleSup">17</span></a> y el eritema de forma aislada<a class="elsevierStyleCrossRef" href="#bib0665"><span class="elsevierStyleSup">18</span></a>&#46;</p><p id="par0105" class="elsevierStylePara elsevierViewall">Nuevos estudios han logrado mejorar la detecci&#243;n autom&#225;tica de lesiones de psoriasis mediante el uso de la segmentaci&#243;n basada en cl&#250;steres <span class="elsevierStyleItalic">&#40;cluster based segmentation&#41;</span> junto con t&#233;cnicas de inteligencia de enjambre <span class="elsevierStyleItalic">&#40;swarm intelligence techniques&#41;</span><a class="elsevierStyleCrossRef" href="#bib0670"><span class="elsevierStyleSup">19</span></a>&#46;</p><p id="par0110" class="elsevierStylePara elsevierViewall">Recientemente&#44; y siguiendo alguno de los modelos anteriores&#44; se presentaron los resultados del proyecto IMAPSORS&#44; incluidos dentro del proyecto SKIANA&#174;&#44; cuya tecnolog&#237;a ha sido cofinanciada por la Comisi&#243;n Europea&#44; encaminado a generar informaci&#243;n cuantificable de la piel del paciente psori&#225;sico a partir de la toma de imagen mediante dispositivos m&#243;viles de uso personal&#46; Los resultados obtenidos en la capacidad de detecci&#243;n de psoriasis y en la definici&#243;n de la gravedad de forma automatizada en forma de PASI y BSA&#44; tanto cuantitativa como cualitativamente&#44; abre la puerta a una mejora en la definici&#243;n de la gravedad y en la detecci&#243;n precoz de las formas moderada y grave &#40;<a class="elsevierStyleCrossRef" href="#fig0025">figs&#46; 5</a>A y B&#41;<a class="elsevierStyleCrossRef" href="#bib0675"><span class="elsevierStyleSup">20</span></a>&#46;</p><elsevierMultimedia ident="fig0025"></elsevierMultimedia><p id="par0115" class="elsevierStylePara elsevierViewall">Tambi&#233;n se han desarrollado programas de IA para evaluar y optimizar el tratamiento de la psoriasis&#44; en concreto para determinar la respuesta a largo plazo a los tratamientos biol&#243;gicos&#46; El primero de estos estudios se bas&#243; en 2 modelos de aprendizaje autom&#225;tico <span class="elsevierStyleItalic">&#40;machine learning&#41;</span> que estudiaban la expresi&#243;n gen&#233;tica de biopsias cut&#225;neas<a class="elsevierStyleCrossRef" href="#bib0680"><span class="elsevierStyleSup">21</span></a>&#46; Estos modelos fueron capaces de predecir la respuesta PASI 75 despu&#233;s de 12 semanas de tratamiento&#44; evaluando el perfil molecular del tratamiento a corto plazo &#40;2-4 semanas&#41;&#46; Otro estudio utiliz&#243; el an&#225;lisis de <span class="elsevierStyleItalic">multi-omics</span> en pacientes en tratamiento con etanercept&#44; encontrando indicadores de respuesta al tratamiento en genes y v&#237;as asociadas con la se&#241;alizaci&#243;n del factor de necrosis tumoral y el complejo mayor de histocompatibilidad<a class="elsevierStyleCrossRef" href="#bib0685"><span class="elsevierStyleSup">22</span></a>&#46;</p><p id="par0120" class="elsevierStylePara elsevierViewall">Aunque el estudio de la expresi&#243;n g&#233;nica en muestras de biopsias resulta prometedor&#44; se han ensayado m&#233;todos que permiten evitar el car&#225;cter invasivo de esta t&#233;cnica&#46; En ese sentido&#44; se desarroll&#243; un modelo predictivo a partir de medidas bioqu&#237;micas en sangre<a class="elsevierStyleCrossRef" href="#bib0690"><span class="elsevierStyleSup">23</span></a>&#46; Sin embargo&#44; modelos m&#225;s simples basados en el &#237;ndice PASI resultaron mejores predictores&#44; por lo que ser&#225;n necesarios m&#225;s estudios en este sentido&#46;</p><p id="par0125" class="elsevierStylePara elsevierViewall">Otro estudio reciente utiliz&#243; un programa para la predicci&#243;n de la respuesta de los pacientes con psoriasis a la terapia biol&#243;gica utilizando par&#225;metros de informaci&#243;n b&#225;sica de salud&#44; como la edad de inicio de la psoriasis y el peso del paciente<a class="elsevierStyleCrossRef" href="#bib0695"><span class="elsevierStyleSup">24</span></a>&#46;</p><p id="par0130" class="elsevierStylePara elsevierViewall">Los modelos de IA tambi&#233;n pueden utilizarse para descubrir potenciales tratamientos fuera de ficha t&#233;cnica para la psoriasis y otras enfermedades inflamatorias&#44; mediante modelos que utilizan la informaci&#243;n de palabras de art&#237;culos cient&#237;ficos y la clasificaci&#243;n de enfermedades para identificar potenciales f&#225;rmacos<a class="elsevierStyleCrossRef" href="#bib0700"><span class="elsevierStyleSup">25</span></a>&#46;</p><p id="par0135" class="elsevierStylePara elsevierViewall">Tambi&#233;n se han utilizado programas de IA para estudiar las comorbilidades de la psoriasis&#46; Uno de estos programas identific&#243; predictores de enfermedad coronaria en pacientes con psoriasis&#44; entre los que se encontraban la obesidad&#44; la dislipidemia y la inflamaci&#243;n<a class="elsevierStyleCrossRef" href="#bib0705"><span class="elsevierStyleSup">26</span></a>&#46;</p><p id="par0140" class="elsevierStylePara elsevierViewall">Otra comorbilidad que afecta a aproximadamente a un 25&#37; de los pacientes con psoriasis es la artritis psori&#225;sica&#44; para cuyo desarrollo no existe a&#250;n un m&#233;todo eficaz de predicci&#243;n&#46; Se ha desarrollado un programa de IA a trav&#233;s del genotipo de pacientes con psoriasis y artritis psori&#225;sica&#44; diferenciando entre ambas enfermedades en funci&#243;n de 200 marcadores gen&#233;ticos y alcanzando un &#225;rea bajo la curva ROC de 0&#44;82&#46; Este es el primer estudio que muestra una predicci&#243;n robusta del desarrollo de artritis psori&#225;sica utilizando solo informaci&#243;n gen&#233;tica<a class="elsevierStyleCrossRef" href="#bib0710"><span class="elsevierStyleSup">27</span></a>&#46;</p></span><span id="sec0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0060">Dermatitis at&#243;pica</span><p id="par0145" class="elsevierStylePara elsevierViewall">La IA en la dermatitis at&#243;pica podr&#237;a servir de ayuda tanto en el diagn&#243;stico como en el tratamiento personalizado y la predicci&#243;n de su resultado&#46; Tambi&#233;n podr&#237;a ser &#250;til para ayudar a estandarizar y reducir el tiempo de evaluaci&#243;n de los pacientes&#46;</p><p id="par0150" class="elsevierStylePara elsevierViewall">La investigaci&#243;n en IA en el campo de la dermatitis at&#243;pica est&#225;&#44; no obstante&#44; en sus comienzos&#46;</p><p id="par0155" class="elsevierStylePara elsevierViewall">Se ha dise&#241;ado un algoritmo de ML que identificaba dermatitis at&#243;pica desde registros electr&#243;nicos de salud<a class="elsevierStyleCrossRef" href="#bib0715"><span class="elsevierStyleSup">28</span></a>&#46; Para ello&#44; se utiliz&#243; un procesador de lenguaje natural que permiti&#243; incorporar tanto datos estructurados como no estructurados&#46; Utilizando 562 notas cl&#237;nicas los dise&#241;adores lograron un valor predictivo positivo del 84&#37; y una sensibilidad del 75&#37;&#46;</p><p id="par0160" class="elsevierStylePara elsevierViewall">Otro grupo desarroll&#243; una red neuronal artificial para la detecci&#243;n de dermatitis at&#243;pica frente a piel sana utilizando informaci&#243;n de im&#225;genes<a class="elsevierStyleCrossRef" href="#bib0720"><span class="elsevierStyleSup">29</span></a>&#46; No obstante&#44; el n&#250;mero de muestras utilizado fue bajo&#44; dado que se trataba de un estudio exploratorio&#46;</p></span><span id="sec0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0065">Onicomicosis</span><p id="par0165" class="elsevierStylePara elsevierViewall">Un estudio reciente<a class="elsevierStyleCrossRef" href="#bib0725"><span class="elsevierStyleSup">30</span></a> compar&#243; a un grupo de dermat&#243;logos con una CNN para la detecci&#243;n de onicomicosis&#46; Se utilizaron 49&#46;567 im&#225;genes para entrenar al clasificador para distinguir entre onicomicosis y u&#241;as normales&#46; En su validaci&#243;n este clasificador obtuvo una sensibilidad del 82&#44;7-96&#44;7&#37; y una especificidad del 69&#44;3-96&#44;7&#37;&#46; El &#225;rea bajo la curva ROC fue del 0&#44;82-0&#44;98&#46; La capacidad del clasificador para diferenciar u&#241;as sanas de u&#241;as con onicomicosis fue estad&#237;sticamente superior que la de los dermat&#243;logos en este estudio&#46;</p></span><span id="sec0045" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0070">Ros&#225;cea y acn&#233;</span><p id="par0170" class="elsevierStylePara elsevierViewall">La evaluaci&#243;n cl&#237;nica de los pacientes con ros&#225;cea&#44; al igual que ocurre en otras enfermedades inflamatorias&#44; a menudo presenta una importante variabilidad intra e interobservador&#46; Por ello&#44; Binol et al&#46; desarrollaron un programa de IA basado en el uso de CNN con el fin de realizar una evaluaci&#243;n cuantitativa y reproducible de las lesiones&#44; despu&#233;s de haber sido entrenado con m&#225;s de un mill&#243;n de im&#225;genes&#46; Estos autores definen as&#237; mismo lo que denominan regiones de inter&#233;s anat&#243;mico&#44; que son aquellas &#225;reas faciales altamente susceptibles de ros&#225;cea&#44; lo que produce un descenso significativo de los falsos positivos en la identificaci&#243;n de lesiones de ros&#225;cea<a class="elsevierStyleCrossRef" href="#bib0730"><span class="elsevierStyleSup">31</span></a>&#46;</p><p id="par0175" class="elsevierStylePara elsevierViewall">Del mismo modo&#44; el procesamiento digital de im&#225;genes ha sido utilizado para la detecci&#243;n autom&#225;tica de lesiones de acn&#233;&#44; con la intenci&#243;n de realizar una contabilizaci&#243;n m&#225;s precisa y reproducible&#46; Min et al&#46; desarrollaron un sistema que contabiliza de forma autom&#225;tica 5 subtipos de lesiones &#40;p&#225;pulas&#44; n&#243;dulos&#44; p&#250;stulas&#44; comedones cerrados y comedones abiertos&#41; y los compararon con el recuento manual por un dermat&#243;logo experto&#46; En las lesiones evaluadas en 25 pacientes encontraron una sensibilidad y una especificidad mayor del 70&#37;<a class="elsevierStyleCrossRef" href="#bib0735"><span class="elsevierStyleSup">32</span></a>&#46; Otros estudios han utilizado la segmentaci&#243;n de lesiones de acn&#233; descomponiendo la imagen en un n&#250;mero de regiones homog&#233;neas basadas en la similitud de su color<a class="elsevierStyleCrossRef" href="#bib0740"><span class="elsevierStyleSup">33</span></a>&#46;</p><p id="par0180" class="elsevierStylePara elsevierViewall">Dado que la gravedad del acn&#233; es el principal determinante en la elecci&#243;n de tratamiento&#44; estos m&#233;todos de evaluaci&#243;n basados en el procesamiento de im&#225;genes podr&#237;an ayudar a tomar una mejor decisi&#243;n terap&#233;utica&#46; As&#237; mismo&#44; su desarrollo podr&#237;a suponer un potencial marcado ahorro de tiempo para el cl&#237;nico&#46;</p><p id="par0185" class="elsevierStylePara elsevierViewall">En 2019 Seit&#233; et al&#46; desarrollaron una aplicaci&#243;n de smartphone basada en IA que grad&#250;a y clasifica los tipos de lesiones de acn&#233; &#40;comedoniano&#44; inflamatorio&#44; hiperpigmentaci&#243;n posinflamatoria&#44; etc&#46;&#41;&#46; Aparte de las ventajas en cuanto a la evaluaci&#243;n de las lesiones&#44; se postula que el uso de estas aplicaciones vinculado a geolocalizaci&#243;n tambi&#233;n podr&#237;a ayudar a evaluar el impacto de factores externos en el desencadenamiento&#44; la duraci&#243;n y la gravedad del acn&#233;&#44; como las condiciones clim&#225;ticas y la poluci&#243;n<a class="elsevierStyleCrossRef" href="#bib0745"><span class="elsevierStyleSup">34</span></a>&#46;</p><p id="par0190" class="elsevierStylePara elsevierViewall">En 2020 Martorell et al&#46; desarrollaron un modelo de IA de detecci&#243;n de lesiones de acn&#233; en el &#225;rea facial dentro de la aplicaci&#243;n de smartphone <span class="elsevierStyleItalic">SkianaCare</span>&#174;&#44; que permite definir su gravedad&#44; as&#237; como el punto de corte a partir del cual el tratamiento sist&#233;mico deber&#237;a complementar al tratamiento m&#233;dico por el grado &#40;GEA&#41; de acn&#233; &#40;<a class="elsevierStyleCrossRef" href="#fig0030">figs&#46; 6</a>A y B&#41;&#46; As&#237;&#44; sobre una serie de 101 pacientes se detect&#243; una precisi&#243;n del 97&#44;8&#37; en la capacidad de definici&#243;n de grado de gravedad&#46; A su vez&#44; la correlaci&#243;n cl&#237;nica y de imagen estableci&#243; la necesidad de incorporar tratamiento sist&#233;mico&#44; principalmente en forma de retinoide oral&#44; a partir del GEA 3 en la regi&#243;n facial<a class="elsevierStyleCrossRef" href="#bib0750"><span class="elsevierStyleSup">35</span></a>&#46;</p><elsevierMultimedia ident="fig0030"></elsevierMultimedia></span><span id="sec0050" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0075">Otras enfermedades inflamatorias</span><p id="par0195" class="elsevierStylePara elsevierViewall">Otros programas de IA se han dise&#241;ado para el diagn&#243;stico de diferentes enfermedades dermatol&#243;gicas inflamatorias&#44; como el liquen plano&#44; la pitiriasis liquenoide o la dermatomiositis a partir de im&#225;genes digitales<a class="elsevierStyleCrossRefs" href="#bib0755"><span class="elsevierStyleSup">36&#8211;39</span></a>&#46; Huang et al&#46; desarrollaron un clasificador de m&#250;ltiples enfermedades &#40;bas&#225;ndose en la evaluaci&#243;n de 34 atributos como eritema&#44; descamaci&#243;n&#44; bordes definidos o irregulares&#44; etc&#46;&#41; capaz de diferenciar varias enfermedades cut&#225;neas como la psoriasis&#44; el liquen plano o la dermatitis seborreica<a class="elsevierStyleCrossRef" href="#bib0770"><span class="elsevierStyleSup">39</span></a>&#46;</p><p id="par0200" class="elsevierStylePara elsevierViewall">Para el estudio de la dermatomiositis&#44; adem&#225;s de la evaluaci&#243;n de im&#225;genes de la piel&#44; se han empleado im&#225;genes de ultrasonido del m&#250;sculo para diferenciar entre m&#250;sculo normal&#44; dermatomiositis&#44; polimiositis y miositis por cuerpos de inclusi&#243;n<a class="elsevierStyleCrossRef" href="#bib0765"><span class="elsevierStyleSup">38</span></a>&#46;</p></span></span><span id="sec0055" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0080">Aplicaci&#243;n de la inteligencia artificial en oncolog&#237;a cut&#225;nea</span><p id="par0205" class="elsevierStylePara elsevierViewall">En el &#225;mbito del c&#225;ncer cut&#225;neo cabe mencionar algunas de las publicaciones que abordaban el potencial de los &#8212;entonces&#8212; nuevos sistemas inform&#225;ticos&#46;</p><p id="par0210" class="elsevierStylePara elsevierViewall">En la primera indexada&#44; de 1986&#44; se hablaba de c&#243;mo los ordenadores pod&#237;an automatizar el diagn&#243;stico de tumores faciales y la emisi&#243;n de recomendaciones<a class="elsevierStyleCrossRef" href="#bib0775"><span class="elsevierStyleSup">40</span></a>&#46; Otra de 1992 subrayaba la utilidad del an&#225;lisis de imagen computarizado para dar apoyo diagn&#243;stico a profesionales con menos experiencia en el &#225;mbito del melanoma<a class="elsevierStyleCrossRef" href="#bib0780"><span class="elsevierStyleSup">41</span></a>&#46;</p><p id="par0215" class="elsevierStylePara elsevierViewall">Desde entonces&#44; y de forma m&#225;s clara en la &#250;ltima d&#233;cada&#44; ha habido un crecimiento exponencial de las publicaciones sobre IA en la asistencia a pacientes con c&#225;ncer cut&#225;neo&#46; En este per&#237;odo podr&#237;an definirse 2 etapas que&#44; si bien no est&#225;n perfectamente delimitadas&#44; permiten aproximarse al desarrollo de la aplicaci&#243;n de la IA en el c&#225;ncer cut&#225;neo&#46;</p><p id="par0220" class="elsevierStylePara elsevierViewall">Una primera etapa&#44; en la que se recibe la herencia de los a&#241;os anteriores&#44; se asienta el desarrollo te&#243;rico y se realizan m&#250;ltiples intentos pr&#225;cticos progresivos&#46; En esta se podr&#237;a afirmar que se terminaban de poner a punto los sistemas basados en el uso de IA&#46;</p><p id="par0225" class="elsevierStylePara elsevierViewall">Durante ella se public&#243; la fiabilidad y factibilidad del uso de macrofotograf&#237;as digitales convencionales para que un sistema inform&#225;tico distinguiera entre lesiones melanoc&#237;ticas y no melanoc&#237;ticas<a class="elsevierStyleCrossRef" href="#bib0785"><span class="elsevierStyleSup">42</span></a>&#46; Tambi&#233;n se observ&#243; que la combinaci&#243;n de informaci&#243;n cl&#237;nica y de imagen ayudaba al diagn&#243;stico del carcinoma basocelular<a class="elsevierStyleCrossRef" href="#bib0790"><span class="elsevierStyleSup">43</span></a>&#46; Otras muchas publicaciones de &#237;ndole similar subrayaron que a trav&#233;s de la combinaci&#243;n de diferentes fuentes de informaci&#243;n &#40;historia cl&#237;nica exhaustiva&#44; im&#225;genes obtenidas a trav&#233;s de sistemas diversos&#8230;&#41; se alcanza una mayor precisi&#243;n en el diagn&#243;stico automatizado&#46; Incluso se pudo ver c&#243;mo era posible usar la IA en el control de m&#225;rgenes quir&#250;rgicos de biopsias intraoperatorias<a class="elsevierStyleCrossRef" href="#bib0795"><span class="elsevierStyleSup">44</span></a>&#46;</p><p id="par0230" class="elsevierStylePara elsevierViewall">Podr&#237;an tambi&#233;n incluirse en esta etapa los modelos pron&#243;sticos automatizados&#46; Por ejemplo&#44; los algoritmos computacionales que permiten predecir la progresi&#243;n metast&#225;sica del melanoma cut&#225;neo basados en los datos de expresi&#243;n gen&#233;tica y microRNA<a class="elsevierStyleCrossRef" href="#bib0800"><span class="elsevierStyleSup">45</span></a>&#46;</p><p id="par0235" class="elsevierStylePara elsevierViewall">Una <span class="elsevierStyleItalic">segunda etapa</span>&#44; m&#225;s reciente&#44; ha significado la puesta en pr&#225;ctica de sistemas de IA en las consultas &#40;y fuera de ellas&#41; con diferentes funciones&#46;</p><p id="par0240" class="elsevierStylePara elsevierViewall">Una de las publicaciones con mayor difusi&#243;n&#44; de 2017&#44; propon&#237;a la utilizaci&#243;n de algoritmos de DL para la clasificaci&#243;n de lesiones tumorales&#46; En concreto&#44; compararon el grado de concordancia diagn&#243;stica entre el sistema automatizado y un grupo de m&#233;dicos especialistas en dermatolog&#237;a a la hora de distinguir queratosis seborreicas de carcinomas queratinoc&#237;ticos y nevos benignos de melanoma&#44; con resultados prometedores para su uso en el apoyo al diagn&#243;stico&#46; Estos algoritmos podr&#237;an conformar una herramienta que maximizar&#237;a el alcance de los dermat&#243;logos fuera de la consulta<a class="elsevierStyleCrossRef" href="#bib0805"><span class="elsevierStyleSup">46</span></a>&#46;</p><p id="par0245" class="elsevierStylePara elsevierViewall">Se ha propuesto el uso de algoritmos de an&#225;lisis de imagen automatizados para apoyar las decisiones terap&#233;uticas &#40;extirpaci&#243;n versus observaci&#243;n&#41; en el manejo de lesiones pigmentadas<a class="elsevierStyleCrossRef" href="#bib0810"><span class="elsevierStyleSup">47</span></a>&#44; o para dar una primera orientaci&#243;n al dermat&#243;logo que posteriormente tomar&#237;a la &#250;ltima decisi&#243;n en funci&#243;n del contexto cl&#237;nico<a class="elsevierStyleCrossRef" href="#bib0815"><span class="elsevierStyleSup">48</span></a>&#46; Es particularmente interesante el uso que se ha dado a las im&#225;genes obtenidas a trav&#233;s de aplicaciones m&#243;viles de descarga gratuita&#44; a partir de los cuales algunos autores han propuesto algoritmos para detectar cambios en lesiones pigmentadas que podr&#237;an predecir una progresi&#243;n a melanoma<a class="elsevierStyleCrossRef" href="#bib0820"><span class="elsevierStyleSup">49</span></a>&#46;</p><p id="par0250" class="elsevierStylePara elsevierViewall">Con especial inter&#233;s en las lesiones pigmentadas y melanoma&#44; uno de los grupos de investigaci&#243;n m&#225;s prol&#237;ficos ha sido el liderado por dermat&#243;logos de Heidelberg&#46; En sus investigaciones emplean sistemas basados en su mayor&#237;a en CNN&#46; Los primeros art&#237;culos&#44; de Haenssle&#44; obtuvieron resultados preliminares superiores a especialistas en dermatolog&#237;a a la hora de reconocer melanoma mediante dermatoscopia en condiciones experimentales<a class="elsevierStyleCrossRef" href="#bib0615"><span class="elsevierStyleSup">8</span></a>&#46; Por otro lado&#44; el grupo liderado por Brinker ha seguido poniendo de manifiesto un rendimiento excelente de los sistemas basados en CNN para diferenciar melanomas de nevos melanoc&#237;ticos dermatosc&#243;picamente<a class="elsevierStyleCrossRefs" href="#bib0825"><span class="elsevierStyleSup">50&#44;51</span></a>&#44; combinando fotos cl&#237;nicas y dermatosc&#243;picas<a class="elsevierStyleCrossRef" href="#bib0835"><span class="elsevierStyleSup">52</span></a>&#44; o con im&#225;genes histopatol&#243;gicas<a class="elsevierStyleCrossRef" href="#bib0840"><span class="elsevierStyleSup">53</span></a>&#46; En condiciones de uso m&#225;s aproximadas a la realidad&#44; e incluyendo en el diagn&#243;stico lesiones tumorales de diferente &#237;ndole &#40;no solo melanoma&#41;&#44; han llegado a obtener resultados cercanos a los de los dermat&#243;logos<a class="elsevierStyleCrossRef" href="#bib0845"><span class="elsevierStyleSup">54</span></a>&#46;</p><p id="par0255" class="elsevierStylePara elsevierViewall">Otros grupos han mostrado buenos resultados en identificar&#44; a partir de im&#225;genes dermatosc&#243;picas&#44; melanomas mediante sistemas de DL<a class="elsevierStyleCrossRef" href="#bib0850"><span class="elsevierStyleSup">55</span></a> o melanomas acrales mediante sistemas de CNN<a class="elsevierStyleCrossRef" href="#bib0855"><span class="elsevierStyleSup">56</span></a>&#46;</p><p id="par0260" class="elsevierStylePara elsevierViewall">Estos sistemas y aproximaciones se pueden aprovechar en la explotaci&#243;n de datos para generar modelos predictivos de la respuesta a inmunoterapia en casos de melanoma metast&#225;sico<a class="elsevierStyleCrossRef" href="#bib0860"><span class="elsevierStyleSup">57</span></a>&#46; Incluso se est&#225;n empleando an&#225;lisis de expresi&#243;n g&#233;nica y microRNA con algoritmos de ML para la distinci&#243;n molecular entre nevos melanoc&#237;ticos y melanoma<a class="elsevierStyleCrossRef" href="#bib0865"><span class="elsevierStyleSup">58</span></a>&#46;</p><p id="par0265" class="elsevierStylePara elsevierViewall">Respecto al c&#225;ncer cut&#225;neo no melanoma&#44; parece que la utilidad de los sistemas basados en IA presenta un grado de evidencia menos robusto<a class="elsevierStyleCrossRef" href="#bib0870"><span class="elsevierStyleSup">59</span></a>&#46; En cualquier caso&#44; se han empleado con &#233;xito sistemas de CNN en la detecci&#243;n automatizada a partir de fotograf&#237;as cl&#237;nicas de c&#225;nceres queratinoc&#237;ticos faciales<a class="elsevierStyleCrossRef" href="#bib0875"><span class="elsevierStyleSup">60</span></a> y queratosis act&#237;nicas<a class="elsevierStyleCrossRef" href="#bib0880"><span class="elsevierStyleSup">61</span></a>&#46;</p></span><span id="sec0060" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0085">Inteligencia artificial en dermatopatolog&#237;a</span><p id="par0270" class="elsevierStylePara elsevierViewall">El diagn&#243;stico histol&#243;gico de las lesiones cut&#225;neas est&#225; sujeto a un importante componente de subjetividad dependiente del observador&#46; En concreto&#44; lesiones inflamatorias poco espec&#237;ficas&#44; tumores cut&#225;neos pobremente diferenciados&#44; o enfermedades en las que se considera un espectro de alteraciones que incluyen desde lesiones benignas hasta malignas&#44; incluyendo casos <span class="elsevierStyleItalic">borderline</span> o de caracter&#237;sticas l&#237;mite generan importantes dudas diagn&#243;sticas&#44; con divergencia de opiniones incluso entre dermatopat&#243;logos expertos&#46; Quiz&#225;s uno de los mejores ejemplos sea el diagn&#243;stico histol&#243;gico de las lesiones melanoc&#237;ticas&#58; la diferencia entre un nevus displ&#225;sico y un melanoma <span class="elsevierStyleItalic">in situ</span> es sutil&#44; y no es infrecuente que dermatopat&#243;logos experimentados consideren diagn&#243;sticos diferentes ante una misma lesi&#243;n<a class="elsevierStyleCrossRefs" href="#bib0585"><span class="elsevierStyleSup">2&#8211;4</span></a>&#46;</p><p id="par0275" class="elsevierStylePara elsevierViewall">En dermatopatolog&#237;a el uso de la IA como herramienta diagn&#243;stica comenz&#243; a finales del siglo pasado&#44; con el proyecto TEGUMENT<a class="elsevierStyleCrossRef" href="#bib0885"><span class="elsevierStyleSup">62</span></a> &#40;<a class="elsevierStyleCrossRef" href="#fig0020">fig&#46; 4</a>&#41;&#46; Sin embargo&#44; ha sido m&#225;s recientemente cuando varios trabajos han comenzado a avalar &#40;de manera a&#250;n muy preliminar&#41; su potencial uso pr&#225;ctico como apoyo para el diagn&#243;stico histol&#243;gico&#46;</p><p id="par0280" class="elsevierStylePara elsevierViewall">La IA ha demostrado una alta precisi&#243;n en la realizaci&#243;n de varias funciones esenciales de diagn&#243;stico histol&#243;gico&#44; como el recuento de mitosis y la evaluaci&#243;n de positividad en pruebas inmunohistoqu&#237;micas<a class="elsevierStyleCrossRef" href="#bib0890"><span class="elsevierStyleSup">63</span></a>&#46; Por otro lado&#44; los algoritmos de aprendizaje profundo demostraron una precisi&#243;n de casi el 100&#37; en pruebas de clasificaci&#243;n binaria para lesiones cut&#225;neas tumorales&#44; y de casi el 80&#37; para la clasificaci&#243;n de las mismas en 4 categor&#237;as &#40;basaloide&#44; escamoso&#44; melanoc&#237;tico y otros&#41;<a class="elsevierStyleCrossRef" href="#bib0890"><span class="elsevierStyleSup">63</span></a>&#46;</p><p id="par0285" class="elsevierStylePara elsevierViewall">Respecto al diagn&#243;stico diferencial entre nevus y melanoma las CNN han sido evaluadas por distintos estudios<a class="elsevierStyleCrossRefs" href="#bib0890"><span class="elsevierStyleSup">63&#44;64</span></a>&#46; En 2019 Hekler et al&#46; demostraron una discordancia global de un 19&#37; entre una CNN y un dermatopat&#243;logo experto&#44; siendo este un porcentaje similar al existente entre dermatopat&#243;logos expertos<a class="elsevierStyleCrossRef" href="#bib0885"><span class="elsevierStyleSup">62</span></a>&#46; Tambi&#233;n en 2019 Hart et al&#46; demostraron una precisi&#243;n de en torno al 90&#37; para la clasificaci&#243;n binaria entre nevus de Spitz y nevus convencional<a class="elsevierStyleCrossRef" href="#bib0900"><span class="elsevierStyleSup">65</span></a>&#46; M&#225;s recientemente&#44; en 2021&#44; las CNN demostraron una sensibilidad&#44; especificidad y precisi&#243;n cercanas a las de 18 dermatopat&#243;logos expertos en la evaluaci&#243;n de 50 lesiones melanoc&#237;ticas&#44; discriminando entre nevus y melanomas<a class="elsevierStyleCrossRef" href="#bib0895"><span class="elsevierStyleSup">64</span></a>&#46;</p><p id="par0290" class="elsevierStylePara elsevierViewall">Una de las principales limitaciones en el uso de las CNN en dermatopatolog&#237;a es su reducido sistema de clasificaci&#243;n&#58; mientras que los dermatopat&#243;logos entrenados son capaces de reconocer m&#250;ltiples variantes morfol&#243;gicas y realizar amplios diagn&#243;sticos diferenciales&#44; los modelos de CNN actuales utilizan principalmente sistemas de clasificaci&#243;n binarios &#40;indican si una imagen es positiva o no para un diagn&#243;stico&#41; y pierden precisi&#243;n al introducir m&#225;s categor&#237;as<a class="elsevierStyleCrossRef" href="#bib0905"><span class="elsevierStyleSup">66</span></a>&#46; De hecho&#44; apenas hay estudios en dermatopatolog&#237;a de lesiones no tumorales&#44; donde el diagn&#243;stico diferencial es&#44; en muchas ocasiones&#44; m&#225;s amplio y subjetivo&#46; Por otro lado&#44; debido a que la verdad fundamental de la fase de aprendizaje de estos sistemas es establecida por uno o varios dermatopat&#243;logos&#44; y puesto que muchas entidades carecen de criterios diagn&#243;sticos que sean absolutamente precisos&#44; esta verdad basal o fundamental no est&#225; completamente exenta de subjetividad<a class="elsevierStyleCrossRef" href="#bib0595"><span class="elsevierStyleSup">4</span></a>&#46;</p><p id="par0295" class="elsevierStylePara elsevierViewall">Por ello&#44; y a pesar de estos resultados preliminares prometedores&#44; es necesaria la ampliaci&#243;n &#40;m&#225;s all&#225; de sistemas binarios&#41; y la validaci&#243;n de los sistemas de inteligencia artificial antes de que pueda generalizarse su uso en dermatopatolog&#237;a pr&#225;ctica&#46;</p><p id="par0300" class="elsevierStylePara elsevierViewall">Probablemente&#44; estos sistemas podr&#225;n ser utilizados en el futuro para la automatizaci&#243;n de tareas reproducibles&#44; y como t&#233;cnica de cribado&#44; convirti&#233;ndose en una ayuda diagn&#243;stica para mejorar no solo el trabajo diario del dermatopat&#243;logo&#44; sino tambi&#233;n en una herramienta importante en investigaci&#243;n e incluso divulgaci&#243;n educativa&#46;</p></span><span id="sec0065" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0090">Inteligencia artificial aplicada a la cosm&#233;tica</span><p id="par0305" class="elsevierStylePara elsevierViewall">El campo de la dermatolog&#237;a cosm&#233;tica ha sido uno de los sectores en los que se han desarrollado m&#250;ltiples modelos basados en soluciones innovadoras&#46; Actualmente existen en el mercado desde modelos de planificaci&#243;n virtual para tratamientos cosm&#233;ticos con neuromoduladores y el tratamiento con rellenos cosm&#233;ticos&#44; as&#237; como el uso de rob&#243;tica en la automatizaci&#243;n de diferentes tratamientos con l&#225;ser<a class="elsevierStyleCrossRef" href="#bib0910"><span class="elsevierStyleSup">67</span></a>&#46;</p><span id="sec0070" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0095">Asistentes de uso domiciliario</span><p id="par0310" class="elsevierStylePara elsevierViewall">La aplicaci&#243;n de las nuevas tecnolog&#237;as ha generado m&#250;ltiples estrategias cuyo objetivo final es empoderar a los pacientes mediante informaci&#243;n y generaci&#243;n de contenidos personalizados&#44; a fin de facilitar las decisiones en cuanto al cuidado de la piel y del cabello&#46;</p><p id="par0315" class="elsevierStylePara elsevierViewall">Muchas empresas han creado cuestionarios inteligentes sobre el cuidado de la piel y el cabello que incluyen preguntas sobre la demograf&#237;a del paciente&#44; las caracter&#237;sticas de la piel y el cabello y resultados est&#233;ticos deseados para generar recomendaciones personalizadas&#46;</p><p id="par0320" class="elsevierStylePara elsevierViewall">En esta l&#237;nea&#44; la <span class="elsevierStyleItalic">startup</span> de nombre <span class="elsevierStyleItalic">PROVEN Beauty</span>&#174;&#44; con sede en California&#44; ha utilizado el ML para ofrecer a los consumidores productos cosm&#233;ticos personalizados para el cuidado de la piel&#46; Este algoritmo utiliza informaci&#243;n de una gran base de datos de cuidado de la piel&#44; llamado <span class="elsevierStyleItalic">Beauty Genome Project</span>&#44; que incluye m&#225;s de 8 millones de opiniones de clientes&#44; m&#225;s de 100&#46;000 productos para el cuidado de la piel actualmente en el mercado&#44; 20&#46;000 ingredientes y m&#225;s de 4&#46;000 art&#237;culos cient&#237;ficos revisados por pares sobre la piel y los ingredientes para el cuidado de la piel<a class="elsevierStyleCrossRef" href="#bib0915"><span class="elsevierStyleSup">68</span></a>&#46;</p><p id="par0325" class="elsevierStylePara elsevierViewall">La realidad aumentada es otra tecnolog&#237;a que permite una personalizaci&#243;n de las rutinas de cuidado de la piel y del cabello&#46; En estos casos se va un paso m&#225;s all&#225; de los modelos basados en cuestionario al incorporar im&#225;genes del paciente en el proceso de toma de decisiones&#46; En este sentido&#44; la empresa L&#8217;Oreal&#174; oferta 2 aplicaciones web de realidad aumentada en l&#237;nea que son gratuitas para todos los usuarios&#46; La primera aplicaci&#243;n ofrece an&#225;lisis de piel en l&#237;nea a trav&#233;s del sitio web de Vichy&#174; <span class="elsevierStyleItalic">Skin Consult AI</span><span class="elsevierStyleItalic">&#174;</span>&#44; una aplicaci&#243;n que genera simulaci&#243;n de cuidado de la piel y antienvejecimiento con capacidad para detectar&#44; cuantificar y predecir cambios en la piel<a class="elsevierStyleCrossRef" href="#bib0920"><span class="elsevierStyleSup">69</span></a>&#46; Este &#171;espejo virtual&#187; aplica tecnolog&#237;a de visi&#243;n por ordenador para simular los resultados que se pueden obtener a trav&#233;s del uso de productos de belleza y cosm&#233;ticos&#46; Este proyecto fue desarrollado con el apoyo de dermat&#243;logos a fin de evaluar afecciones de la piel como discrom&#237;a&#44; sequedad y arrugas&#46; Tras subir una imagen&#44; el sistema genera informaci&#243;n al consumidor acerca de la calidad de su piel&#44; sus aspectos a mejorar y recomendaciones sobre el r&#233;gimen de productos personalizado&#46; Los aspectos analizados incluyen las l&#237;neas infraorbitarias&#44; elasticidad&#44; l&#237;neas finas generalizadas y arrugas profundas&#44; falta de luminosidad&#44; hiperpigmentaci&#243;n y poros&#46; Sin embargo&#44; las principales limitaciones del sistema incluyen&#58; 1&#41; el sesgo de recomendaci&#243;n basado en un conjunto limitado de productos&#59; 2&#41; la p&#233;rdida de informaci&#243;n en el an&#225;lisis de imagen por la ausencia de an&#225;lisis de im&#225;genes laterales&#59; 3&#41; la falta de posibilidad de autoseguimiento&#59; y 4&#41; la falta de informaci&#243;n generada por el usuario impide generar recomendaciones personalizadas no solo basadas en el aspecto f&#237;sico del usuario&#46;</p><p id="par0330" class="elsevierStylePara elsevierViewall">En la misma l&#237;nea&#44; la aplicaci&#243;n gratuita para smartphones de nombre <span class="elsevierStyleItalic">Skin360</span><span class="elsevierStyleItalic">&#174;</span><span class="elsevierStyleItalic">&#44;</span> de Neutrogena&#174;&#44; utiliza la c&#225;mara del tel&#233;fono inteligente del usuario para evaluar la piel en busca de manchas oscuras&#44; ojeras&#44; arrugas&#44; cambios de textura y l&#237;neas de expresi&#243;n&#46; Esta evaluaci&#243;n proporciona una &#171;puntuaci&#243;n <span class="elsevierStyleItalic">Skin360</span>&#187; y ofrece al usuario sugerencias para productos para el cuidado de la piel basados en los 5 par&#225;metros referidos&#46; El paciente tambi&#233;n tiene la capacidad de realizar un seguimiento de la mejora con los productos recomendados durante d&#237;as&#44; semanas y meses con evaluaciones cut&#225;neas de seguimiento a trav&#233;s de la aplicaci&#243;n&#46; Adem&#225;s de dicha puntuaci&#243;n&#44; la aplicaci&#243;n tambi&#233;n rastrea los h&#225;bitos de estilo de vida del paciente que pueden influir en la salud de la piel &#40;sue&#241;o&#44; ejercicio&#44; estr&#233;s y registro diario de su uso del producto&#41;<a class="elsevierStyleCrossRef" href="#bib0925"><span class="elsevierStyleSup">70</span></a>&#46;</p><p id="par0335" class="elsevierStylePara elsevierViewall">En la misma l&#237;nea de las anteriores&#44; pero bajo el liderazgo de m&#233;dicos expertos en dermatolog&#237;a&#44; y siguiendo como objetivos el potenciar el autocuidado de la piel del paciente a trav&#233;s del refuerzo cosm&#233;tico y el reducir el exceso de productos desechados por parte del usuario por la dificultad en la selecci&#243;n del producto af&#237;n a la piel de cada sujeto&#44; en el a&#241;o 2020 Martorell et al&#46; desarrollan la primera aplicaci&#243;n independiente de la industria cosm&#233;tica&#44; bajo el soporte la Comisi&#243;n Europea dentro del proyecto de Salud y AI <span class="elsevierStyleItalic">Skiana</span><span class="elsevierStyleItalic">&#174;</span> &#40;Ayudas Europeas SME I 2020&#44; Grant n&#46;&#176;885806&#41; <a class="elsevierStyleCrossRef" href="#tbl0005">tabla 1</a>&#46;</p><elsevierMultimedia ident="tbl0005"></elsevierMultimedia><p id="par0340" class="elsevierStylePara elsevierViewall">Este asistente virtual personal&#44; el primero de su generaci&#243;n libre de conflictos de cualquier empresa farmac&#233;utica y cosm&#233;tica&#44; desarrollado en la nube y disponible en las tiendas de aplicaciones de Android&#174; y Apple&#174; bajo el nombre de <span class="elsevierStyleItalic">Skiana</span><span class="elsevierStyleItalic">&#174;</span><span class="elsevierStyleItalic">Care</span> busca&#44; mediante la combinaci&#243;n de un breve cuestionario inteligente y de informaci&#243;n&#44; obtenida a partir del an&#225;lisis facial&#44; generada a partir de algoritmos propios de IA&#44; generar salud a trav&#233;s de la piel&#46; Sus principales misiones incluyen&#58; 1&#41; <span class="elsevierStyleItalic">generaci&#243;n de campa&#241;as de prevenci&#243;n</span> de c&#225;ncer de piel y educaci&#243;n en salud&#44; a trav&#233;s de consejos dermosaludables&#59; 2&#41; <span class="elsevierStyleItalic">captaci&#243;n del usuario final</span> a trav&#233;s de la generaci&#243;n de informes objetivos disponibles en sus dispositivos m&#243;viles que incluyen informaci&#243;n del estado de salud de la piel&#46; Estos datos incluyen desde la cuantificaci&#243;n de fotoenvejecimiento&#44; flacidez&#44; elasticidad&#44; a cambios de la textura de la piel como la cuantificaci&#243;n de lesiones de acn&#233; &#40;<a class="elsevierStyleCrossRefs" href="#fig0030">figs&#46; 6 y 7</a>&#41;&#59; 3&#41; <span class="elsevierStyleItalic">generaci&#243;n del paciente experto</span> en el cuidado de la piel&#44; a partir de informaci&#243;n personalizada del estado de su piel y de la formaci&#243;n en cosm&#233;tica&#44; incluyendo informaci&#243;n de productos cosm&#233;ticos&#44; a fin de ayudarle a un mejor cuidado&#59; y 4&#41; <span class="elsevierStyleItalic">posicionamiento de la especialidad de dermatolog&#237;a y venereolog&#237;a</span> como la referencia en el campo del cuidado integral de la la piel<a class="elsevierStyleCrossRef" href="#bib0750"><span class="elsevierStyleSup">35</span></a>&#46;</p><elsevierMultimedia ident="fig0035"></elsevierMultimedia><p id="par0345" class="elsevierStylePara elsevierViewall">Las principales ventajas e inconvenientes de los diferentes asistentes virtuales se resumen en la <a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a>&#46;</p><elsevierMultimedia ident="tbl0010"></elsevierMultimedia></span><span id="sec0075" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0100">Dispositivos inteligentes para el desarrollo de productos personalizados</span><p id="par0350" class="elsevierStylePara elsevierViewall">La aplicaci&#243;n de estas tecnolog&#237;as al &#225;mbito de la rob&#243;tica&#44; con el desarrollo de dispositivos capaces de desarrollar productos cosm&#233;ticos personalizados en casa a partir de la informaci&#243;n obtenida por los softwares anteriores&#44; ser&#225; el siguiente paso en cosm&#233;tica&#44; con empresas como Procter &#38; Gamble&#174; &#40;dispositivo <span class="elsevierStyleItalic">Opt&#233; Precision Skincare System</span>&#174;&#41;<a class="elsevierStyleCrossRef" href="#bib0930"><span class="elsevierStyleSup">71</span></a> y L&#8217;Or&#233;al&#174; &#40;dispositivo <span class="elsevierStyleItalic">Perso</span>&#174;&#41;<a class="elsevierStyleCrossRef" href="#bib0935"><span class="elsevierStyleSup">72</span></a>&#44; pioneras en desarrollo de este tipo de aparatos caseros&#46;</p><p id="par0355" class="elsevierStylePara elsevierViewall">De igual modo&#44; el uso de estos algoritmos en soportes profesionales que permiten tomas de imagen con diferentes par&#225;metros de luz&#44; como <span class="elsevierStyleItalic">Visia</span><span class="elsevierStyleItalic">&#174;</span> &#40;Canfield&#174; Inc&#46;&#41; o <span class="elsevierStyleItalic">Lifeviz</span><span class="elsevierStyleItalic">&#174;</span><span class="elsevierStyleItalic">micro</span> &#40;Quantificare&#174; Inc&#46;&#41;&#44; ayudar&#225;n al profesional de la cosm&#233;tica a mejorar el cuidado de sus pacientes en las consultas<a class="elsevierStyleCrossRef" href="#bib0940"><span class="elsevierStyleSup">73</span></a>&#46;</p></span><span id="sec0080" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0105">Modelos predictivos de respuesta por inteligencia artificial</span><p id="par0360" class="elsevierStylePara elsevierViewall">La aplicaci&#243;n del modelo de DL y de generaci&#243;n de redes neuronales permiten mejorar la efectividad y seguridad en la realizaci&#243;n de procedimientos cosm&#233;ticos&#46;</p><p id="par0365" class="elsevierStylePara elsevierViewall">Ejemplos en este sentido incluyen la aplicaci&#243;n de DL para definir la mejor opci&#243;n de tratamiento cosm&#233;tico seg&#250;n la profundidad de arrugas faciales<a class="elsevierStyleCrossRefs" href="#bib0945"><span class="elsevierStyleSup">74&#8211;76</span></a>&#46; Tambi&#233;n se ha evaluado la oportunidad del <span class="elsevierStyleItalic">DL</span> en predecir la respuesta cl&#237;nica a terapias con l&#225;ser&#46; En esta l&#237;nea&#44; Cazzaniga et al&#46; aplicaron esta tecnolog&#237;a en la predicci&#243;n de la duraci&#243;n de tratamiento de l&#225;ser de exc&#237;meros para pacientes con vit&#237;ligo&#44; con resultados prometedores<a class="elsevierStyleCrossRef" href="#bib0960"><span class="elsevierStyleSup">77</span></a>&#46; As&#237;&#44; con datos de su ensayo cl&#237;nico&#44; su modelo logr&#243; una precisi&#243;n general del 66&#44;46&#37; en predecir el tiempo de repigmentaci&#243;n en los respondedores&#46; Dado que el tratamiento puede ser lento y costoso&#44; un modelo predictivo para la respuesta cl&#237;nica y la duraci&#243;n del tratamiento ayudar&#237;a tanto a los pacientes como a los proveedores en la decisi&#243;n de seguir un tratamiento&#46; Los modelos de resultado cl&#237;nico tambi&#233;n podr&#237;an aplicarse a otras luces y modalidades l&#225;ser para el tratamiento de afecciones como cicatrices del acn&#233;&#44; discrom&#237;a o trastornos vasculares para ayudar a establecer unas expectativas reales al paciente interesado&#46;</p></span></span><span id="sec0085" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0110">Inteligencia artificial en radiolog&#237;a y ecograf&#237;a cut&#225;nea</span><p id="par0370" class="elsevierStylePara elsevierViewall">Dentro de las t&#233;cnicas de imagen radiol&#243;gica tanto la TC como la radiograf&#237;a simple y la RM son utilizadas fundamentalmente en el contexto de la estadificaci&#243;n o el seguimiento de melanoma&#46; La ventaja que tienen estas t&#233;cnicas es que son f&#225;cilmente estandarizables&#44; y la existencia de grandes bases de datos de im&#225;genes que permiten el entrenamiento de los algoritmos&#46;</p><p id="par0375" class="elsevierStylePara elsevierViewall">Las t&#233;cnicas basadas en radiaciones ionizantes&#44; como la TC en el paciente dermatol&#243;gico&#44; se han utilizado en la detecci&#243;n de met&#225;stasis de melanoma&#46; En el estudio de Aissa et al&#46;<a class="elsevierStyleCrossRef" href="#bib0965"><span class="elsevierStyleSup">78</span></a>&#44; a trav&#233;s de t&#233;cnicas de ML y sustracci&#243;n vascular&#44; los algoritmos encontraron met&#225;stasis adicionales en un 54&#44;3&#37; de los casos&#46; Sin embargo&#44; como los autores concluyen&#44; el diagn&#243;stico de met&#225;stasis adicionales no hubiera afectado el manejo del paciente&#46;</p><p id="par0380" class="elsevierStylePara elsevierViewall">En relaci&#243;n con la RM se ha usado la IA para la detecci&#243;n y diagn&#243;stico de las lesiones&#59; Kniepp et al&#46;<a class="elsevierStyleCrossRef" href="#bib0970"><span class="elsevierStyleSup">79</span></a> revisaron 189 met&#225;stasis cerebrales&#44; incluyendo de melanoma&#44; y mediante algoritmos de &#225;rboles de decisi&#243;n combinados con datos cl&#237;nicos demostraron una capacidad de diferenciar las met&#225;stasis de otros tumores &#40;carcinoma epidermoide&#44; carcinoma microc&#237;tico de pulm&#243;n&#41; superior a los radi&#243;logos&#44; con un &#225;rea por debajo de la curva de 0&#44;82&#46; Este uso de la imagen radiol&#243;gica para inferir el diagn&#243;stico histol&#243;gico de las lesiones es lo que se ha venido a denominar radi&#243;mica&#44; y va un paso m&#225;s all&#225; de la detecci&#243;n de im&#225;genes o su segmentaci&#243;n&#46;</p><p id="par0385" class="elsevierStylePara elsevierViewall">La ecograf&#237;a cut&#225;nea es una t&#233;cnica que ofrece ventajas sobre otras t&#233;cnicas de imagen al ser inocua&#44; r&#225;pida y disponible a pie de cama del paciente<a class="elsevierStyleCrossRef" href="#bib0970"><span class="elsevierStyleSup">79</span></a>&#46; Sin embargo&#44; la ecograf&#237;a&#44; considerada como fuente de datos para la IA&#44; presenta varias limitaciones&#44; fundamentalmente la ausencia de grandes bancos de im&#225;genes ecogr&#225;ficos utilizables para el entrenamiento de los algoritmos y su validaci&#243;n y las caracter&#237;sticas intr&#237;nsecas de las ecograf&#237;as que no suelen estar tan estandarizadas como en el caso de la TC o la RM&#46;</p><p id="par0390" class="elsevierStylePara elsevierViewall">A pesar de ello&#44; en los &#250;ltimos a&#241;os el desarrollo de la IA en la ecograf&#237;a ha empezado a aportar evidencias respecto a c&#243;mo aplicarla en los 3 grandes problemas de la ecograf&#237;a&#44; y en concreto de la ecograf&#237;a cut&#225;nea&#58; la clasificaci&#243;n&#44; la regresi&#243;n y la segmentaci&#243;n<a class="elsevierStyleCrossRef" href="#bib0975"><span class="elsevierStyleSup">80</span></a>&#46;</p><span id="sec0090" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0115">Clasificaci&#243;n</span><p id="par0395" class="elsevierStylePara elsevierViewall">La mayor&#237;a de los algoritmos de clasificaci&#243;n se han aplicado al diagn&#243;stico ecogr&#225;fico de lesiones en mama o lesiones hep&#225;ticas<a class="elsevierStyleCrossRefs" href="#bib0980"><span class="elsevierStyleSup">81&#44;82</span></a>&#46; Aunque hay un gran n&#250;mero de publicaciones que intentan reducir los rasgos clave para el diagn&#243;stico asistido por IA<a class="elsevierStyleCrossRef" href="#bib0990"><span class="elsevierStyleSup">83</span></a>&#44; el n&#250;mero de im&#225;genes suele ser inferior a 300&#44; y realizadas en un centro y con una base diferente de validaci&#243;n en cada estudio&#44; por lo que los resultados no suelen ser comparables<a class="elsevierStyleCrossRef" href="#bib0995"><span class="elsevierStyleSup">84</span></a>&#46;</p><p id="par0400" class="elsevierStylePara elsevierViewall">Desde el punto de vista comercial algunos algoritmos desarrollados para el diagn&#243;stico asistido se han desarrollado fundamentalmente en ecograf&#237;a mamaria y tiroidea<a class="elsevierStyleCrossRefs" href="#bib1000"><span class="elsevierStyleSup">85-87</span></a>&#46; El algoritmo sugiere un &#171;riesgo&#187; de malignidad de la lesi&#243;n seleccionada por el ecografista&#44; pero no indica diagn&#243;stico concreto de la lesi&#243;n estudiada&#46; No obstante&#44; estos algoritmos no han sido validados por ninguna agencia regulatoria&#46;</p><p id="par0405" class="elsevierStylePara elsevierViewall">Desde el punto de vista de la ecograf&#237;a cut&#225;nea los algoritmos de clasificaci&#243;n podr&#237;an ser &#250;tiles en el diagn&#243;stico asistido por IA de lesiones cut&#225;neas&#46; En un estudio reciente de Alfageme et al&#46; un algoritmo con arquitectura predeterminada basada en DL&#44; entrenada con un banco de 235 im&#225;genes ecogr&#225;ficas de lesiones cut&#225;neas benignas y malignas&#44; fue capaz de clasificar correctamente las lesiones de forma similar a un evaluador experto humano &#40;77&#44;1&#37; versus 74&#44;1&#37;&#41; al que se le mostr&#243; el mismo banco de im&#225;genes<a class="elsevierStyleCrossRef" href="#bib1015"><span class="elsevierStyleSup">88</span></a>&#46;</p><p id="par0410" class="elsevierStylePara elsevierViewall">Respecto a las lesiones melanoc&#237;ticas y con equipos de muy alta frecuencia&#44; el grupo de Romanelli et al&#46; ha publicado tambi&#233;n con sondas de 70<span class="elsevierStyleHsp" style=""></span>MHz y aplicando algoritmos basados en DL la capacidad de diferenciar nevus melanoc&#237;ticos de melanoma con una exactitud del 76&#44;9&#37;&#44; con una sensibilidad y especificidad para el diagn&#243;stico de melanoma del 80&#37; y el 74&#37; respectivamente<a class="elsevierStyleCrossRef" href="#bib1020"><span class="elsevierStyleSup">89</span></a>&#46;</p><p id="par0415" class="elsevierStylePara elsevierViewall">Queda por determinar en ecograf&#237;a cut&#225;nea cu&#225;les son las caracter&#237;sticas &#243;ptimas de los bancos de imagen apropiados para esta aplicaci&#243;n en cuanto a equipos&#44; resoluci&#243;n y su similitud con las lesiones inflamatorias&#44; que pueden dificultar la aplicabilidad de estos algoritmos en entornos cl&#237;nicos&#46;</p></span><span id="sec0095" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0120">Regresi&#243;n</span><p id="par0420" class="elsevierStylePara elsevierViewall">La regresi&#243;n implica la estimaci&#243;n de valores continuos en lugar de clases discretas de datos&#46; El aprendizaje profundo se ha aplicado a la regresi&#243;n&#44; por ejemplo&#44; para estimar la orientaci&#243;n de las fibras musculares a partir de im&#225;genes ecogr&#225;ficas o la edad gestacional<a class="elsevierStyleCrossRefs" href="#bib1025"><span class="elsevierStyleSup">90&#44;91</span></a>&#46; Respecto a la ecograf&#237;a cut&#225;nea los algoritmos de regresi&#243;n podr&#237;an ser &#250;tiles para evaluar el tiempo de evoluci&#243;n de las lesiones cut&#225;neas&#44; la determinaci&#243;n autom&#225;tica del Breslow ecogr&#225;fico o en algoritmos aplicados al estudio del envejecimiento cut&#225;neo y su tratamiento<a class="elsevierStyleCrossRef" href="#bib1035"><span class="elsevierStyleSup">92</span></a>&#46;</p></span><span id="sec0100" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0125">Segmentaci&#243;n</span><p id="par0425" class="elsevierStylePara elsevierViewall">La segmentaci&#243;n es la delimitaci&#243;n de los l&#237;mites estructurales ecogr&#225;ficos de una lesi&#243;n&#46; La segmentaci&#243;n automatizada en ecograf&#237;a es un reto&#44; ya que las im&#225;genes ecogr&#225;ficas a menudo se ven afectadas por el centelleo&#44; las sombras y la falta de l&#237;mites&#44; as&#237; como por las compensaciones entre la frecuencia&#44; la profundidad y la resoluci&#243;n de los ultrasonidos durante la adquisici&#243;n de la imagen<a class="elsevierStyleCrossRef" href="#bib1040"><span class="elsevierStyleSup">93</span></a>&#46;</p><p id="par0430" class="elsevierStylePara elsevierViewall">Se han desarrollado variados enfoques de segmentaci&#243;n en ecograf&#237;a incluyendo m&#233;todos basados en el umbral de intensidad&#44; conjuntos de niveles y contornos activos<a class="elsevierStyleCrossRef" href="#bib1045"><span class="elsevierStyleSup">94</span></a>&#46; Los enfoques basados en la intensidad son sensibles al ruido y a la calidad de la imagen<a class="elsevierStyleCrossRef" href="#bib1050"><span class="elsevierStyleSup">95</span></a>&#46; Los contornos activos y los conjuntos de niveles requieren una inicializaci&#243;n que puede afectar a los resultados&#46; La mayor&#237;a de los enfoques convencionales no est&#225;n totalmente automatizados&#46;</p><p id="par0435" class="elsevierStylePara elsevierViewall">Los m&#233;todos de segmentaci&#243;n basados en <span class="elsevierStyleItalic">ML</span> suelen implicar 2 pasos&#58; primero&#44; una clasificaci&#243;n por p&#237;xeles de la estructura deseada&#44; seguida de un paso de limpieza o suavizado&#44; ya que la clasificaci&#243;n por p&#237;xeles es &#171;ruidosa&#187; desde el punto de vista ecogr&#225;fico&#46; En art&#237;culos recientes varios enfoques de clasificaci&#243;n han investigado con enfoques propios y la aplicaci&#243;n de varios tipos de redes neuronales&#44; incluyendo el DL<a class="elsevierStyleCrossRef" href="#bib1055"><span class="elsevierStyleSup">96</span></a>&#46;</p><p id="par0440" class="elsevierStylePara elsevierViewall">En ecograf&#237;a cut&#225;nea los algoritmos de segmentaci&#243;n podr&#237;an ser &#250;tiles en la detecci&#243;n de met&#225;stasis ganglionares o para la delimitaci&#243;n ecogr&#225;fica de lesiones cut&#225;neas &#40;<a class="elsevierStyleCrossRef" href="#fig0040">fig&#46; 8</a>&#41;&#46;</p><elsevierMultimedia ident="fig0040"></elsevierMultimedia></span></span><span id="sec0105" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0130">Aspectos &#233;ticos y regulatorios de la inteligencia artificial en dermatolog&#237;a</span><p id="par0445" class="elsevierStylePara elsevierViewall">Quiz&#225;s no somos del todo conscientes&#44; pero nos hallamos ante una situaci&#243;n realmente singular&#44; ya que nunca en la historia de la humanidad se ha podido recopilar tal volumen de informaci&#243;n&#46;</p><p id="par0450" class="elsevierStylePara elsevierViewall">El Internet de las cosas y el <span class="elsevierStyleItalic">big data</span> contribuyen a alimentar los algoritmos de IA y ML&#46; Cuanto m&#225;s complejos sean&#44; mayor ser&#225; su capacidad predictiva&#44; de ah&#237; que todos los esfuerzos se centren en correlacionar infinidad de variables para acertar las previsiones&#46; El objetivo inconfesable es el de lograr el &#171;demonio de Laplace&#187;&#44; una m&#225;quina que sea capaz de predecir cualquier escenario de una forma absolutamente determinista<a class="elsevierStyleCrossRef" href="#bib1060"><span class="elsevierStyleSup">97</span></a>&#46; Por todo ello la IA se est&#225; comenzando a estudiar tambi&#233;n dentro de la bio&#233;tica&#46;</p><p id="par0455" class="elsevierStylePara elsevierViewall">En este sentido hay que destacar que el Parlamento Europeo&#44; al proponer una <span class="elsevierStyleItalic">Carta sobre rob&#243;tica</span>&#44; comenz&#243; enumerando los principios de la bio&#233;tica como reglas a seguir para los ingenieros en rob&#243;tica&#44; y la recopilaci&#243;n de las reglas &#233;ticas que deben regir la IA se ha denominado &#171;Principios de Asilomar para la inteligencia artificial&#187;<a class="elsevierStyleCrossRef" href="#bib1065"><span class="elsevierStyleSup">98</span></a>&#46;</p><p id="par0460" class="elsevierStylePara elsevierViewall">En cualquier caso&#44; el marco &#233;tico de las aplicaciones de IA en la pr&#225;ctica dermatol&#243;gica siempre debe reflejar los principios b&#225;sicos de la &#233;tica m&#233;dica&#58; autonom&#237;a&#44; beneficencia&#44; no maleficencia y justicia&#46; Pero en el caso concreto de la IA este marco &#233;tico adem&#225;s deber&#237;a incluir apartados espec&#237;ficos&#44; como el de transparencia y responsabilidad<a class="elsevierStyleCrossRef" href="#bib1070"><span class="elsevierStyleSup">99</span></a>&#46;</p><p id="par0465" class="elsevierStylePara elsevierViewall">El principio de autonom&#237;a se refiere a que el paciente tiene el derecho a tomar sus propias decisiones&#46; En la asistencia m&#233;dica el consentimiento informado es lo que se utiliza para asegurar el principio de autonom&#237;a&#44; pero las im&#225;genes dermatol&#243;gicas no solo contienen informaci&#243;n en forma de p&#237;xeles&#44; sino tambi&#233;n informaci&#243;n sobre la salud &#40;al menos cuando la imagen est&#225; vinculada a la historia cl&#237;nica del paciente&#41;&#44; como los datos demogr&#225;ficos o informaci&#243;n institucional&#46; Cuando esas im&#225;genes se utilizan para entrenar algoritmos de IA&#44; los consentimientos informados deber&#237;an ser adaptados para este prop&#243;sito&#44; de modo que permitan ese uso continuado&#46;</p><p id="par0470" class="elsevierStylePara elsevierViewall">Los principios de <span class="elsevierStyleItalic">beneficencia y no maleficencia</span> van de la mano y son muy obvios en la asistencia m&#233;dica convencional&#44; pero pueden existir ciertas contradicciones en el caso de la IA&#44; ya que los algoritmos se pueden beneficiar de la estratificaci&#243;n por m&#250;ltiples par&#225;metros&#44; mejorando la fiabilidad diagn&#243;stica y&#44; por tanto&#44; mejorando el bienestar del paciente&#44; pero al mismo tiempo esa segmentaci&#243;n se podr&#237;a utilizar con fines comerciales&#46;</p><p id="par0475" class="elsevierStylePara elsevierViewall">El principio de <span class="elsevierStyleItalic">justicia</span> requiere una distribuci&#243;n justa de los bienes y servicios m&#233;dicos&#46; El desarrollo de IA deber&#237;a promover la justicia&#44; eliminando ciertas discriminaciones y previniendo ciertos sesgos impl&#237;citos&#44; como se comentar&#225; m&#225;s adelante&#46;</p><p id="par0480" class="elsevierStylePara elsevierViewall">Finalmente&#44; los principios de <span class="elsevierStyleItalic">transparencia y responsabilidad</span> pueden ser tra&#237;dos por el principio de explicabilidad&#46; Si un sistema de IA falla o provoca un da&#241;o deber&#237;amos ser capaces de determinar las razones subyacentes y todo el proceso deber&#237;a ser auditable&#46; Seguramente esto &#250;ltimo es la principal limitaci&#243;n &#233;tica de la IA&#44; ya que estos sistemas se consideran una especie de &#171;caja negra&#187; en la que quiz&#225; se puedan llegar a comprender los procesos l&#243;gicos y matem&#225;ticos en los que se basa el algoritmo&#44; pero nos las transformaciones posteriores de todos esos datos&#44; de manera que el resultado es&#44; en realidad&#44; impredecible<a class="elsevierStyleCrossRef" href="#bib1075"><span class="elsevierStyleSup">100</span></a>&#46;</p><p id="par0485" class="elsevierStylePara elsevierViewall">Y todo ello enlaza con el debate de la <span class="elsevierStyleItalic">responsabilidad</span>&#44; cuando los sistemas de IA desencadenen de manera aut&#243;noma decisiones diagn&#243;sticas o terap&#233;uticas nos podemos preguntar qui&#233;n ser&#225; el responsable si el sistema falla<a class="elsevierStyleCrossRef" href="#bib1080"><span class="elsevierStyleSup">101</span></a>&#46; La pregunta es extrapolable a otros &#225;mbitos y esta discusi&#243;n se puso de manifiesto en marzo de 2018 con el primer accidente de un coche aut&#243;nomo con desenlace fatal en Temple &#40;Arizona&#44; EE&#46; UU&#46;&#41;&#46; &#191;La culpa fue de quien iba dentro del coche&#63; &#191;Del fabricante del veh&#237;culo&#63; &#191;O del desarrollador del software&#63; La respuesta no es sencilla y por todo ello es necesario que se desarrollen regulaciones y legislaci&#243;n al respecto para que no exista esa inseguridad jur&#237;dica&#46; Cuando la IA se aplica en medicina todo ello cobra a&#250;n mayor relevancia<a class="elsevierStyleCrossRef" href="#bib1085"><span class="elsevierStyleSup">102</span></a>&#46;</p><p id="par0490" class="elsevierStylePara elsevierViewall">Existe otra cuesti&#243;n importante&#44; y es que los algoritmos pueden perpetuar los sesgos de los humanos debido precisamente a su naturaleza de &#171;caja negra&#187;&#46; Cuando el algoritmo es entrenado con datos que contienen sesgos&#44; por no incluir poblaciones infrarrepresentadas&#44; las disparidades existentes se ven replicadas o reforzadas<a class="elsevierStyleCrossRef" href="#bib1090"><span class="elsevierStyleSup">103</span></a>&#46; Si los datos de capacitaci&#243;n del algoritmo no son lo suficientemente inclusivos y equilibrados&#44; el sistema podr&#237;a aprender a tomar decisiones injustas &#40;esto es muy evidente en los sistemas de reconocimiento facial&#44; m&#225;s fiables en varones blancos que en mujeres negras&#41;<a class="elsevierStyleCrossRef" href="#bib1095"><span class="elsevierStyleSup">104</span></a>&#46;</p><p id="par0495" class="elsevierStylePara elsevierViewall">En dermatolog&#237;a&#44; aunque las aplicaciones de IA son m&#250;ltiples&#44; en estas fases iniciales se ha puesto el foco en el diagn&#243;stico de las lesiones pigmentadas&#44; sobre todo en el melanoma&#46; La realidad es que&#44; de momento&#44; la mayor&#237;a de programas de IA y <span class="elsevierStyleItalic">ML</span> est&#225;n aprendiendo principalmente con im&#225;genes de fototipos claros&#46; Por ejemplo&#44; en el <span class="elsevierStyleItalic">International Skin Imaging Collaboration&#58; Melanoma Project</span>&#44; uno de los m&#225;s utilizados&#44; de c&#243;digo abierto y acceso p&#250;blico&#44; la mayor parte de los pacientes corresponden a fototipos bajos de poblaciones estadounidenses&#44; europeas y australianas&#44; lo que hace que el algoritmo sea muy poco fiable ante lesiones en pieles negras&#46; Parad&#243;jicamente&#44; los pacientes afroamericanos que padecen melanoma suelen comenzar en fases m&#225;s avanzadas con peores tasas de supervivencia&#46; En este sentido&#44; el algoritmo solo mejorar&#237;a la detecci&#243;n precoz en pieles claras&#44; sin beneficiar a los pacientes de piel negra&#44; empeorando de manera evidente los sesgos que ya se observan en la sociedad<a class="elsevierStyleCrossRef" href="#bib1095"><span class="elsevierStyleSup">104</span></a>&#46; La soluci&#243;n no es sencilla&#44; pero es simple&#58; debe existir un esfuerzo para entrenar al algoritmo en todos los tipos de piel&#46;</p><p id="par0500" class="elsevierStylePara elsevierViewall">Desde un punto de vista normativo y regulatorio varias organizaciones ya han publicado declaraciones para la puesta en marcha de aplicaciones de IA en el campo de la medicina&#46; Todo esto es especialmente complejo&#44; partiendo de la base de que&#44; a pesar de que la legislaci&#243;n exige la ausencia de ambig&#252;edad&#44; ni siquiera existe a d&#237;a de hoy una definici&#243;n clara de lo que significa el t&#233;rmino &#171;inteligencia artificial&#187;&#46;</p><p id="par0505" class="elsevierStylePara elsevierViewall">El segundo punto crucial para los legisladores es si considerar o no el software de IA utilizado en medicina como un dispositivo m&#233;dico &#40;no es lo mismo aquellos programas que analizan datos para tener un mayor conocimiento de una enfermedad que los que toman decisiones diagn&#243;sticas o terap&#233;uticas en pacientes individuales&#41;&#46; En este sentido&#44; podemos diferenciar entre la visi&#243;n europea y la norteamericana<a class="elsevierStyleCrossRef" href="#bib1100"><span class="elsevierStyleSup">105</span></a>&#46;</p><p id="par0510" class="elsevierStylePara elsevierViewall">En Europa la norma que rige es la <span class="elsevierStyleItalic">Regulation on medical devices</span>&#44; que se aplica desde mayo de 2020 y que revoca la Directiva 93&#47;42&#47;EEC<a class="elsevierStyleCrossRef" href="#bib1105"><span class="elsevierStyleSup">106</span></a>&#46; Al tratarse de un reglamento &#40;a diferencia de una directiva&#41;&#44; se aplica directamente en el territorio europeo sin necesidad de pasar por la aprobaci&#243;n de los distintos estados miembros&#46; Esta normativa requiere que los fabricantes se aseguren de que los dispositivos que producen cumplan con una serie de requisitos esenciales que depender&#225;n del riesgo potencial de cada uno y que&#44; en ocasiones&#44; precisar&#225;n de la acreditaci&#243;n de un organismo independiente&#46;</p><p id="par0515" class="elsevierStylePara elsevierViewall">En Estados Unidos el organismo regulador es la <span class="elsevierStyleItalic">US Food and Drug Administration</span>&#44; desde que a finales de 2016 se le atribuyera jurisdicci&#243;n sobre el software utilizado en el &#225;mbito sanitario en la <span class="elsevierStyleItalic">21st Century Cures Act</span><a class="elsevierStyleCrossRef" href="#bib1110"><span class="elsevierStyleSup">107</span></a>&#44; con una lectura m&#225;s restrictiva en lo que se refiere a la introducci&#243;n de software de diagn&#243;stico no supervisado&#46;</p><p id="par0520" class="elsevierStylePara elsevierViewall">Pero&#44; adem&#225;s&#44; todas estas herramientas que se nutren de una cantidad ingente de datos tienen otras implicaciones relativas a la privacidad y protecci&#243;n de estos datos y a la ciberseguridad&#46; Como consecuencia de estas potenciales amenazas la Uni&#243;n Europea decidi&#243; actualizar esta legislaci&#243;n&#44; y el Reglamento General de Protecci&#243;n de Datos &#40;<span class="elsevierStyleItalic">GDPR</span>&#41; est&#225; en vigor desde el 24 de mayo de 2018&#44; sustituyendo la normativa anterior&#44; y obliga a obtener el consentimiento del usuario&#44; quien debe conocer la finalidad de su utilizaci&#243;n&#44; prohibi&#233;ndose expl&#237;citamente el marketing de estos datos por terceras partes<a class="elsevierStyleCrossRef" href="#bib1115"><span class="elsevierStyleSup">108</span></a>&#46; En Estados Unidos la seguridad relacionada con la informaci&#243;n en temas de salud compete al <span class="elsevierStyleItalic">Health Insurance Portability and Accountability Act</span>&#46;</p><p id="par0525" class="elsevierStylePara elsevierViewall">En 2018 la Comisi&#243;n Europea estableci&#243; el <span class="elsevierStyleItalic">High Level Experts Group</span><span class="elsevierStyleItalic">on Artificial Intelligence</span>&#44; con el objeto de apoyar la implementaci&#243;n de la estrategia europea de IA&#44; incluyendo la elaboraci&#243;n de recomendaciones para el desarrollo futuro de las normas que regulen los aspectos &#233;ticos&#44; legales y sociales de la IA&#46;</p><p id="par0530" class="elsevierStylePara elsevierViewall">En funci&#243;n de los derechos fundamentales y principios &#233;ticos&#44; estas gu&#237;as tienen 7 requerimientos clave que cualquier sistema de IA deber&#237;a cumplir para ser fiable&#58; 1&#41; no debe ir en detrimento de la autonom&#237;a humana&#59; 2&#41; robustez t&#233;cnica y seguridad&#59; 3&#41; privacidad y gobernanza de datos&#59; 4&#41; transparencia&#59; 5&#41; diversidad&#44; no discriminaci&#243;n y equidad&#59; 6&#41; respeto al medioambiente&#59; y 7&#41; rendici&#243;n de cuentas<a class="elsevierStyleCrossRef" href="#bib1120"><span class="elsevierStyleSup">109</span></a>&#46;</p><p id="par0535" class="elsevierStylePara elsevierViewall">La IA va a desempe&#241;ar un importante papel en los pr&#243;ximos a&#241;os en nuestra especialidad&#44; y necesitamos estar regidos por principios &#233;ticos&#44; como los principios de beneficencia y respeto hacia nuestros pacientes&#46; Debemos recordar que un dermat&#243;logo no es un simple int&#233;rprete de im&#225;genes&#44; y que nuestras funciones tambi&#233;n incluyen muchos otros aspectos que no pueden ser llevados a cabo por m&#225;quinas&#46;</p></span><span id="sec0110" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0135">Conclusiones</span><p id="par0540" class="elsevierStylePara elsevierViewall">Estamos viviendo y viviremos toda una revoluci&#243;n de la IA en dermatolog&#237;a&#44; con sistemas de diversa &#237;ndole y enfoque y con un potencial indudable&#46;</p><p id="par0545" class="elsevierStylePara elsevierViewall">Una revisi&#243;n bibliogr&#225;fica reciente afirma que los sistemas de IA basados en redes neuronales &#40;ya sea en sus modalidades profunda o convolucional&#41; tienen una capacidad de reconocimiento superior a la de los dermat&#243;logos<a class="elsevierStyleCrossRef" href="#bib1125"><span class="elsevierStyleSup">110</span></a>&#46; Aunque es una afirmaci&#243;n que puede discutirse y contextualizarse&#44; s&#237; es cierto que existe un perfeccionamiento t&#233;cnico progresivo de los sistemas de IA&#46;</p><p id="par0550" class="elsevierStylePara elsevierViewall">Por una parte&#44; los sistemas de an&#225;lisis automatizado de imagen convencionales han quedado ampliamente superados por los sistemas de redes neuronales usados en esta &#250;ltima d&#233;cada<a class="elsevierStyleCrossRef" href="#bib1130"><span class="elsevierStyleSup">111</span></a>&#46;</p><p id="par0555" class="elsevierStylePara elsevierViewall">Por otra parte&#44; se est&#225; consiguiendo que los sistemas puedan procesar gran cantidad de informaci&#243;n adicional para lograr &#171;razonar&#187; de forma an&#225;loga a como lo hace un dermat&#243;logo &#40;por ejemplo&#44; comparando con las otras lesiones pigmentadas del paciente para evitar diagn&#243;sticos de sospecha falseados ante un contexto de predominio de nevos at&#237;picos&#41;<a class="elsevierStyleCrossRef" href="#bib1135"><span class="elsevierStyleSup">112</span></a>&#46;</p><p id="par0560" class="elsevierStylePara elsevierViewall">Tras analizar las opiniones de los diferentes autores&#44; creemos que el avance de estas tecnolog&#237;as se debe hacer de forma progresiva&#44; segura y basada en la generosidad de la comunidad dermatol&#243;gica&#44; pues para mejorar la fiabilidad de estos sistemas es imprescindible contar con bases de datos de im&#225;genes e informaci&#243;n cl&#237;nica amplias&#44; p&#250;blicamente accesibles<a class="elsevierStyleCrossRef" href="#bib1140"><span class="elsevierStyleSup">113</span></a>&#46; Ser&#225;n un indudable apoyo a otros m&#233;dicos si no existe acceso al dermat&#243;logo o recursos para acercarlo&#46; No obstante&#44; consideramos que el futuro no pasa por que los sistemas de IA sustituyan al dermat&#243;logo&#44; sino que se conviertan en una oportunidad para mejorar la pr&#225;ctica cl&#237;nica gracias a las m&#250;ltiples ventajas que esta nos puede ofrecer&#46;</p><p id="par0565" class="elsevierStylePara elsevierViewall">En definitiva&#44; lo &#243;ptimo es que exista una simbiosis IA-dermat&#243;logo para tomar las mejores decisiones para nuestros pacientes&#44; siendo conscientes de que lo ideal es una combinaci&#243;n de la inteligencia humana con la IA<a class="elsevierStyleCrossRef" href="#bib1150"><span class="elsevierStyleSup">114</span></a>&#44; preservando una fluida relaci&#243;n m&#233;dico-paciente<a class="elsevierStyleCrossRef" href="#bib0735"><span class="elsevierStyleSup">32</span></a>&#46; Para ello resulta imprescindible cambiar la tendencia actual&#44; y que el m&#233;dico especialista en dermatolog&#237;a tome la iniciativa en el desarrollo y en la orientaci&#243;n de los productos de IA enfocados a cubrir las necesidades actualmente no cubiertas en nuestra pr&#225;ctica cl&#237;nica&#46;</p></span><span id="sec0115" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0140">Conflicto de intereses</span><p id="par0570" class="elsevierStylePara elsevierViewall">Los autores declaran no tener ning&#250;n conflicto de intereses&#46;</p><p id="par0575" class="elsevierStylePara elsevierViewall">El Dr Antonio Martorell ha recibido honorarios en relaci&#243;n a su participaci&#243;n en advisory boards y en simposios sat&#233;lite de las siguientes compa&#241;ias&#58;AbbVie&#44;Amgen&#44; Janssen&#44; UCB&#44; Lilly&#44; Novartis&#44; LEO Pharma&#44; Sandoz y MSD&#46;</p></span></span>"
    "textoCompletoSecciones" => array:1 [
      "secciones" => array:15 [
        0 => array:3 [
          "identificador" => "xres1665595"
          "titulo" => "Graphical abstract"
          "secciones" => array:1 [
            0 => array:1 [
              "identificador" => "abst0005"
            ]
          ]
        ]
        1 => array:3 [
          "identificador" => "xres1665593"
          "titulo" => "Resumen"
          "secciones" => array:1 [
            0 => array:1 [
              "identificador" => "abst0010"
            ]
          ]
        ]
        2 => array:2 [
          "identificador" => "xpalclavsec1479676"
          "titulo" => "Palabras clave"
        ]
        3 => array:3 [
          "identificador" => "xres1665594"
          "titulo" => "Abstract"
          "secciones" => array:1 [
            0 => array:1 [
              "identificador" => "abst0015"
            ]
          ]
        ]
        4 => array:2 [
          "identificador" => "xpalclavsec1479677"
          "titulo" => "Keywords"
        ]
        5 => array:3 [
          "identificador" => "sec0005"
          "titulo" => "Introducci&#243;n"
          "secciones" => array:3 [
            0 => array:2 [
              "identificador" => "sec0010"
              "titulo" => "Unas nociones b&#225;sicas de inteligencia artificial"
            ]
            1 => array:2 [
              "identificador" => "sec0015"
              "titulo" => "Aprendizaje autom&#225;tico&#58; machine learning y deep learning"
            ]
            2 => array:2 [
              "identificador" => "sec0020"
              "titulo" => "Modelos de aprendizaje de la inteligencia artificial"
            ]
          ]
        ]
        6 => array:3 [
          "identificador" => "sec0025"
          "titulo" => "Inteligencia artificial aplicada a la enfermedad inflamatoria"
          "secciones" => array:5 [
            0 => array:2 [
              "identificador" => "sec0030"
              "titulo" => "Psoriasis"
            ]
            1 => array:2 [
              "identificador" => "sec0035"
              "titulo" => "Dermatitis at&#243;pica"
            ]
            2 => array:2 [
              "identificador" => "sec0040"
              "titulo" => "Onicomicosis"
            ]
            3 => array:2 [
              "identificador" => "sec0045"
              "titulo" => "Ros&#225;cea y acn&#233;"
            ]
            4 => array:2 [
              "identificador" => "sec0050"
              "titulo" => "Otras enfermedades inflamatorias"
            ]
          ]
        ]
        7 => array:2 [
          "identificador" => "sec0055"
          "titulo" => "Aplicaci&#243;n de la inteligencia artificial en oncolog&#237;a cut&#225;nea"
        ]
        8 => array:2 [
          "identificador" => "sec0060"
          "titulo" => "Inteligencia artificial en dermatopatolog&#237;a"
        ]
        9 => array:3 [
          "identificador" => "sec0065"
          "titulo" => "Inteligencia artificial aplicada a la cosm&#233;tica"
          "secciones" => array:3 [
            0 => array:2 [
              "identificador" => "sec0070"
              "titulo" => "Asistentes de uso domiciliario"
            ]
            1 => array:2 [
              "identificador" => "sec0075"
              "titulo" => "Dispositivos inteligentes para el desarrollo de productos personalizados"
            ]
            2 => array:2 [
              "identificador" => "sec0080"
              "titulo" => "Modelos predictivos de respuesta por inteligencia artificial"
            ]
          ]
        ]
        10 => array:3 [
          "identificador" => "sec0085"
          "titulo" => "Inteligencia artificial en radiolog&#237;a y ecograf&#237;a cut&#225;nea"
          "secciones" => array:3 [
            0 => array:2 [
              "identificador" => "sec0090"
              "titulo" => "Clasificaci&#243;n"
            ]
            1 => array:2 [
              "identificador" => "sec0095"
              "titulo" => "Regresi&#243;n"
            ]
            2 => array:2 [
              "identificador" => "sec0100"
              "titulo" => "Segmentaci&#243;n"
            ]
          ]
        ]
        11 => array:2 [
          "identificador" => "sec0105"
          "titulo" => "Aspectos &#233;ticos y regulatorios de la inteligencia artificial en dermatolog&#237;a"
        ]
        12 => array:2 [
          "identificador" => "sec0110"
          "titulo" => "Conclusiones"
        ]
        13 => array:2 [
          "identificador" => "sec0115"
          "titulo" => "Conflicto de intereses"
        ]
        14 => array:1 [
          "titulo" => "Bibliograf&#237;a"
        ]
      ]
    ]
    "pdfFichero" => "main.pdf"
    "tienePdf" => true
    "fechaRecibido" => "2021-06-10"
    "fechaAceptado" => "2021-07-18"
    "PalabrasClave" => array:2 [
      "es" => array:1 [
        0 => array:4 [
          "clase" => "keyword"
          "titulo" => "Palabras clave"
          "identificador" => "xpalclavsec1479676"
          "palabras" => array:6 [
            0 => "Inteligencia artificial"
            1 => "Salud"
            2 => "Oncolog&#237;a"
            3 => "Est&#233;tica"
            4 => "Inflamaci&#243;n"
            5 => "Dermatopatolog&#237;a"
          ]
        ]
      ]
      "en" => array:1 [
        0 => array:4 [
          "clase" => "keyword"
          "titulo" => "Keywords"
          "identificador" => "xpalclavsec1479677"
          "palabras" => array:6 [
            0 => "Artificial intelligence"
            1 => "Health"
            2 => "Oncology"
            3 => "Aesthetics"
            4 => "Inflammation"
            5 => "Dermatopathology"
          ]
        ]
      ]
    ]
    "tieneResumen" => true
    "resumen" => array:2 [
      "es" => array:2 [
        "titulo" => "Resumen"
        "resumen" => "<span id="abst0010" class="elsevierStyleSection elsevierViewall"><p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">La irrupci&#243;n de la inteligencia artificial &#40;IA&#41; a nivel mundial ha supuesto un antes y un despu&#233;s en nuestras vidas&#44; generando grandes mejoras en diferentes sectores&#44; como el de la automoci&#243;n y el agroalimentario&#44; entre otros&#44; lo que ha llevado a denominarla la cuarta revoluci&#243;n industrial&#46; La AI&#44; capaz de aprender de forma automatizada y de ayudar al profesional a mejorar sus procesos&#44; promete cambiar el &#225;mbito sanitario tal y como lo conocemos mediante&#58; 1&#41; aplicaciones capaces de generar salud en la poblaci&#243;n general a partir del uso de informaci&#243;n de calidad y de segmentaci&#243;n de consejos basados en modelos de predicci&#243;n&#59; 2&#41; modelos capaces de generar algoritmos de predicci&#243;n a partir de datos anonimizados procedentes de informaci&#243;n cl&#237;nica&#44; a fin de mejorar la prevenci&#243;n primaria&#59; 3&#41; sistemas de an&#225;lisis de imagen capaces de dar a los profesionales de la salud un soporte extra en la toma de decisiones&#44; mejorando la prevenci&#243;n secundaria&#59; y 4&#41; aplicaci&#243;n de rob&#243;tica combinada en la mejora de procesos ligados al &#225;mbito de salud y bienestar&#46;</p><p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">Sin embargo&#44; la falta de conocimiento tanto en este tipo de tecnolog&#237;a&#44; como en los t&#233;rminos y la metodolog&#237;a de validaci&#243;n de la misma&#44; hace que la clase m&#233;dica dude en si esta revoluci&#243;n supone una amenaza o una oportunidad para la profesi&#243;n&#46; En el presente art&#237;culo de revisi&#243;n pretendemos introducir una serie de aspectos b&#225;sicos de la IA aplicada a la dermatolog&#237;a&#44; as&#237; como los principales avances sucedidos en este campo en los &#250;ltimos 5 a&#241;os&#46;</p></span>"
      ]
      "en" => array:2 [
        "titulo" => "Abstract"
        "resumen" => "<span id="abst0015" class="elsevierStyleSection elsevierViewall"><p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">The worldwide explosion of interest in artificial intelligence &#40;AI&#41; has created a before-and-after moment in our lives by generating great improvements in such sectors as the automotive and food production industries&#46; AI has even been called the fourth industrial revolution&#46; Machine learning through AI is helping to improve professional processes and promises to transform the health care sector as we know it in various ways&#58; <span class="elsevierStyleItalic">1&#41;</span> through applications able to promote health in the general population by providing high-quality information and offering advice for different segments of the population based on prediction models&#59; <span class="elsevierStyleItalic">2&#41;</span> by developing prediction models based on anonymized clinical data&#44; for preventive purposes in primary care&#59; <span class="elsevierStyleItalic">3&#41;</span> by analyzing images to provide additional decision-making support for health care providers&#44; for improving specialist care at the secondary level&#59; and <span class="elsevierStyleItalic">4&#41;</span> through robotics applied to processes that promote health and well-being&#46; However&#44; the medical profession harbors doubts about whether this revolution is a threat or an opportunity owing to a lack of understanding of AI technology and the methods used to validate its applications&#46; This article outlines basic aspects of AI as it is applied in dermatology and reviews the main advances achieved in the last 5 years&#46;</p></span>"
      ]
    ]
    "multimedia" => array:11 [
      0 => array:7 [
        "identificador" => "fig0005"
        "etiqueta" => "Figura 1"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr1.jpeg"
            "Alto" => 1412
            "Ancho" => 1508
            "Tamanyo" => 117997
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0025" class="elsevierStyleSimplePara elsevierViewall">Modelo de aprendizaje autom&#225;tico&#46;</p>"
        ]
      ]
      1 => array:7 [
        "identificador" => "fig0010"
        "etiqueta" => "Figura 2"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr2.jpeg"
            "Alto" => 2160
            "Ancho" => 2508
            "Tamanyo" => 226547
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0030" class="elsevierStyleSimplePara elsevierViewall">Bases para el desarrollo de inteligencia artificial&#46;</p>"
        ]
      ]
      2 => array:7 [
        "identificador" => "fig0015"
        "etiqueta" => "Figura 3"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr3.jpeg"
            "Alto" => 1292
            "Ancho" => 1508
            "Tamanyo" => 83180
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0035" class="elsevierStyleSimplePara elsevierViewall">Pasos b&#225;sicos para la construcci&#243;n de un algoritmo de inteligencia artificial&#46;</p>"
        ]
      ]
      3 => array:7 [
        "identificador" => "fig0020"
        "etiqueta" => "Figura 4"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr4.jpeg"
            "Alto" => 853
            "Ancho" => 1508
            "Tamanyo" => 132313
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0040" class="elsevierStyleSimplePara elsevierViewall">Modelo de inteligencia artificial para la definici&#243;n de lesiones en dermatopatolog&#237;a&#46;</p>"
        ]
      ]
      4 => array:7 [
        "identificador" => "fig0025"
        "etiqueta" => "Figura 5"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr5.jpeg"
            "Alto" => 854
            "Ancho" => 1350
            "Tamanyo" => 157743
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0045" class="elsevierStyleSimplePara elsevierViewall">Detecci&#243;n de psoriasis mediante el sistema SkianaPsors&#46; A&#46; Expresi&#243;n cl&#237;nica de la psoriasis&#46; B&#46; Detecci&#243;n automatizada de la psoriasis&#46;</p>"
        ]
      ]
      5 => array:7 [
        "identificador" => "fig0030"
        "etiqueta" => "Figura 6"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr6.jpeg"
            "Alto" => 2655
            "Ancho" => 2175
            "Tamanyo" => 428046
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0050" class="elsevierStyleSimplePara elsevierViewall">Aplicaci&#243;n para smartphone SkianaCare&#174;&#58; clasificador de acn&#233;&#46; A&#46; Ejemplo en var&#243;n con acn&#233; leve&#46; B&#46; Ejemplo en mujer con acn&#233; moderado&#46;</p>"
        ]
      ]
      6 => array:7 [
        "identificador" => "fig0035"
        "etiqueta" => "Figura 7"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr7.jpeg"
            "Alto" => 2841
            "Ancho" => 2175
            "Tamanyo" => 341806
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0055" class="elsevierStyleSimplePara elsevierViewall">Aplicaci&#243;n para Smartphone SkianaCare&#174;&#58; evaluaci&#243;n automatizada de fotoenvejecimiento de la piel&#46; A y B&#46; Ejemplo de 2 mujeres de la misma edad con diferente grado de severidad en t&#233;rminos de fotoenvejecimiento&#46;</p>"
        ]
      ]
      7 => array:7 [
        "identificador" => "fig0040"
        "etiqueta" => "Figura 8"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr8.jpeg"
            "Alto" => 1934
            "Ancho" => 3175
            "Tamanyo" => 286778
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0060" class="elsevierStyleSimplePara elsevierViewall">Inteligencia artificial aplicada a radiolog&#237;a&#46; Ejemplo de utilidad de la tecnolog&#237;a de aprendizaje para discernir entre estructuras ecogr&#225;ficas&#46;</p>"
        ]
      ]
      8 => array:8 [
        "identificador" => "tbl0005"
        "etiqueta" => "Tabla 1"
        "tipo" => "MULTIMEDIATABLA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "detalles" => array:1 [
          0 => array:3 [
            "identificador" => "at1"
            "detalle" => "Tabla "
            "rol" => "short"
          ]
        ]
        "tabla" => array:1 [
          "tablatextoimagen" => array:1 [
            0 => array:2 [
              "tabla" => array:1 [
                0 => """
                  <table border="0" frame="\n
                  \t\t\t\t\tvoid\n
                  \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Tipo de IA&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Definici&#243;n&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Aplicaci&#243;n&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Ejemplos&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Estrecha o d&#233;bil&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Metodolog&#237;a de aprendizaje que se focaliza en una tarea &#250;nica&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">La mayor parte de los algoritmos de IA de salud se desarrollar con IA estrecha&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Modelos automatizados de diagn&#243;stico de neumon&#237;a en radiograf&#237;a de t&#243;rax&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">General&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Modelo que equipara la funci&#243;n de IA a las capacidades humanas&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Actualmente enfocada a la gesti&#243;n de la incertidumbre&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Modelos predictivos en salud&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Super IA&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Campo futurible en el que la IA superar&#237;a la capacidad humana en todos los campos&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Se trata de la IA mostrada en muchas superproducciones como la verdadera IA&#44; que no es m&#225;s que ciencia ficci&#243;n en la sociedad actual&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Films orientados a la IA&#58; <span class="elsevierStyleItalic">Terminator</span>&#44; <span class="elsevierStyleItalic">Yo Robot</span>&#44; etc&#46;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr></tbody></table>
                  """
              ]
              "imagenFichero" => array:1 [
                0 => "xTab2835217.png"
              ]
            ]
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0065" class="elsevierStyleSimplePara elsevierViewall">Subtipos de inteligencia artificial &#40;IA&#41;</p>"
        ]
      ]
      9 => array:8 [
        "identificador" => "tbl0010"
        "etiqueta" => "Tabla 2"
        "tipo" => "MULTIMEDIATABLA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "detalles" => array:1 [
          0 => array:3 [
            "identificador" => "at2"
            "detalle" => "Tabla "
            "rol" => "short"
          ]
        ]
        "tabla" => array:1 [
          "tablatextoimagen" => array:1 [
            0 => array:2 [
              "tabla" => array:1 [
                0 => """
                  <table border="0" frame="\n
                  \t\t\t\t\tvoid\n
                  \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">PROVEN&#174;Beauty&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Vichy&#174; Skin Consult AI&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Skin 360 Neutr&#243;gena&#174;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Skiana&#174;Care&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Cuestionario inteligente&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">An&#225;lisis facial inteligente&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Estudios de validaci&#243;n cl&#237;nica&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Version APP disponible para smartphone&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Necesidad de dispositivo espec&#237;fico para an&#225;lisis&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Algoritmo de despistaje de alergia de contacto&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Desarrollo independiente de la industria cosm&#233;tica&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237; &#40;proyecto SKIANA&#40;Instrumento SME numero 885806&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr></tbody></table>
                  """
              ]
              "imagenFichero" => array:1 [
                0 => "xTab2835216.png"
              ]
            ]
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0070" class="elsevierStyleSimplePara elsevierViewall">Principales diferencias existentes entre los asistentes virtuales cosm&#233;ticos presentes actualmente</p>"
        ]
      ]
      10 => array:5 [
        "identificador" => "fig0045"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => false
        "mostrarDisplay" => true
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "fx1.jpeg"
            "Alto" => 1085
            "Ancho" => 964
            "Tamanyo" => 143458
          ]
        ]
      ]
    ]
    "bibliografia" => array:2 [
      "titulo" => "Bibliograf&#237;a"
      "seccion" => array:1 [
        0 => array:2 [
          "identificador" => "bibs0015"
          "bibliografiaReferencia" => array:114 [
            0 => array:3 [
              "identificador" => "bib0580"
              "etiqueta" => "1"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Manual pr&#225;ctico de inteligencia artificial en entornos sanitarios"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Libro" => array:5 [
                        "fecha" => "2020"
                        "paginaInicial" => "1"
                        "paginaFinal" => "10"
                        "editorial" => "Editorial Elsevier"
                        "editorialLocalizacion" => "Madrid"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            1 => array:3 [
              "identificador" => "bib0585"
              "etiqueta" => "2"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Machine learning and the cancer-diagnosis problem - no gold standard"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1056/NEJMp1907407"
                      "Revista" => array:6 [
                        "tituloSerie" => "N Engl J Med"
                        "fecha" => "2019"
                        "volumen" => "381"
                        "paginaInicial" => "2285"
                        "paginaFinal" => "2287"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            2 => array:3 [
              "identificador" => "bib0590"
              "etiqueta" => "3"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Neural network&#58; A future in pathology&#63;"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.annpat.2019.01.004"
                      "Revista" => array:6 [
                        "tituloSerie" => "Ann Pathol"
                        "fecha" => "2019"
                        "volumen" => "39"
                        "paginaInicial" => "119"
                        "paginaFinal" => "129"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            3 => array:3 [
              "identificador" => "bib0595"
              "etiqueta" => "4"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence in dermatopathology&#58; Diagnosis&#44; education&#44; and research"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1111/cup.13954"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Cutan Pathol"
                        "fecha" => "2021"
                        "volumen" => "48"
                        "paginaInicial" => "1"
                        "paginaFinal" => "8"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            4 => array:3 [
              "identificador" => "bib0600"
              "etiqueta" => "5"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep learning for dermatologists&#58; Part I fundamental concepts"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jaad.2020.05.056"
                      "Revista" => array:4 [
                        "tituloSerie" => "J Am Acad Dermatol"
                        "fecha" => "2020"
                        "volumen" => "17"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            5 => array:3 [
              "identificador" => "bib0605"
              "etiqueta" => "6"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence applications in dermatology&#58; Where do we stand&#63;"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.3389/fmed.2020.00100"
                      "Revista" => array:4 [
                        "tituloSerie" => "Front Med &#40;Lausanne&#41;"
                        "fecha" => "2020"
                        "volumen" => "7"
                        "paginaInicial" => "100"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            6 => array:3 [
              "identificador" => "bib0610"
              "etiqueta" => "7"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "Puri P&#44; Comfere N&#44; Drage LA&#44; Shamim H&#44; Bezalel SA&#44; Pittelkow MR&#44; et al&#46; Deep learning for dermatologists&#58; Part II&#46; Current applications&#46; J Am Acad Dermatol&#46; 2020 May 16&#58;S0190-9622&#40;20&#41;30918-X&#46; doi&#58; 10&#46;1016&#47;j&#46;jaad&#46;2020&#46;05&#46;053&#46; Epub ahead of print&#46; PMID&#58; 32428608&#59; PMCID&#58; PMC7669658"
                ]
              ]
            ]
            7 => array:3 [
              "identificador" => "bib0615"
              "etiqueta" => "8"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep learning for dermatologists&#58; Part II&#46; Current applications"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jaad.2020.05.053"
                      "Revista" => array:2 [
                        "tituloSerie" => "J Am Acad Dermatol"
                        "fecha" => "2020"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            8 => array:3 [
              "identificador" => "bib0620"
              "etiqueta" => "9"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial Intelligence in Dermatology-Where We Are and the Way to the Future&#58; A Review"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1007/s40257-019-00462-6"
                      "Revista" => array:6 [
                        "tituloSerie" => "Am J Clin Dermatol"
                        "fecha" => "2020"
                        "volumen" => "21"
                        "paginaInicial" => "41"
                        "paginaFinal" => "47"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            9 => array:3 [
              "identificador" => "bib0625"
              "etiqueta" => "10"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Gene expression profile based classification models of psoriasis"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ygeno.2013.11.001"
                      "Revista" => array:6 [
                        "tituloSerie" => "Genomics"
                        "fecha" => "2014"
                        "volumen" => "103"
                        "paginaInicial" => "48"
                        "paginaFinal" => "55"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            10 => array:3 [
              "identificador" => "bib0630"
              "etiqueta" => "11"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Computer- aided diagnosis of psoriasis skin images with HOS&#44; texture and color features&#58; A first comparative study of its kind"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.cmpb.2015.11.013"
                      "Revista" => array:6 [
                        "tituloSerie" => "Comput Methods Programs Biomed"
                        "fecha" => "2016"
                        "volumen" => "126"
                        "paginaInicial" => "98"
                        "paginaFinal" => "109"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            11 => array:3 [
              "identificador" => "bib0635"
              "etiqueta" => "12"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A novel and robust Bayesian approach for segmentation of psoriasis lesions and its risk stratification"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Comput Methods Programs Biomed"
                        "fecha" => "2017"
                        "volumen" => "150"
                        "paginaInicial" => "9"
                        "paginaFinal" => "22"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            12 => array:3 [
              "identificador" => "bib0640"
              "etiqueta" => "13"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Reliable and accurate psoriasis disease classification in dermatology images using comprehensive feature space in machine learning paradigm"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Expert Syst Appl"
                        "fecha" => "2015"
                        "volumen" => "42"
                        "paginaInicial" => "6184"
                        "paginaFinal" => "6195"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            13 => array:3 [
              "identificador" => "bib0645"
              "etiqueta" => "14"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Area assessment of psoriasis lesion for PASI scoring"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Conf Proc IEEE Eng Med Biol Soc"
                        "fecha" => "2007"
                        "volumen" => "2007"
                        "paginaInicial" => "3446"
                        "paginaFinal" => "3449"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            14 => array:3 [
              "identificador" => "bib0650"
              "etiqueta" => "15"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "Meienberger N&#44; Anzengruber F&#44; Amruthalingam L&#44; Christen R&#44; Koller T&#44; Maul JT&#44; et al&#46; Observer-independent assessment of psoriasis affected area using machine learning&#46; J Eur Acad Dermatol Venereol&#46; 2020&#59;34&#40;6&#41;&#58;1362-1368&#46; <a target="_blank" href="https://doi.org/10.1111/jdv.16002">https&#58;&#47;&#47;doi&#46;org&#47;10&#46;1111&#47;jdv&#46;16002</a>"
                ]
              ]
            ]
            15 => array:3 [
              "identificador" => "bib0655"
              "etiqueta" => "16"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Automatic segmentation of scaling in 2-D psoriasis skin images"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1109/TMI.2012.2236349"
                      "Revista" => array:6 [
                        "tituloSerie" => "IEEE Trans Med Imaging"
                        "fecha" => "2013"
                        "volumen" => "32"
                        "paginaInicial" => "719"
                        "paginaFinal" => "730"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            16 => array:3 [
              "identificador" => "bib0660"
              "etiqueta" => "17"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Automatic scale severity assessment method in psoriasis psoriasis skin images using local descriptors"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1109/JBHI.2019.2910883"
                      "Revista" => array:6 [
                        "tituloSerie" => "IEEE J Biomed Health Inform"
                        "fecha" => "2019"
                        "volumen" => "24"
                        "paginaInicial" => "577"
                        "paginaFinal" => "585"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            17 => array:3 [
              "identificador" => "bib0665"
              "etiqueta" => "18"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Psoriasis image representation using patch-based dictionary learning for erythema severity scoring"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Comput Med Imaging Graph"
                        "fecha" => "2018"
                        "volumen" => "66"
                        "paginaInicial" => "44"
                        "paginaFinal" => "55"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            18 => array:3 [
              "identificador" => "bib0670"
              "etiqueta" => "19"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Swarm intelligence based clustering technique for automated lesion detection and diagnosis of psoriasis"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.compbiolchem.2020.107247"
                      "Revista" => array:5 [
                        "tituloSerie" => "Comput Biol Chem"
                        "fecha" => "2020"
                        "volumen" => "86"
                        "paginaInicial" => "107247"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            19 => array:3 [
              "identificador" => "bib0675"
              "etiqueta" => "20"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "IMAPSORS project&#58; A multicentre validation study to assess the accuracy of an AI solution to quantify the psoriasis severity"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "J Am Acad Dermatol"
                        "fecha" => "2021"
                        "volumen" => "85&#44; Suppl 1"
                        "paginaInicial" => "AB197"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            20 => array:3 [
              "identificador" => "bib0680"
              "etiqueta" => "21"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Shrinking the psoriasis assessment gap&#58; Early gene-expression profiling accurately predicts response to long-term treatment"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jid.2016.09.015"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Invest Dermatol"
                        "fecha" => "2017"
                        "volumen" => "137"
                        "paginaInicial" => "305"
                        "paginaFinal" => "312"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            21 => array:3 [
              "identificador" => "bib0685"
              "etiqueta" => "22"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A framework for multi-omic prediction of treatment response to biologic therapy for psoriasis"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jid.2018.04.041"
                      "Revista" => array:7 [
                        "tituloSerie" => "J Invest Dermatol"
                        "fecha" => "2019"
                        "volumen" => "139"
                        "paginaInicial" => "100"
                        "paginaFinal" => "107"
                        "link" => array:1 [ …1]
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            22 => array:3 [
              "identificador" => "bib0690"
              "etiqueta" => "23"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Early quantification of systemic inflammatory-proteins predicts long-term treatment response to tofacitinib and etanercept&#58; Psoriasis response predictions using blood"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jid.2019.09.023"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Invest Dermatol"
                        "fecha" => "2020"
                        "volumen" => "140"
                        "paginaInicial" => "1026"
                        "paginaFinal" => "1034"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            23 => array:3 [
              "identificador" => "bib0695"
              "etiqueta" => "24"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Predicting the long-term outcomes of biologics in psoriasis patients using machine learning"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1111/bjd.18741"
                      "Revista" => array:7 [
                        "tituloSerie" => "Br J Dermatol"
                        "fecha" => "2019"
                        "volumen" => "182"
                        "paginaInicial" => "1305"
                        "paginaFinal" => "1307"
                        "link" => array:1 [ …1]
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            24 => array:3 [
              "identificador" => "bib0700"
              "etiqueta" => "25"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Drug repurposing prediction for immune-mediated cutaneous diseases using a word-embedding&#8211;based machine learning approach"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "J Invest Dermatol"
                        "fecha" => "2019"
                        "volumen" => "139"
                        "paginaInicial" => "683"
                        "paginaFinal" => "691"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            25 => array:3 [
              "identificador" => "bib0705"
              "etiqueta" => "26"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Application of machine learning to determine top predictors of non-calcified coronary burden in psoriasis"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jaad.2020.12.002"
                      "Revista" => array:5 [
                        "tituloSerie" => "J Am Acad Dermatol"
                        "fecha" => "2021"
                        "volumen" => "84"
                        "paginaInicial" => "881"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            26 => array:3 [
              "identificador" => "bib0710"
              "etiqueta" => "27"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Genetic signature to provide robust risk assessment of psoriatic arthritis development in psoriasis patients"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "Nat Commun"
                        "fecha" => "2018"
                        "volumen" => "9"
                        "paginaInicial" => "4178"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            27 => array:3 [
              "identificador" => "bib0715"
              "etiqueta" => "28"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A Machine learning algorithm for identifying atopic dermatitis in adults from electronic health records"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "2017 IEEE International Conference on Healthcare Informatics &#40;ICHI&#41;"
                        "fecha" => "2017"
                        "volumen" => "2017"
                        "paginaInicial" => "83"
                        "paginaFinal" => "90"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            28 => array:3 [
              "identificador" => "bib0720"
              "etiqueta" => "29"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:1 [
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "Design and evaluation of a multi-model&#44; multi-level artificial neural network for eczema skin lesion detection2015 3rd International conference on artificial intelligence&#44; modelling and simulation &#40;AIMS&#41;&#46;"
                        "fecha" => "2015"
                        "paginaInicial" => "42"
                        "paginaFinal" => "47"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            29 => array:3 [
              "identificador" => "bib0725"
              "etiqueta" => "30"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep neural networks show an equivalent and often superior performance to dermatologists in onychomycosis diagnosis&#58; Automatic construction of onychomycosis datasets by region-based convolutional deep neural network"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1371/journal.pone.0191493"
                      "Revista" => array:6 [
                        "tituloSerie" => "PLoS One"
                        "fecha" => "2018"
                        "volumen" => "13"
                        "paginaInicial" => "e0191493"
                        "link" => array:1 [ …1]
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            30 => array:3 [
              "identificador" => "bib0730"
              "etiqueta" => "31"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Ros-NET&#58; A deep convolutional neural network for automatic identification of rosacea lesions"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Skin Res Technol"
                        "fecha" => "2020"
                        "volumen" => "26"
                        "paginaInicial" => "413"
                        "paginaFinal" => "421"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            31 => array:3 [
              "identificador" => "bib0735"
              "etiqueta" => "32"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Development and evaluation of an automatic acne lesion detection program using digital image processing"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Skin Res Technol"
                        "fecha" => "2013"
                        "volumen" => "19"
                        "paginaInicial" => "423"
                        "paginaFinal" => "432"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            32 => array:3 [
              "identificador" => "bib0740"
              "etiqueta" => "33"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Segmentation of acne lesion using fuzzy C-means technique with intelligent selection of the desired cluster"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "Conf Proc"
                        "fecha" => "2015"
                        "paginaInicial" => "3077"
                        "paginaFinal" => "3080"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            33 => array:3 [
              "identificador" => "bib0745"
              "etiqueta" => "34"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Development and accuracy of an artificial intelligence algorithm for acne grading from smartphone photographs"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:6 [
                        "tituloSerie" => "Exp Dermatol"
                        "fecha" => "2019"
                        "volumen" => "28"
                        "paginaInicial" => "1252"
                        "paginaFinal" => "1257"
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            34 => array:3 [
              "identificador" => "bib0750"
              "etiqueta" => "35"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:1 [
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:2 [
                        "tituloSerie" => "FACE Project&#58; Value of a novel artificial intelligence solution to make at home cosmetic virtual analysis in the COVID era&#46; Presented in EADV Annual Meeting"
                        "fecha" => "2020"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            35 => array:3 [
              "identificador" => "bib0755"
              "etiqueta" => "36"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Feature selection using binary particle swarm optimization and support vector machines for medical diagnosis"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Biomed Tech Biomed Eng"
                        "fecha" => "2012"
                        "volumen" => "57"
                        "paginaInicial" => "395"
                        "paginaFinal" => "402"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            36 => array:3 [
              "identificador" => "bib0760"
              "etiqueta" => "37"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "GA-ANFIS expert system prototype for prediction of dermatological diseases"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Studies Health Technol Inform"
                        "fecha" => "2015"
                        "volumen" => "210"
                        "paginaInicial" => "622"
                        "paginaFinal" => "626"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            37 => array:3 [
              "identificador" => "bib0765"
              "etiqueta" => "38"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "SVM-RFE based feature selection and Taguchi parameters optimization for multiclass SVM classifier"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "Scient World J"
                        "fecha" => "2014"
                        "volumen" => "2014"
                        "paginaInicial" => "795624"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            38 => array:3 [
              "identificador" => "bib0770"
              "etiqueta" => "39"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A deep learning system for differential diagnosis of skin diseases"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Nat Med"
                        "fecha" => "2020"
                        "volumen" => "26"
                        "paginaInicial" => "900"
                        "paginaFinal" => "908"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            39 => array:3 [
              "identificador" => "bib0775"
              "etiqueta" => "40"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Expert systems in dermatology&#58; The computer potential&#46; The example of facial tumour diagnosis"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:6 [
                        "tituloSerie" => "Dermatologica"
                        "fecha" => "1986"
                        "volumen" => "1732"
                        "paginaInicial" => "79"
                        "paginaFinal" => "84"
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            40 => array:3 [
              "identificador" => "bib0780"
              "etiqueta" => "41"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Results obtained by using a computerized image analysis system designed as an aid to diagnosis of cutaneous melanoma"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Melanoma Res"
                        "fecha" => "1992"
                        "volumen" => "23"
                        "paginaInicial" => "163"
                        "paginaFinal" => "170"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            41 => array:3 [
              "identificador" => "bib0785"
              "etiqueta" => "42"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Computer-aided diagnosis of skin lesions using conventional digital photography&#58; A reliability and feasibility study"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "PLoS One"
                        "fecha" => "2013"
                        "volumen" => "811"
                        "paginaInicial" => "e76212"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            42 => array:3 [
              "identificador" => "bib0790"
              "etiqueta" => "43"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Analysis of clinical and dermoscopic features for basal cell carcinoma neural network classification"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Skin Res Technol"
                        "fecha" => "2013"
                        "volumen" => "191"
                        "paginaInicial" => "e217"
                        "paginaFinal" => "e222"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            43 => array:3 [
              "identificador" => "bib0795"
              "etiqueta" => "44"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Rapid and accurate intraoperative pathological diagnosis by artificial intelligence with deep learning technology"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.mehy.2017.08.021"
                      "Revista" => array:6 [
                        "tituloSerie" => "Med Hypotheses"
                        "fecha" => "2017"
                        "volumen" => "107"
                        "paginaInicial" => "98"
                        "paginaFinal" => "99"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            44 => array:3 [
              "identificador" => "bib0800"
              "etiqueta" => "45"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Toward predicting metastatic progression of melanoma based on gene expression data"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:6 [
                        "tituloSerie" => "Pigment Cell Melanoma Res"
                        "fecha" => "2015"
                        "volumen" => "284"
                        "paginaInicial" => "453"
                        "paginaFinal" => "463"
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            45 => array:3 [
              "identificador" => "bib0805"
              "etiqueta" => "46"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Dermatologist-level classification of skin cancer with deep neural networks"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Nature"
                        "fecha" => "2017"
                        "volumen" => "5427639"
                        "paginaInicial" => "115"
                        "paginaFinal" => "118"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            46 => array:3 [
              "identificador" => "bib0810"
              "etiqueta" => "47"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Growth-curve modeling of nevi with a peripheral globular pattern"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "JAMA Dermatol"
                        "fecha" => "2015"
                        "volumen" => "15112"
                        "paginaInicial" => "1338"
                        "paginaFinal" => "1345"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            47 => array:3 [
              "identificador" => "bib0815"
              "etiqueta" => "48"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence and its effect on dermatologists&#8217; accuracy in dermoscopic melanoma image classification&#58; Web-based survey study"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "J Med Internet Res"
                        "fecha" => "2020"
                        "volumen" => "229"
                        "paginaInicial" => "e18091"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            48 => array:3 [
              "identificador" => "bib0820"
              "etiqueta" => "49"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Prediction of melanoma evolution in melanocytic nevi via artificial intelligence&#58; A call for prospective data"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Eur J Cancer"
                        "fecha" => "2019"
                        "volumen" => "119"
                        "paginaInicial" => "30"
                        "paginaFinal" => "34"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            49 => array:3 [
              "identificador" => "bib0825"
              "etiqueta" => "50"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Systematic outperformance of 112 dermatologists in multiclass skin cancer image classification by convolutional neural networks"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ejca.2019.06.013"
                      "Revista" => array:7 [
                        "tituloSerie" => "Eur J Cancer"
                        "fecha" => "2019"
                        "volumen" => "119"
                        "paginaInicial" => "57"
                        "paginaFinal" => "65"
                        "link" => array:1 [ …1]
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            50 => array:3 [
              "identificador" => "bib0830"
              "etiqueta" => "51"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep neural networks are superior to dermatologists in melanoma image classification"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ejca.2019.05.023"
                      "Revista" => array:7 [
                        "tituloSerie" => "Eur J Cancer"
                        "fecha" => "2019"
                        "volumen" => "119"
                        "paginaInicial" => "11"
                        "paginaFinal" => "17"
                        "link" => array:1 [ …1]
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            51 => array:3 [
              "identificador" => "bib0835"
              "etiqueta" => "52"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Comparing artificial intelligence algorithms to 157 german dermatologists&#58; The melanoma classification benchmark"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ejca.2018.12.016"
                      "Revista" => array:6 [
                        "tituloSerie" => "Eur J Cancer"
                        "fecha" => "2019"
                        "volumen" => "111"
                        "paginaInicial" => "30"
                        "paginaFinal" => "37"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            52 => array:3 [
              "identificador" => "bib0840"
              "etiqueta" => "53"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep learning outperformed 11 pathologists in the classification of histopathological melanoma images"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ejca.2019.06.012"
                      "Revista" => array:6 [
                        "tituloSerie" => "Eur J Cancer"
                        "fecha" => "2019"
                        "volumen" => "118"
                        "paginaInicial" => "91"
                        "paginaFinal" => "96"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            53 => array:3 [
              "identificador" => "bib0845"
              "etiqueta" => "54"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Man against machine reloaded&#58; Performance of a market-approved convolutional neural network in classifying a broad spectrum of skin lesions in comparison with 96 dermatologists working under less artificial conditions"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Ann Oncol"
                        "fecha" => "2020"
                        "volumen" => "311"
                        "paginaInicial" => "137"
                        "paginaFinal" => "143"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            54 => array:3 [
              "identificador" => "bib0850"
              "etiqueta" => "55"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Assessment of accuracy of an artificial intelligence algorithm to detect melanoma in images of skin lesions"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "JAMA Netw Open"
                        "fecha" => "2019"
                        "volumen" => "210"
                        "paginaInicial" => "e1913436"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            55 => array:3 [
              "identificador" => "bib0855"
              "etiqueta" => "56"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Acral melanoma detection using a convolutional neural network for dermoscopy images"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "PLoS One"
                        "fecha" => "2018"
                        "volumen" => "133"
                        "paginaInicial" => "e0193321"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            56 => array:3 [
              "identificador" => "bib0860"
              "etiqueta" => "57"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence estimates the importance of baseline factors in predicting response to anti-pd1 in metastatic melanoma"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Am J Clin Oncol"
                        "fecha" => "2019"
                        "volumen" => "428"
                        "paginaInicial" => "643"
                        "paginaFinal" => "648"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            57 => array:3 [
              "identificador" => "bib0865"
              "etiqueta" => "58"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Microrna ratios distinguish melanomas from nevi"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "J Invest Dermatol"
                        "fecha" => "2020"
                        "volumen" => "1401"
                        "paginaInicial" => "164"
                        "paginaFinal" => "173"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            58 => array:3 [
              "identificador" => "bib0870"
              "etiqueta" => "59"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Automated detection of nonmelanoma skin cancer using digital images&#58; A systematic review"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "BMC Med Imaging"
                        "fecha" => "2019"
                        "volumen" => "191"
                        "paginaInicial" => "21"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            59 => array:3 [
              "identificador" => "bib0875"
              "etiqueta" => "60"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Keratinocytic skin cancer detection on the face using region-based convolutional neural network"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "JAMA Dermatol"
                        "fecha" => "2020"
                        "volumen" => "1561"
                        "paginaInicial" => "29"
                        "paginaFinal" => "37"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            60 => array:3 [
              "identificador" => "bib0880"
              "etiqueta" => "61"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Late fusion of deep and shallow features to improve discrimination of actinic keratosis from normal skin using clinical photography"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Skin Res Technol"
                        "fecha" => "2019"
                        "volumen" => "254"
                        "paginaInicial" => "538"
                        "paginaFinal" => "543"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            61 => array:3 [
              "identificador" => "bib0885"
              "etiqueta" => "62"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Pathologist-level classification of histopathological melanoma images with deep neural networks"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ejca.2019.04.021"
                      "Revista" => array:6 [
                        "tituloSerie" => "Eur J Cancer"
                        "fecha" => "2019"
                        "volumen" => "115"
                        "paginaInicial" => "79"
                        "paginaFinal" => "83"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            62 => array:3 [
              "identificador" => "bib0890"
              "etiqueta" => "63"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Digital pathology and artificial intelligence"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/S1470-2045(19)30154-8"
                      "Revista" => array:6 [
                        "tituloSerie" => "Lancet Oncol"
                        "fecha" => "2019"
                        "volumen" => "20"
                        "paginaInicial" => "e253"
                        "paginaFinal" => "e261"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            63 => array:3 [
              "identificador" => "bib0895"
              "etiqueta" => "64"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Diagnostic performance of artificial intelligence for histologic melanoma recognition compared to 18 international expert pathologists"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jaad.2021.02.009"
                      "Revista" => array:4 [
                        "tituloSerie" => "J Am Acad Dermatol"
                        "fecha" => "2021"
                        "paginaInicial" => "18"
                        "paginaFinal" => "20"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            64 => array:3 [
              "identificador" => "bib0900"
              "etiqueta" => "65"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep learning outperformed 11 pathologists in the classification of histopathological melanoma images"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ejca.2019.06.012"
                      "Revista" => array:5 [
                        "tituloSerie" => "Eur J Cancer"
                        "fecha" => "2019"
                        "volumen" => "118"
                        "paginaInicial" => "91"
                        "paginaFinal" => "96"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            65 => array:3 [
              "identificador" => "bib0905"
              "etiqueta" => "66"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Classification of melanocytic lesions in selected and whole-slide images via convolutional neural networks"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.4103/jpi.jpi_32_18"
                      "Revista" => array:5 [
                        "tituloSerie" => "J Pathol Inform"
                        "fecha" => "2019"
                        "volumen" => "10"
                        "paginaInicial" => "5"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            66 => array:3 [
              "identificador" => "bib0910"
              "etiqueta" => "67"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "The role of artificial intelligence in cosmetic dermatology&#8212;Current&#44; upcoming&#44; and future trends"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1111/jocd.13797"
                      "Revista" => array:5 [
                        "tituloSerie" => "J Cosmet Dermatol"
                        "fecha" => "2020"
                        "volumen" => "00"
                        "paginaInicial" => "1"
                        "paginaFinal" => "5"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            67 => array:3 [
              "identificador" => "bib0915"
              "etiqueta" => "68"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "Why Choose PROVEN For Personalized Skin Care Products&#63; &#124; PROVEN &#91;consultado 6 Jul 2020&#93;&#46; Disponible en&#58; https&#58;&#47;&#47;www&#46;prove nskin care&#46;com&#47;why-proven"
                ]
              ]
            ]
            68 => array:3 [
              "identificador" => "bib0920"
              "etiqueta" => "69"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "The new skincare diagnostic tool &#91;consultado 6 Jul 2020&#93;&#46; Disponible en&#58; https&#58;&#47;&#47;www&#46;vichy usa&#46;com&#47;skin-care-analy sis-ai&#46;html"
                ]
              ]
            ]
            69 => array:3 [
              "identificador" => "bib0925"
              "etiqueta" => "70"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "The future is now&#58; Technology for skincare - practical dermatology&#46; 2020&#46; &#91;consultado 11 Mar 2021&#93;&#46; Disponible en&#58; https&#58;&#47;&#47;pract icald ermat ology&#46;com&#47;artic les&#47;2019-jan&#47;the-futur e-is-now-techn ology -for-skincare"
                ]
              ]
            ]
            70 => array:3 [
              "identificador" => "bib0930"
              "etiqueta" => "71"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "Beauty device for age spot removal &#38; facial toning - OPT&#201; &#91;consultado 25 Mar 2020&#93;&#46; Disponible en&#58; https&#58;&#47;&#47;www&#46;optes kin&#46;com&#47;"
                ]
              ]
            ]
            71 => array:3 [
              "identificador" => "bib0935"
              "etiqueta" => "72"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "L&#8217;Or&#233;al Unveils Perso&#44; The World&#39;s First AI-Powered Device For Skincare And Cosmetics - L&#8217;Or&#233;al Group &#124; World Leader in Beauty &#124; Official Website&#46; 2020&#46; &#91;consultado 11 Mar 2021&#93;&#46; Disponible en&#58; https&#58;&#47;&#47;www&#46;loreal&#46;com&#47;media&#47;news&#47;2020&#47;janua ry&#47;perso -ces-innov ation"
                ]
              ]
            ]
            72 => array:3 [
              "identificador" => "bib0940"
              "etiqueta" => "73"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Comparison of two skin imaging analysis instruments&#58; The VISIA&#174; from Canfield vs the ANTERA 3<span class="elsevierStyleHsp" style=""></span>D&#174; CS from Miravex"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Ski Res Technol"
                        "fecha" => "2018"
                        "volumen" => "24"
                        "paginaInicial" => "3"
                        "paginaFinal" => "8"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            73 => array:3 [
              "identificador" => "bib0945"
              "etiqueta" => "74"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Computer-based approach to detect wrinkles and suggest facial fillers"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Int J Adv Comput Sci Appl"
                        "fecha" => "2019"
                        "volumen" => "10"
                        "paginaInicial" => "319"
                        "paginaFinal" => "325"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            74 => array:3 [
              "identificador" => "bib0950"
              "etiqueta" => "75"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Wrinkle detection using hessian line tracking"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "IEEE Access"
                        "fecha" => "2015"
                        "volumen" => "3"
                        "paginaInicial" => "1079"
                        "paginaFinal" => "1088"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            75 => array:3 [
              "identificador" => "bib0955"
              "etiqueta" => "76"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Fast detection of facial wrinkles based on Gabor features using image morphology and geometric constraints"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Pattern Recognit"
                        "fecha" => "2015"
                        "volumen" => "48"
                        "paginaInicial" => "642"
                        "paginaFinal" => "658"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            76 => array:3 [
              "identificador" => "bib0960"
              "etiqueta" => "77"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Prediction of clinical response to excimer laser treatment in vitiligo by using neural network models"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1159/000225934"
                      "Revista" => array:6 [
                        "tituloSerie" => "Dermatology"
                        "fecha" => "2009"
                        "volumen" => "219"
                        "paginaInicial" => "133"
                        "paginaFinal" => "137"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            77 => array:3 [
              "identificador" => "bib0965"
              "etiqueta" => "78"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Performance and clinical impact of machine learning based lung nodule detection using vessel suppression in melanoma patients"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.clinimag.2018.09.001"
                      "Revista" => array:7 [
                        "tituloSerie" => "Clin Imaging"
                        "fecha" => "2018"
                        "volumen" => "52"
                        "paginaInicial" => "328"
                        "paginaFinal" => "333"
                        "link" => array:1 [ …1]
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            78 => array:3 [
              "identificador" => "bib0970"
              "etiqueta" => "79"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Radiomics of brain MRI&#58; Utility in prediction of metastatic tumor type"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Radiology"
                        "fecha" => "2019 b"
                        "volumen" => "290"
                        "paginaInicial" => "479"
                        "paginaFinal" => "487"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            79 => array:3 [
              "identificador" => "bib0975"
              "etiqueta" => "80"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Guidelines for performing dermatologic ultrasound examinations by the DERMUS Group"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.7863/ultra.15.06046"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Ultrasound Med"
                        "fecha" => "2016"
                        "volumen" => "35"
                        "paginaInicial" => "577"
                        "paginaFinal" => "580"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            80 => array:3 [
              "identificador" => "bib0980"
              "etiqueta" => "81"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Machine learning for medical ultrasound&#58; Status&#44; methods&#44; and future opportunities"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Abdom Radiol"
                        "fecha" => "2018"
                        "volumen" => "43"
                        "paginaInicial" => "786"
                        "paginaFinal" => "799"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            81 => array:3 [
              "identificador" => "bib0985"
              "etiqueta" => "82"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Improving the distinction between benign and malignant breast lesions&#58; The value of sonographic texture analysis"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1177/016173469301500401"
                      "Revista" => array:7 [
                        "tituloSerie" => "Ultrason Imaging"
                        "fecha" => "1993"
                        "volumen" => "15"
                        "paginaInicial" => "267"
                        "paginaFinal" => "285"
                        "link" => array:1 [ …1]
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            82 => array:3 [
              "identificador" => "bib0990"
              "etiqueta" => "83"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Using an artificial neural network to diagnose hepatic masses"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1007/BF01000274"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Med Syst"
                        "fecha" => "1992"
                         …4
                      ]
                    ]
                  ]
                ]
              ]
            ]
            83 => array:3 [
              "identificador" => "bib0995"
              "etiqueta" => "84"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Computer-aided diagnosis for breast ultrasound using computerized BI-RADS features and machine learning methods"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ultrasmedbio.2015.11.016"
                      "Revista" => array:7 [ …7]
                    ]
                  ]
                ]
              ]
            ]
            84 => array:3 [
              "identificador" => "bib1000"
              "etiqueta" => "85"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Breast image analysis for risk assessment&#44; detection diagnosis&#44; and treatment of cancer"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1146/annurev-bioeng-071812-152416"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            85 => array:3 [
              "identificador" => "bib1005"
              "etiqueta" => "86"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:1 [
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [ …4]
                    ]
                  ]
                ]
              ]
            ]
            86 => array:3 [
              "identificador" => "bib1010"
              "etiqueta" => "87"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A Computer-Aided Diagnosis System Using Artificial Intelligence for the Diagnosis and Characterization of Thyroid Nodules on Ultrasound&#58; Initial Clinical Assessment"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1089/thy.2016.0372"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            87 => array:3 [
              "identificador" => "bib1015"
              "etiqueta" => "88"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Discriminative deep learning-based benignity&#47;malignancy diagnosis of dermatologic ultrasound skin lesions with pretrained artificial intelligence architecture"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.7863/jum.1990.9.11.637"
                      "Revista" => array:3 [ …3]
                    ]
                  ]
                ]
              ]
            ]
            88 => array:3 [
              "identificador" => "bib1020"
              "etiqueta" => "89"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Ultra-high frequency ultrasound and machine-learning approaches for the differential diagnosis of melanocytic lesions"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1111/exd.14330"
                      "Revista" => array:3 [ …3]
                    ]
                  ]
                ]
              ]
            ]
            89 => array:3 [
              "identificador" => "bib1025"
              "etiqueta" => "90"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep residual networks for quantification of muscle fiber orientation and curvature from ultrasound images"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "LibroEditado" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            90 => array:3 [
              "identificador" => "bib1030"
              "etiqueta" => "91"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Learning-based prediction of gestational age from ultrasound images of the fetal brain"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.media.2014.12.006"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            91 => array:3 [
              "identificador" => "bib1035"
              "etiqueta" => "92"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "M&#233;todos ecogr&#225;ficos de evaluaci&#243;n del envejecimiento cut&#225;neo y su tratamiento"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            92 => array:3 [
              "identificador" => "bib1040"
              "etiqueta" => "93"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Ultrasound image segmentation&#58; A survey"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1109/tmi.2006.877092"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            93 => array:3 [
              "identificador" => "bib1045"
              "etiqueta" => "94"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Brachial artery vasomotion and transducer pressure effect on measurements by active contour segmentation on ultrasound&#58; Brachial artery vasomotion and transducer pressure effect"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1118/1.4862508"
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            94 => array:3 [
              "identificador" => "bib1050"
              "etiqueta" => "95"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "An efficient neural network based method for medical image segmentation"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.compbiomed.2013.10.029"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            95 => array:3 [
              "identificador" => "bib1055"
              "etiqueta" => "96"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A supervised learning framework of statistical shape and probability priors for automatic prostate segmentation in ultrasound images"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.media.2013.04.001"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            96 => array:3 [
              "identificador" => "bib1060"
              "etiqueta" => "97"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "M&#46; van Strien&#46; On the origins and foundations of Laplacian determinism&#46; Studies in History and Philosophy of Science&#46; 2014&#59;45&#58; 24-31&#46;"
                ]
              ]
            ]
            97 => array:3 [
              "identificador" => "bib1065"
              "etiqueta" => "98"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Las narrativas de la inteligencia artificial"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            98 => array:3 [
              "identificador" => "bib1070"
              "etiqueta" => "99"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Ethics&#44; artificial intelligence&#44; and radiology"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jacr.2018.05.020"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            99 => array:3 [
              "identificador" => "bib1075"
              "etiqueta" => "100"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence&#58; Who is responsible for the diagnosis&#63;"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1007/s11547-020-01135-9"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            100 => array:3 [
              "identificador" => "bib1080"
              "etiqueta" => "101"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Ethical considerations for artificial intelligence&#58; An overview of the current radiology landscape"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            101 => array:3 [
              "identificador" => "bib1085"
              "etiqueta" => "102"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Implementing machine learning in health care - addressing ethical challenges"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1056/NEJMp1714229"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            102 => array:3 [
              "identificador" => "bib1090"
              "etiqueta" => "103"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Gender shades&#58; Intersectional accuracy disparities in commercial gender classification"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            103 => array:3 [
              "identificador" => "bib1095"
              "etiqueta" => "104"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Machine learning and health care disparities in dermatology"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            104 => array:3 [
              "identificador" => "bib1100"
              "etiqueta" => "105"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence as a medical devide in radiology&#58; Ethical and regulatory isues in Europe and the United States"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1007/s13244-018-0645-y"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            105 => array:3 [
              "identificador" => "bib1105"
              "etiqueta" => "106"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "The European Parliament and the Council of The European Union &#40;2017&#41; Regulation &#40;EU&#41; 2017&#47;745 of the European Parliament and of the Council on medical devices&#44; amending Directive 2001&#47;83&#47;EC&#44; Regulation &#40;EC&#41; No 178&#47;2002 and Regulation &#40;EC&#41; No 1223&#47;2009 and repealing Council Directives 90&#47;385&#47;EEC and 93&#47;42&#47;EEC&#46; Official Journal of the European Communities&#46; &#91;consultado 11 Mar 2021&#93;&#46; Disponible en&#58; https&#58;&#47;&#47;eur-lex&#46;europa&#46;eu&#47;legal-content&#47;EN&#47;TXT&#47;&#63;uri&#61;CELEX&#37;3A32017R0745"
                ]
              ]
            ]
            106 => array:3 [
              "identificador" => "bib1110"
              "etiqueta" => "107"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "&#91;114th&#93; Congress &#40;2015-2016&#41; &#40;2016&#41; H&#46;R&#46;34-21st Century Cures Act&#46; &#91;consultado 11 Mar 2021&#93;&#46; Disponible en&#58; https&#58;&#47;&#47;www&#46;congress&#46;gov&#47;bill&#47;114th-congress&#47;house-bill&#47;34"
                ]
              ]
            ]
            107 => array:3 [
              "identificador" => "bib1115"
              "etiqueta" => "108"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "Reglamento del Parlamento Europeo y del Consejo de 10 de enero&#44; sobre el respeto de la vida privada y la protecci&#243;n de los datos personales en el sector de las comunicaciones electr&#243;nicas y por el que se deroga la Directiva 2002&#47;58&#47;CE &#40;Reglamento sobre la privacidad y las comunicaciones electr&#243;nicas&#41;&#44; Comisi&#243;n Europea&#44; COM&#47;2017&#47;010 final- 2017&#47;03 &#40;COD&#41;&#44; &#40;2017&#41;&#46; &#91;consultado 11 Mar 2021&#93;&#46; Recuperado de https&#58;&#47;&#47;eur-lex&#46;europa&#46;eu&#47;legal-content&#47;ES&#47;TXT&#47;&#63;uri&#61;CELEX&#37;3A52017PC0010"
                ]
              ]
            ]
            108 => array:3 [
              "identificador" => "bib1120"
              "etiqueta" => "109"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A critical perspective on guidelines for responsible and trustworthy artificial intelligence"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1007/s11019-020-09948-1"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            109 => array:3 [
              "identificador" => "bib1125"
              "etiqueta" => "110"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Review of medical image recognition technologies to detect melanomas using neural networks"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1186/s12859-020-03615-1"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            110 => array:3 [
              "identificador" => "bib1130"
              "etiqueta" => "111"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Past and present of computer-assisted dermoscopic diagnosis&#58; Performance of a conventional image analyser versus a convolutional neural network in a prospective data set of 1&#44;981 skin lesions"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ejca.2020.04.043"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            111 => array:3 [
              "identificador" => "bib1135"
              "etiqueta" => "112"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A patient-centric dataset of images and metadata for identifying melanomas using clinical context"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [ …4]
                    ]
                  ]
                ]
              ]
            ]
            112 => array:3 [
              "identificador" => "bib1140"
              "etiqueta" => "113"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Automated dermatological diagnosis&#58; Hype or reality&#63;"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            113 => array:3 [
              "identificador" => "bib1150"
              "etiqueta" => "114"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Human-computer collaboration for skin cancer recognition"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
          ]
        ]
      ]
    ]
  ]
  "idiomaDefecto" => "es"
  "url" => "/00017310/0000011300000001/v2_202202160543/S0001731021002957/v2_202202160543/es/main.assets"
  "Apartado" => array:4 [
    "identificador" => "92869"
    "tipo" => "SECCION"
    "es" => array:2 [
      "titulo" => "Revisiones &#47; Review Articles"
      "idiomaDefecto" => true
    ]
    "idiomaDefecto" => "es"
  ]
  "PDF" => "https://static.elsevier.es/multimedia/00017310/0000011300000001/v2_202202160543/S0001731021002957/v2_202202160543/es/main.pdf?idApp=UINPBA000044&text.app=https://actasdermo.org/"
  "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0001731021002957?idApp=UINPBA000044"
]
Share
Journal Information

Statistics

Follow this link to access the full text of the article

Revisión
Inteligencia artificial en dermatología: ¿amenaza u oportunidad?
Artificial Intelligence in Dermatology: A Threat or an Opportunity?
A. Martorella,
Corresponding author
martorelldermatologia@gmail.com

Autor para correspondencia.
, A. Martin-Gorgojob, E. Ríos-Viñuelac, J.M. Rueda-Carneroa, F. Alfagemed, R. Tabernere
a Servicio de Dermatología, Hospital de Manises, Manises, Valencia, España
b Servicio de ITS/Dermatología, Sección de Especialidades Médicas, Ayuntamiento de Madrid, Madrid, España
c Servicio de Dermatologia. Fundación Instituto Valenciano de Oncología, Valencia, España
d Servicio de Dermatología, Hospital Puerta de Hierro, Madrid, España
e Departamento de Dermatología, Hospital Universitari Son Llàtzer, Palma de Mallorca, España
Read
22151
Times
was read the article
3813
Total PDF
18338
Total HTML
Share statistics
 array:24 [
  "pii" => "S0001731021002957"
  "issn" => "00017310"
  "doi" => "10.1016/j.ad.2021.07.003"
  "estado" => "S300"
  "fechaPublicacion" => "2022-01-01"
  "aid" => "2728"
  "copyrightAnyo" => "2021"
  "documento" => "article"
  "crossmark" => 1
  "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
  "subdocumento" => "rev"
  "cita" => "Actas Dermosifiliogr. 2022;113:30-46"
  "abierto" => array:3 [
    "ES" => true
    "ES2" => true
    "LATM" => true
  ]
  "gratuito" => true
  "lecturas" => array:1 [
    "total" => 0
  ]
  "itemSiguiente" => array:18 [
    "pii" => "S0001731022000047"
    "issn" => "00017310"
    "doi" => "10.1016/j.ad.2021.07.014"
    "estado" => "S300"
    "fechaPublicacion" => "2022-01-01"
    "aid" => "2866"
    "documento" => "article"
    "crossmark" => 1
    "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
    "subdocumento" => "rev"
    "cita" => "Actas Dermosifiliogr. 2022;113:T30-T46"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:1 [
      "total" => 0
    ]
    "en" => array:13 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">Review</span>"
      "titulo" => " Artificial intelligence in dermatology&#58; A threat or an opportunity&#63;"
      "tienePdf" => "en"
      "tieneTextoCompleto" => "en"
      "tieneResumen" => array:2 [
        0 => "en"
        1 => "es"
      ]
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "T30"
          "paginaFinal" => "T46"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "es" => array:1 [
          "titulo" => "Inteligencia artificial en dermatolog&#237;a&#58; &#191;amenaza u oportunidad&#63;"
        ]
      ]
      "contieneResumen" => array:2 [
        "en" => true
        "es" => true
      ]
      "contieneTextoCompleto" => array:1 [
        "en" => true
      ]
      "contienePdf" => array:1 [
        "en" => true
      ]
      "resumenGrafico" => array:2 [
        "original" => 0
        "multimedia" => array:8 [
          "identificador" => "fig0020"
          "etiqueta" => "Figure 4"
          "tipo" => "MULTIMEDIAFIGURA"
          "mostrarFloat" => true
          "mostrarDisplay" => false
          "figura" => array:1 [
            0 => array:4 [
              "imagen" => "gr4.jpeg"
              "Alto" => 855
              "Ancho" => 1508
              "Tamanyo" => 91427
            ]
          ]
          "detalles" => array:1 [
            0 => array:3 [
              "identificador" => "at0020"
              "detalle" => "Figure "
              "rol" => "short"
            ]
          ]
          "descripcion" => array:1 [
            "en" => "<p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">Model of artificial intelligence for defining lesions in dermatopathology&#46;</p>"
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "A&#46; Martorell, A&#46; Martin-Gorgojo, E&#46; R&#237;os-Vi&#241;uela, J&#46;M&#46; Rueda-Carnero, F&#46; Alfageme, R&#46; Taberner"
          "autores" => array:6 [
            0 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Martorell"
            ]
            1 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Martin-Gorgojo"
            ]
            2 => array:2 [
              "nombre" => "E&#46;"
              "apellidos" => "R&#237;os-Vi&#241;uela"
            ]
            3 => array:2 [
              "nombre" => "J&#46;M&#46;"
              "apellidos" => "Rueda-Carnero"
            ]
            4 => array:2 [
              "nombre" => "F&#46;"
              "apellidos" => "Alfageme"
            ]
            5 => array:2 [
              "nombre" => "R&#46;"
              "apellidos" => "Taberner"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "en"
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0001731022000047?idApp=UINPBA000044"
    "url" => "/00017310/0000011300000001/v2_202202160543/S0001731022000047/v2_202202160543/en/main.assets"
  ]
  "itemAnterior" => array:19 [
    "pii" => "S0001731022000035"
    "issn" => "00017310"
    "doi" => "10.1016/j.ad.2021.05.023"
    "estado" => "S300"
    "fechaPublicacion" => "2022-01-01"
    "aid" => "2865"
    "copyright" => "AEDV"
    "documento" => "article"
    "crossmark" => 1
    "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
    "subdocumento" => "fla"
    "cita" => "Actas Dermosifiliogr. 2022;113:T22-T29"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:1 [
      "total" => 0
    ]
    "en" => array:12 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">Original Article</span>"
      "titulo" => " What Proportion of the Spanish Dermatology Caseload Corresponds to Primarily Sexually Transmitted Infections and Other Anogenital Dermatoses&#63; Results From the DIADERM National Random Survey"
      "tienePdf" => "en"
      "tieneTextoCompleto" => "en"
      "tieneResumen" => array:2 [
        0 => "en"
        1 => "es"
      ]
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "T22"
          "paginaFinal" => "T29"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "es" => array:1 [
          "titulo" => "&#191;Cu&#225;nta carga asistencial suponen las infecciones de transmisi&#243;n predominantemente sexual y otras dermatosis anogenitales en las consultas de Dermatolog&#237;a en Espa&#241;a&#63; Resultados del muestreo aleatorio nacional DIADERM"
        ]
      ]
      "contieneResumen" => array:2 [
        "en" => true
        "es" => true
      ]
      "contieneTextoCompleto" => array:1 [
        "en" => true
      ]
      "contienePdf" => array:1 [
        "en" => true
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "A&#46; Martin-Gorgojo, A&#46; Comuni&#243;n-Artieda, M&#46;&#193;&#46; Descalzo-Gallego, S&#46; Arias-Santiago, A&#46; Molina-Leyva, Y&#46; Gilaberte, P&#46; Fern&#225;ndez-Crehuet, H&#46; Husein-ElAhmed, A&#46; Viera-Ram&#237;rez, P&#46; Fern&#225;ndez-Pe&#241;as, R&#46; Taberner, A&#46; Buend&#237;a-Eisman, I&#46; Garc&#237;a-Doval"
          "autores" => array:13 [
            0 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Martin-Gorgojo"
            ]
            1 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Comuni&#243;n-Artieda"
            ]
            2 => array:2 [
              "nombre" => "M&#46;&#193;&#46;"
              "apellidos" => "Descalzo-Gallego"
            ]
            3 => array:2 [
              "nombre" => "S&#46;"
              "apellidos" => "Arias-Santiago"
            ]
            4 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Molina-Leyva"
            ]
            5 => array:2 [
              "nombre" => "Y&#46;"
              "apellidos" => "Gilaberte"
            ]
            6 => array:2 [
              "nombre" => "P&#46;"
              "apellidos" => "Fern&#225;ndez-Crehuet"
            ]
            7 => array:2 [
              "nombre" => "H&#46;"
              "apellidos" => "Husein-ElAhmed"
            ]
            8 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Viera-Ram&#237;rez"
            ]
            9 => array:2 [
              "nombre" => "P&#46;"
              "apellidos" => "Fern&#225;ndez-Pe&#241;as"
            ]
            10 => array:2 [
              "nombre" => "R&#46;"
              "apellidos" => "Taberner"
            ]
            11 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Buend&#237;a-Eisman"
            ]
            12 => array:2 [
              "nombre" => "I&#46;"
              "apellidos" => "Garc&#237;a-Doval"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "en"
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0001731022000035?idApp=UINPBA000044"
    "url" => "/00017310/0000011300000001/v2_202202160543/S0001731022000035/v2_202202160543/en/main.assets"
  ]
  "asociados" => array:1 [
    0 => array:18 [
      "pii" => "S0001731022000047"
      "issn" => "00017310"
      "doi" => "10.1016/j.ad.2021.07.014"
      "estado" => "S300"
      "fechaPublicacion" => "2022-01-01"
      "aid" => "2866"
      "documento" => "article"
      "crossmark" => 1
      "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
      "subdocumento" => "rev"
      "cita" => "Actas Dermosifiliogr. 2022;113:T30-T46"
      "abierto" => array:3 [
        "ES" => true
        "ES2" => true
        "LATM" => true
      ]
      "gratuito" => true
      "lecturas" => array:1 [
        "total" => 0
      ]
      "en" => array:13 [
        "idiomaDefecto" => true
        "cabecera" => "<span class="elsevierStyleTextfn">Review</span>"
        "titulo" => " Artificial intelligence in dermatology&#58; A threat or an opportunity&#63;"
        "tienePdf" => "en"
        "tieneTextoCompleto" => "en"
        "tieneResumen" => array:2 [
          0 => "en"
          1 => "es"
        ]
        "paginas" => array:1 [
          0 => array:2 [
            "paginaInicial" => "T30"
            "paginaFinal" => "T46"
          ]
        ]
        "titulosAlternativos" => array:1 [
          "es" => array:1 [
            "titulo" => "Inteligencia artificial en dermatolog&#237;a&#58; &#191;amenaza u oportunidad&#63;"
          ]
        ]
        "contieneResumen" => array:2 [
          "en" => true
          "es" => true
        ]
        "contieneTextoCompleto" => array:1 [
          "en" => true
        ]
        "contienePdf" => array:1 [
          "en" => true
        ]
        "resumenGrafico" => array:2 [
          "original" => 0
          "multimedia" => array:8 [
            "identificador" => "fig0020"
            "etiqueta" => "Figure 4"
            "tipo" => "MULTIMEDIAFIGURA"
            "mostrarFloat" => true
            "mostrarDisplay" => false
            "figura" => array:1 [
              0 => array:4 [
                "imagen" => "gr4.jpeg"
                "Alto" => 855
                "Ancho" => 1508
                "Tamanyo" => 91427
              ]
            ]
            "detalles" => array:1 [
              0 => array:3 [
                "identificador" => "at0020"
                "detalle" => "Figure "
                "rol" => "short"
              ]
            ]
            "descripcion" => array:1 [
              "en" => "<p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">Model of artificial intelligence for defining lesions in dermatopathology&#46;</p>"
            ]
          ]
        ]
        "autores" => array:1 [
          0 => array:2 [
            "autoresLista" => "A&#46; Martorell, A&#46; Martin-Gorgojo, E&#46; R&#237;os-Vi&#241;uela, J&#46;M&#46; Rueda-Carnero, F&#46; Alfageme, R&#46; Taberner"
            "autores" => array:6 [
              0 => array:2 [
                "nombre" => "A&#46;"
                "apellidos" => "Martorell"
              ]
              1 => array:2 [
                "nombre" => "A&#46;"
                "apellidos" => "Martin-Gorgojo"
              ]
              2 => array:2 [
                "nombre" => "E&#46;"
                "apellidos" => "R&#237;os-Vi&#241;uela"
              ]
              3 => array:2 [
                "nombre" => "J&#46;M&#46;"
                "apellidos" => "Rueda-Carnero"
              ]
              4 => array:2 [
                "nombre" => "F&#46;"
                "apellidos" => "Alfageme"
              ]
              5 => array:2 [
                "nombre" => "R&#46;"
                "apellidos" => "Taberner"
              ]
            ]
          ]
        ]
      ]
      "idiomaDefecto" => "en"
      "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0001731022000047?idApp=UINPBA000044"
      "url" => "/00017310/0000011300000001/v2_202202160543/S0001731022000047/v2_202202160543/en/main.assets"
    ]
  ]
  "es" => array:19 [
    "idiomaDefecto" => true
    "cabecera" => "<span class="elsevierStyleTextfn">Revisi&#243;n</span>"
    "titulo" => "Inteligencia artificial en dermatolog&#237;a&#58; &#191;amenaza u oportunidad&#63;"
    "tieneTextoCompleto" => true
    "paginas" => array:1 [
      0 => array:2 [
        "paginaInicial" => "30"
        "paginaFinal" => "46"
      ]
    ]
    "autores" => array:1 [
      0 => array:4 [
        "autoresLista" => "A&#46; Martorell, A&#46; Martin-Gorgojo, E&#46; R&#237;os-Vi&#241;uela, J&#46;M&#46; Rueda-Carnero, F&#46; Alfageme, R&#46; Taberner"
        "autores" => array:6 [
          0 => array:4 [
            "nombre" => "A&#46;"
            "apellidos" => "Martorell"
            "email" => array:1 [
              0 => "martorelldermatologia@gmail.com"
            ]
            "referencia" => array:2 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">a</span>"
                "identificador" => "aff0005"
              ]
              1 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">&#42;</span>"
                "identificador" => "cor0005"
              ]
            ]
          ]
          1 => array:3 [
            "nombre" => "A&#46;"
            "apellidos" => "Martin-Gorgojo"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">b</span>"
                "identificador" => "aff0010"
              ]
            ]
          ]
          2 => array:3 [
            "nombre" => "E&#46;"
            "apellidos" => "R&#237;os-Vi&#241;uela"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">c</span>"
                "identificador" => "aff0015"
              ]
            ]
          ]
          3 => array:3 [
            "nombre" => "J&#46;M&#46;"
            "apellidos" => "Rueda-Carnero"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">a</span>"
                "identificador" => "aff0005"
              ]
            ]
          ]
          4 => array:3 [
            "nombre" => "F&#46;"
            "apellidos" => "Alfageme"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">d</span>"
                "identificador" => "aff0020"
              ]
            ]
          ]
          5 => array:3 [
            "nombre" => "R&#46;"
            "apellidos" => "Taberner"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">e</span>"
                "identificador" => "aff0025"
              ]
            ]
          ]
        ]
        "afiliaciones" => array:5 [
          0 => array:3 [
            "entidad" => "Servicio de Dermatolog&#237;a&#44; Hospital de Manises&#44; Manises&#44; Valencia&#44; Espa&#241;a"
            "etiqueta" => "a"
            "identificador" => "aff0005"
          ]
          1 => array:3 [
            "entidad" => "Servicio de ITS&#47;Dermatolog&#237;a&#44; Secci&#243;n de Especialidades M&#233;dicas&#44; Ayuntamiento de Madrid&#44; Madrid&#44; Espa&#241;a"
            "etiqueta" => "b"
            "identificador" => "aff0010"
          ]
          2 => array:3 [
            "entidad" => "Servicio de Dermatologia&#46; Fundaci&#243;n Instituto Valenciano de Oncolog&#237;a&#44; Valencia&#44; Espa&#241;a"
            "etiqueta" => "c"
            "identificador" => "aff0015"
          ]
          3 => array:3 [
            "entidad" => "Servicio de Dermatolog&#237;a&#44; Hospital Puerta de Hierro&#44; Madrid&#44; Espa&#241;a"
            "etiqueta" => "d"
            "identificador" => "aff0020"
          ]
          4 => array:3 [
            "entidad" => "Departamento de Dermatolog&#237;a&#44; Hospital Universitari Son Ll&#224;tzer&#44; Palma de Mallorca&#44; Espa&#241;a"
            "etiqueta" => "e"
            "identificador" => "aff0025"
          ]
        ]
        "correspondencia" => array:1 [
          0 => array:3 [
            "identificador" => "cor0005"
            "etiqueta" => "&#8270;"
            "correspondencia" => "Autor para correspondencia&#46;"
          ]
        ]
      ]
    ]
    "titulosAlternativos" => array:1 [
      "en" => array:1 [
        "titulo" => "Artificial Intelligence in Dermatology&#58; A Threat or an Opportunity&#63;"
      ]
    ]
    "resumenGrafico" => array:2 [
      "original" => 1
      "multimedia" => array:5 [
        "identificador" => "fig0045"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => false
        "mostrarDisplay" => true
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "fx1.jpeg"
            "Alto" => 1085
            "Ancho" => 964
            "Tamanyo" => 143458
          ]
        ]
      ]
    ]
    "textoCompleto" => "<span class="elsevierStyleSections"><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0030">Introducci&#243;n</span><p id="par0005" class="elsevierStylePara elsevierViewall">Tal y como dec&#237;a Marie Curie&#58; &#171;No hay que temer nada en la vida&#44; solo hay que entenderlo&#46; Ahora es el momento de entender m&#225;s&#44; para que podamos temer menos&#187;&#46; Y es que&#44; por regla general&#44; tememos aquello que desconocemos&#44; y alrededor de este desconocimiento suele surgir una capa de misterio y leyenda&#46;</p><p id="par0010" class="elsevierStylePara elsevierViewall">Por ello&#44; en el presente art&#237;culo de revisi&#243;n pretendemos introducir una serie de aspectos b&#225;sicos de la IA aplicada a la dermatolog&#237;a&#44; as&#237; como diferentes ejemplos de c&#243;mo la IA puede llegar a ser aplicada en nuestra especialidad&#46;</p><p id="par0015" class="elsevierStylePara elsevierViewall">Nuestro objetivo es animar a todos los especialistas en dermatolog&#237;a a profundizar m&#225;s en esta nueva subespecialidad a aprender y a liderar su desarrollo&#44; actualmente abandonado en manos de ingenieros que en muchos casos restan importancia a un correcto diagn&#243;stico m&#233;dico&#44; o le dan un enfoque inadecuado que limita que dicha innovaci&#243;n nos pueda ser realmente de utilidad&#46;</p><p id="par0020" class="elsevierStylePara elsevierViewall">El presente art&#237;culo ha sido desarrollado por m&#233;dicos especialistas en dermatolog&#237;a m&#233;dico-quir&#250;rgica y venereolog&#237;a que han tenido experiencia directa o indirecta en este nuevo campo de salud&#44; y que pretenden dar luz a aquellos aspectos m&#225;s relevantes para entender lo que la IA puede significar en su futuro m&#233;dico&#46;</p><span id="sec0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0035">Unas nociones b&#225;sicas de inteligencia artificial</span><p id="par0025" class="elsevierStylePara elsevierViewall">Es muy habitual leer y escuchar &#8212;en presentaciones m&#233;dicas&#44; <span class="elsevierStyleItalic">podcasts</span> y entrevistas&#8212; noticias acerca de IA&#44; aprendizaje autom&#225;tico y redes neuronales&#44; entre otros t&#233;rminos&#46;</p><p id="par0030" class="elsevierStylePara elsevierViewall">B&#225;sicamente&#44; la IA es una tecnolog&#237;a desarrollada capaz de imitar las funciones cognitivas del ser humano<a class="elsevierStyleCrossRef" href="#bib0580"><span class="elsevierStyleSup">1</span></a>&#46; Dentro de ella diferenciamos 3 tipos fundamentales&#44; que se incluyen en la tabla 1&#46;</p><p id="par0035" class="elsevierStylePara elsevierViewall">El t&#233;rmino <span class="elsevierStyleItalic"><span class="elsevierStyleBold">big data</span></span> se refiere al conjunto de datos o combinaciones de conjuntos de datos cuyo tama&#241;o &#40;volumen&#41;&#44; complejidad &#40;variabilidad&#41; y velocidad de crecimiento dificultan su captura&#44; gesti&#243;n&#44; procesamiento o an&#225;lisis mediante tecnolog&#237;as y herramientas convencionales&#44; tales como ordenadores personales&#44; bases de datos relacionales y herramientas estad&#237;sticas convencionales &#40;como&#44; por ejemplo&#44; el software SPSS&#174;&#41;<a class="elsevierStyleCrossRef" href="#bib0580"><span class="elsevierStyleSup">1</span></a>&#46; Este tipo de an&#225;lisis permite gestionar ingentes cantidades de datos y generar modelos de predicci&#243;n &#250;tiles para nuestra pr&#225;ctica cl&#237;nica como&#44; por ejemplo&#44; predecir qu&#233; perfil de paciente va a sufrir m&#225;s procesos infecciosos en el &#225;rea quir&#250;rgica a fin de tomar medidas preventivas&#46;</p><p id="par0040" class="elsevierStylePara elsevierViewall">El aprendizaje autom&#225;tico o <span class="elsevierStyleItalic">machine learning</span> &#40;ML&#41; es un tipo de IA que proporciona a las computadoras la capacidad de aprender desde los datos&#44; sin ser programadas expl&#237;citamente &#40;<a class="elsevierStyleCrossRef" href="#fig0005">fig&#46; 1</a>&#41;&#46; Esta tecnolog&#237;a se encuentra en el coraz&#243;n de la IA y de la gesti&#243;n del <span class="elsevierStyleItalic">big data</span>&#44; y por ello ha despertado gran inter&#233;s en los &#250;ltimos a&#241;os y es en la que profundizaremos un poco m&#225;s&#44; dado que se trata de la modalidad m&#225;s utilizada en dermatolog&#237;a&#44; junto al <span class="elsevierStyleItalic">deep learning</span><a class="elsevierStyleCrossRef" href="#bib0585"><span class="elsevierStyleSup">2</span></a>&#46;</p><elsevierMultimedia ident="fig0005"></elsevierMultimedia></span><span id="sec0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0040">Aprendizaje autom&#225;tico&#58; <span class="elsevierStyleItalic">machine learning</span> y <span class="elsevierStyleItalic">deep learning</span></span><p id="par0045" class="elsevierStylePara elsevierViewall">Una de las ramas de la inteligencia artificial de mayor aplicaci&#243;n en medicina es el aprendizaje autom&#225;tico o ML&#44; que consiste en el an&#225;lisis independiente de datos gracias a la generaci&#243;n de algoritmos de toma de decisiones propios<a class="elsevierStyleCrossRefs" href="#bib0585"><span class="elsevierStyleSup">2&#8211;4</span></a>&#46; Esta tecnolog&#237;a permite la identificaci&#243;n de patrones para realizar clasificaciones y distintas predicciones&#46;</p><p id="par0050" class="elsevierStylePara elsevierViewall">El ML funciona alimentando un algoritmo con datos de entrada que recogen observaciones del pasado y construye un modelo para predecir y clasificar nuevas observaciones no conocidas por el algoritmo&#44; imitando un proceso cognitivo humano &#40;<a class="elsevierStyleCrossRef" href="#fig0010">fig&#46; 2</a>&#41;&#46;</p><elsevierMultimedia ident="fig0010"></elsevierMultimedia><p id="par0055" class="elsevierStylePara elsevierViewall">Dentro de los modelos de <span class="elsevierStyleItalic">ML</span> m&#225;s populares dentro del &#225;mbito sanitario est&#225;n las redes neuronales convolucionales &#40;o CNN&#44; del ingl&#233;s <span class="elsevierStyleItalic">convolutional neural networks</span>&#41;&#44; que imitan el funcionamiento de las neuronas cerebrales&#46; Las <span class="elsevierStyleItalic">CNN</span> est&#225;n formadas por capas de variables interconectadas entre s&#237; con unos pesos que el algoritmo va calculando y ajustando mediante iteraciones &#40;repeticiones&#41; de un proceso que se conoce como &#171;descenso del gradiente&#187;&#46;</p><p id="par0060" class="elsevierStylePara elsevierViewall">En dermatolog&#237;a habitualmente utilizamos m&#250;ltiples variables&#44; por lo que se necesitan m&#250;ltiples &#171;neuronas&#187; para tejer una red de conexiones que nos generen informaci&#243;n &#250;til&#46; As&#237;&#44; cuando hablamos de un sistema que basa su informaci&#243;n en m&#225;s de una capa de informaci&#243;n&#44; nos referimos al <span class="elsevierStyleItalic">deep learning</span> &#40;DL&#41; o aprendizaje profundo&#46; Este tipo de redes generan excelentes resultados&#44; siempre y cuando cumplamos con sus 2 premisas fundamentales&#58; cantidad y calidad de datos <span class="elsevierStyleItalic">&#40;big data&#41;</span>&#44; tanto de imagen como de informaci&#243;n &#40;<a class="elsevierStyleCrossRef" href="#fig0015">fig&#46; 3</a>&#41;&#46;</p><elsevierMultimedia ident="fig0015"></elsevierMultimedia></span><span id="sec0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0045">Modelos de aprendizaje de la inteligencia artificial</span><p id="par0065" class="elsevierStylePara elsevierViewall">La inteligencia artificial &#40;ML&#44; DL&#41; puede ser entrenada principalmente de 3 modos&#58; supervisado&#44; no supervisado y por refuerzo&#46;</p><p id="par0070" class="elsevierStylePara elsevierViewall">En el <span class="elsevierStyleItalic">modelo de aprendizaje supervisado</span> el algoritmo de IA se entrena con un conjunto de ejemplos etiquetados por el experto en los que los resultados de salida son conocidos&#46; Este es el modelo que encontramos habitualmente en aplicaciones dermatol&#243;gicas&#44; cuyo contenido de entrenamiento son im&#225;genes etiquetadas con su diagn&#243;stico o par&#225;metro de entrenamiento seleccionado<a class="elsevierStyleCrossRefs" href="#bib0600"><span class="elsevierStyleSup">5&#44;6</span></a>&#46; A modo de ejemplo de este modelo de aprendizaje supervisado en el campo de la dermatopatolog&#237;a en la primera fase se &#171;ense&#241;a&#187; a la m&#225;quina a reconocer caracter&#237;sticas y patrones concretos&#44; y regiones de inter&#233;s&#44; validados en este caso por un dermatopat&#243;logo &#40;por ejemplo&#44; caracter&#237;sticas y patrones asociados a lesiones melanoc&#237;ticas benignas frente a lesiones malignas &#91;<a class="elsevierStyleCrossRef" href="#fig0020">fig&#46; 4</a>&#93;&#41;&#46; Estas caracter&#237;sticas y patrones basales constituyen la llamada verdad fundamental &#40;en ingl&#233;s <span class="elsevierStyleItalic">ground truth</span>&#41;&#46; En una segunda fase&#44; gracias a estos algoritmos de DL&#44; la m&#225;quina es capaz de reconocer estos patrones y regiones de inter&#233;s en lesiones no analizadas previamente&#44; y realizar un diagn&#243;stico de benignidad o malignidad en funci&#243;n de estos algoritmos propios<a class="elsevierStyleCrossRefs" href="#bib0595"><span class="elsevierStyleSup">4&#44;5</span></a>&#46;</p><elsevierMultimedia ident="fig0020"></elsevierMultimedia><p id="par0075" class="elsevierStylePara elsevierViewall">El <span class="elsevierStyleItalic">modelo no supervisado</span> se basa en datos sin etiquetar en el que la estructura y el resultado de salida son desconocidos <span class="elsevierStyleItalic">a priori</span>&#46; B&#225;sicamente este tipo de algoritmos buscan patrones de agrupaci&#243;n &#40;cl&#250;steres&#41; para sujetos que por sus caracter&#237;sticas en las diferentes variables que les definen muestran similitudes<a class="elsevierStyleCrossRef" href="#bib0610"><span class="elsevierStyleSup">7</span></a>&#46; No existen demasiadas aplicaciones de este tipo de IA en dermatolog&#237;a debido a que en la mayor&#237;a de las situaciones son algoritmos aplicados a im&#225;genes&#46; Este tipo de modelo suele utilizarse en situaciones en las que se quieren llevar a cabo predicciones o en caso de necesitar clasificadores r&#225;pidos para la realizaci&#243;n de miner&#237;a de datos<a class="elsevierStyleCrossRef" href="#bib0615"><span class="elsevierStyleSup">8</span></a>&#46; Un ejemplo de aprendizaje no supervisado ser&#237;a la generaci&#243;n clasificadores de &#171;melanoma versus no melanoma&#187; a partir del entrenamiento de un modelo que agrupe&#47;clasifique las im&#225;genes&#44; mediante patrones detectados por el propio algoritmo<a class="elsevierStyleCrossRef" href="#bib0615"><span class="elsevierStyleSup">8</span></a>&#46;</p></span></span><span id="sec0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0050">Inteligencia artificial aplicada a la enfermedad inflamatoria</span><p id="par0080" class="elsevierStylePara elsevierViewall">Los algoritmos de DL se han utilizado con fines de clasificaci&#243;n en diferentes enfermedades inflamatorias dermatol&#243;gicas&#46; A continuaci&#243;n&#44; presentamos algunas de las m&#225;s relevantes&#46;</p><span id="sec0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0055">Psoriasis</span><p id="par0085" class="elsevierStylePara elsevierViewall">Los algoritmos basados en IA pueden resultar &#250;tiles tanto para realizar una evaluaci&#243;n cl&#237;nica m&#225;s precisa como para ayudar a desarrollar protocolos terap&#233;uticos personalizados y predicciones de resultados<a class="elsevierStyleCrossRef" href="#bib0620"><span class="elsevierStyleSup">9</span></a>&#46;</p><p id="par0090" class="elsevierStylePara elsevierViewall">El primer programa de IA dise&#241;ado para la psoriasis fue creado por Guo et al&#46; en 2014<a class="elsevierStyleCrossRef" href="#bib0625"><span class="elsevierStyleSup">10</span></a>&#46; Su objetivo era predecir el desarrollo de psoriasis utilizando perfiles de expresi&#243;n gen&#233;tica basados en <span class="elsevierStyleItalic">microarray</span> de 2 conjuntos de datos&#46; El clasificador binario utilizado logr&#243; una precisi&#243;n global del 99&#44;81&#37;&#46;</p><p id="par0095" class="elsevierStylePara elsevierViewall">Se han propuesto varios intentos de desarrollo de un programa de IA que ayude a evaluar la gravedad de la psoriasis<a class="elsevierStyleCrossRefs" href="#bib0630"><span class="elsevierStyleSup">11&#8211;13</span></a>&#46; En uno de los &#250;ltimos modelos los autores utilizaron 3 clasificadores est&#225;ndar diferentes &#40;m&#225;quinas de soporte vectorial <span class="elsevierStyleItalic">&#40;support vector machine&#41;</span>&#44; &#225;rbol de decisi&#243;n <span class="elsevierStyleItalic">&#40;decision tree&#41;</span> y redes neuronales artificiales <span class="elsevierStyleItalic">&#40;artificial neural network&#41;</span> para estratificar el riesgo y evaluar 3 atributos principales&#58; color&#44; textura y espectros de orden superior&#46; Para entrenar a este clasificador se utilizaron 670 im&#225;genes de psoriasis&#46; Los clasificadores realizaron una segmentaci&#243;n de las lesiones y las clasificaron en las clases sana o enferma&#46; Este modelo alcanz&#243; una precisi&#243;n del 99&#44;84&#37;&#44; una sensibilidad del 99&#44;76&#37; y una especificidad del 99&#44;99&#37;&#46; Dado que el tama&#241;o de la muestra era peque&#241;o&#44; los resultados podr&#237;an haberse visto afectados por sobreajuste <span class="elsevierStyleItalic">&#40;overfitting&#41;</span>&#46;</p><p id="par0100" class="elsevierStylePara elsevierViewall">Otros estudios tratan de desarrollar un sistema para estratificar la gravedad de la psoriasis utilizando el <span class="elsevierStyleItalic">Psoriasis Area and Severity Index</span> &#40;PASI&#41;&#44; evaluando el &#225;rea afectada<a class="elsevierStyleCrossRefs" href="#bib0645"><span class="elsevierStyleSup">14&#44;15</span></a>&#44; la descamaci&#243;n<a class="elsevierStyleCrossRef" href="#bib0655"><span class="elsevierStyleSup">16</span></a>&#44; la induraci&#243;n y el color<a class="elsevierStyleCrossRef" href="#bib0660"><span class="elsevierStyleSup">17</span></a> y el eritema de forma aislada<a class="elsevierStyleCrossRef" href="#bib0665"><span class="elsevierStyleSup">18</span></a>&#46;</p><p id="par0105" class="elsevierStylePara elsevierViewall">Nuevos estudios han logrado mejorar la detecci&#243;n autom&#225;tica de lesiones de psoriasis mediante el uso de la segmentaci&#243;n basada en cl&#250;steres <span class="elsevierStyleItalic">&#40;cluster based segmentation&#41;</span> junto con t&#233;cnicas de inteligencia de enjambre <span class="elsevierStyleItalic">&#40;swarm intelligence techniques&#41;</span><a class="elsevierStyleCrossRef" href="#bib0670"><span class="elsevierStyleSup">19</span></a>&#46;</p><p id="par0110" class="elsevierStylePara elsevierViewall">Recientemente&#44; y siguiendo alguno de los modelos anteriores&#44; se presentaron los resultados del proyecto IMAPSORS&#44; incluidos dentro del proyecto SKIANA&#174;&#44; cuya tecnolog&#237;a ha sido cofinanciada por la Comisi&#243;n Europea&#44; encaminado a generar informaci&#243;n cuantificable de la piel del paciente psori&#225;sico a partir de la toma de imagen mediante dispositivos m&#243;viles de uso personal&#46; Los resultados obtenidos en la capacidad de detecci&#243;n de psoriasis y en la definici&#243;n de la gravedad de forma automatizada en forma de PASI y BSA&#44; tanto cuantitativa como cualitativamente&#44; abre la puerta a una mejora en la definici&#243;n de la gravedad y en la detecci&#243;n precoz de las formas moderada y grave &#40;<a class="elsevierStyleCrossRef" href="#fig0025">figs&#46; 5</a>A y B&#41;<a class="elsevierStyleCrossRef" href="#bib0675"><span class="elsevierStyleSup">20</span></a>&#46;</p><elsevierMultimedia ident="fig0025"></elsevierMultimedia><p id="par0115" class="elsevierStylePara elsevierViewall">Tambi&#233;n se han desarrollado programas de IA para evaluar y optimizar el tratamiento de la psoriasis&#44; en concreto para determinar la respuesta a largo plazo a los tratamientos biol&#243;gicos&#46; El primero de estos estudios se bas&#243; en 2 modelos de aprendizaje autom&#225;tico <span class="elsevierStyleItalic">&#40;machine learning&#41;</span> que estudiaban la expresi&#243;n gen&#233;tica de biopsias cut&#225;neas<a class="elsevierStyleCrossRef" href="#bib0680"><span class="elsevierStyleSup">21</span></a>&#46; Estos modelos fueron capaces de predecir la respuesta PASI 75 despu&#233;s de 12 semanas de tratamiento&#44; evaluando el perfil molecular del tratamiento a corto plazo &#40;2-4 semanas&#41;&#46; Otro estudio utiliz&#243; el an&#225;lisis de <span class="elsevierStyleItalic">multi-omics</span> en pacientes en tratamiento con etanercept&#44; encontrando indicadores de respuesta al tratamiento en genes y v&#237;as asociadas con la se&#241;alizaci&#243;n del factor de necrosis tumoral y el complejo mayor de histocompatibilidad<a class="elsevierStyleCrossRef" href="#bib0685"><span class="elsevierStyleSup">22</span></a>&#46;</p><p id="par0120" class="elsevierStylePara elsevierViewall">Aunque el estudio de la expresi&#243;n g&#233;nica en muestras de biopsias resulta prometedor&#44; se han ensayado m&#233;todos que permiten evitar el car&#225;cter invasivo de esta t&#233;cnica&#46; En ese sentido&#44; se desarroll&#243; un modelo predictivo a partir de medidas bioqu&#237;micas en sangre<a class="elsevierStyleCrossRef" href="#bib0690"><span class="elsevierStyleSup">23</span></a>&#46; Sin embargo&#44; modelos m&#225;s simples basados en el &#237;ndice PASI resultaron mejores predictores&#44; por lo que ser&#225;n necesarios m&#225;s estudios en este sentido&#46;</p><p id="par0125" class="elsevierStylePara elsevierViewall">Otro estudio reciente utiliz&#243; un programa para la predicci&#243;n de la respuesta de los pacientes con psoriasis a la terapia biol&#243;gica utilizando par&#225;metros de informaci&#243;n b&#225;sica de salud&#44; como la edad de inicio de la psoriasis y el peso del paciente<a class="elsevierStyleCrossRef" href="#bib0695"><span class="elsevierStyleSup">24</span></a>&#46;</p><p id="par0130" class="elsevierStylePara elsevierViewall">Los modelos de IA tambi&#233;n pueden utilizarse para descubrir potenciales tratamientos fuera de ficha t&#233;cnica para la psoriasis y otras enfermedades inflamatorias&#44; mediante modelos que utilizan la informaci&#243;n de palabras de art&#237;culos cient&#237;ficos y la clasificaci&#243;n de enfermedades para identificar potenciales f&#225;rmacos<a class="elsevierStyleCrossRef" href="#bib0700"><span class="elsevierStyleSup">25</span></a>&#46;</p><p id="par0135" class="elsevierStylePara elsevierViewall">Tambi&#233;n se han utilizado programas de IA para estudiar las comorbilidades de la psoriasis&#46; Uno de estos programas identific&#243; predictores de enfermedad coronaria en pacientes con psoriasis&#44; entre los que se encontraban la obesidad&#44; la dislipidemia y la inflamaci&#243;n<a class="elsevierStyleCrossRef" href="#bib0705"><span class="elsevierStyleSup">26</span></a>&#46;</p><p id="par0140" class="elsevierStylePara elsevierViewall">Otra comorbilidad que afecta a aproximadamente a un 25&#37; de los pacientes con psoriasis es la artritis psori&#225;sica&#44; para cuyo desarrollo no existe a&#250;n un m&#233;todo eficaz de predicci&#243;n&#46; Se ha desarrollado un programa de IA a trav&#233;s del genotipo de pacientes con psoriasis y artritis psori&#225;sica&#44; diferenciando entre ambas enfermedades en funci&#243;n de 200 marcadores gen&#233;ticos y alcanzando un &#225;rea bajo la curva ROC de 0&#44;82&#46; Este es el primer estudio que muestra una predicci&#243;n robusta del desarrollo de artritis psori&#225;sica utilizando solo informaci&#243;n gen&#233;tica<a class="elsevierStyleCrossRef" href="#bib0710"><span class="elsevierStyleSup">27</span></a>&#46;</p></span><span id="sec0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0060">Dermatitis at&#243;pica</span><p id="par0145" class="elsevierStylePara elsevierViewall">La IA en la dermatitis at&#243;pica podr&#237;a servir de ayuda tanto en el diagn&#243;stico como en el tratamiento personalizado y la predicci&#243;n de su resultado&#46; Tambi&#233;n podr&#237;a ser &#250;til para ayudar a estandarizar y reducir el tiempo de evaluaci&#243;n de los pacientes&#46;</p><p id="par0150" class="elsevierStylePara elsevierViewall">La investigaci&#243;n en IA en el campo de la dermatitis at&#243;pica est&#225;&#44; no obstante&#44; en sus comienzos&#46;</p><p id="par0155" class="elsevierStylePara elsevierViewall">Se ha dise&#241;ado un algoritmo de ML que identificaba dermatitis at&#243;pica desde registros electr&#243;nicos de salud<a class="elsevierStyleCrossRef" href="#bib0715"><span class="elsevierStyleSup">28</span></a>&#46; Para ello&#44; se utiliz&#243; un procesador de lenguaje natural que permiti&#243; incorporar tanto datos estructurados como no estructurados&#46; Utilizando 562 notas cl&#237;nicas los dise&#241;adores lograron un valor predictivo positivo del 84&#37; y una sensibilidad del 75&#37;&#46;</p><p id="par0160" class="elsevierStylePara elsevierViewall">Otro grupo desarroll&#243; una red neuronal artificial para la detecci&#243;n de dermatitis at&#243;pica frente a piel sana utilizando informaci&#243;n de im&#225;genes<a class="elsevierStyleCrossRef" href="#bib0720"><span class="elsevierStyleSup">29</span></a>&#46; No obstante&#44; el n&#250;mero de muestras utilizado fue bajo&#44; dado que se trataba de un estudio exploratorio&#46;</p></span><span id="sec0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0065">Onicomicosis</span><p id="par0165" class="elsevierStylePara elsevierViewall">Un estudio reciente<a class="elsevierStyleCrossRef" href="#bib0725"><span class="elsevierStyleSup">30</span></a> compar&#243; a un grupo de dermat&#243;logos con una CNN para la detecci&#243;n de onicomicosis&#46; Se utilizaron 49&#46;567 im&#225;genes para entrenar al clasificador para distinguir entre onicomicosis y u&#241;as normales&#46; En su validaci&#243;n este clasificador obtuvo una sensibilidad del 82&#44;7-96&#44;7&#37; y una especificidad del 69&#44;3-96&#44;7&#37;&#46; El &#225;rea bajo la curva ROC fue del 0&#44;82-0&#44;98&#46; La capacidad del clasificador para diferenciar u&#241;as sanas de u&#241;as con onicomicosis fue estad&#237;sticamente superior que la de los dermat&#243;logos en este estudio&#46;</p></span><span id="sec0045" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0070">Ros&#225;cea y acn&#233;</span><p id="par0170" class="elsevierStylePara elsevierViewall">La evaluaci&#243;n cl&#237;nica de los pacientes con ros&#225;cea&#44; al igual que ocurre en otras enfermedades inflamatorias&#44; a menudo presenta una importante variabilidad intra e interobservador&#46; Por ello&#44; Binol et al&#46; desarrollaron un programa de IA basado en el uso de CNN con el fin de realizar una evaluaci&#243;n cuantitativa y reproducible de las lesiones&#44; despu&#233;s de haber sido entrenado con m&#225;s de un mill&#243;n de im&#225;genes&#46; Estos autores definen as&#237; mismo lo que denominan regiones de inter&#233;s anat&#243;mico&#44; que son aquellas &#225;reas faciales altamente susceptibles de ros&#225;cea&#44; lo que produce un descenso significativo de los falsos positivos en la identificaci&#243;n de lesiones de ros&#225;cea<a class="elsevierStyleCrossRef" href="#bib0730"><span class="elsevierStyleSup">31</span></a>&#46;</p><p id="par0175" class="elsevierStylePara elsevierViewall">Del mismo modo&#44; el procesamiento digital de im&#225;genes ha sido utilizado para la detecci&#243;n autom&#225;tica de lesiones de acn&#233;&#44; con la intenci&#243;n de realizar una contabilizaci&#243;n m&#225;s precisa y reproducible&#46; Min et al&#46; desarrollaron un sistema que contabiliza de forma autom&#225;tica 5 subtipos de lesiones &#40;p&#225;pulas&#44; n&#243;dulos&#44; p&#250;stulas&#44; comedones cerrados y comedones abiertos&#41; y los compararon con el recuento manual por un dermat&#243;logo experto&#46; En las lesiones evaluadas en 25 pacientes encontraron una sensibilidad y una especificidad mayor del 70&#37;<a class="elsevierStyleCrossRef" href="#bib0735"><span class="elsevierStyleSup">32</span></a>&#46; Otros estudios han utilizado la segmentaci&#243;n de lesiones de acn&#233; descomponiendo la imagen en un n&#250;mero de regiones homog&#233;neas basadas en la similitud de su color<a class="elsevierStyleCrossRef" href="#bib0740"><span class="elsevierStyleSup">33</span></a>&#46;</p><p id="par0180" class="elsevierStylePara elsevierViewall">Dado que la gravedad del acn&#233; es el principal determinante en la elecci&#243;n de tratamiento&#44; estos m&#233;todos de evaluaci&#243;n basados en el procesamiento de im&#225;genes podr&#237;an ayudar a tomar una mejor decisi&#243;n terap&#233;utica&#46; As&#237; mismo&#44; su desarrollo podr&#237;a suponer un potencial marcado ahorro de tiempo para el cl&#237;nico&#46;</p><p id="par0185" class="elsevierStylePara elsevierViewall">En 2019 Seit&#233; et al&#46; desarrollaron una aplicaci&#243;n de smartphone basada en IA que grad&#250;a y clasifica los tipos de lesiones de acn&#233; &#40;comedoniano&#44; inflamatorio&#44; hiperpigmentaci&#243;n posinflamatoria&#44; etc&#46;&#41;&#46; Aparte de las ventajas en cuanto a la evaluaci&#243;n de las lesiones&#44; se postula que el uso de estas aplicaciones vinculado a geolocalizaci&#243;n tambi&#233;n podr&#237;a ayudar a evaluar el impacto de factores externos en el desencadenamiento&#44; la duraci&#243;n y la gravedad del acn&#233;&#44; como las condiciones clim&#225;ticas y la poluci&#243;n<a class="elsevierStyleCrossRef" href="#bib0745"><span class="elsevierStyleSup">34</span></a>&#46;</p><p id="par0190" class="elsevierStylePara elsevierViewall">En 2020 Martorell et al&#46; desarrollaron un modelo de IA de detecci&#243;n de lesiones de acn&#233; en el &#225;rea facial dentro de la aplicaci&#243;n de smartphone <span class="elsevierStyleItalic">SkianaCare</span>&#174;&#44; que permite definir su gravedad&#44; as&#237; como el punto de corte a partir del cual el tratamiento sist&#233;mico deber&#237;a complementar al tratamiento m&#233;dico por el grado &#40;GEA&#41; de acn&#233; &#40;<a class="elsevierStyleCrossRef" href="#fig0030">figs&#46; 6</a>A y B&#41;&#46; As&#237;&#44; sobre una serie de 101 pacientes se detect&#243; una precisi&#243;n del 97&#44;8&#37; en la capacidad de definici&#243;n de grado de gravedad&#46; A su vez&#44; la correlaci&#243;n cl&#237;nica y de imagen estableci&#243; la necesidad de incorporar tratamiento sist&#233;mico&#44; principalmente en forma de retinoide oral&#44; a partir del GEA 3 en la regi&#243;n facial<a class="elsevierStyleCrossRef" href="#bib0750"><span class="elsevierStyleSup">35</span></a>&#46;</p><elsevierMultimedia ident="fig0030"></elsevierMultimedia></span><span id="sec0050" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0075">Otras enfermedades inflamatorias</span><p id="par0195" class="elsevierStylePara elsevierViewall">Otros programas de IA se han dise&#241;ado para el diagn&#243;stico de diferentes enfermedades dermatol&#243;gicas inflamatorias&#44; como el liquen plano&#44; la pitiriasis liquenoide o la dermatomiositis a partir de im&#225;genes digitales<a class="elsevierStyleCrossRefs" href="#bib0755"><span class="elsevierStyleSup">36&#8211;39</span></a>&#46; Huang et al&#46; desarrollaron un clasificador de m&#250;ltiples enfermedades &#40;bas&#225;ndose en la evaluaci&#243;n de 34 atributos como eritema&#44; descamaci&#243;n&#44; bordes definidos o irregulares&#44; etc&#46;&#41; capaz de diferenciar varias enfermedades cut&#225;neas como la psoriasis&#44; el liquen plano o la dermatitis seborreica<a class="elsevierStyleCrossRef" href="#bib0770"><span class="elsevierStyleSup">39</span></a>&#46;</p><p id="par0200" class="elsevierStylePara elsevierViewall">Para el estudio de la dermatomiositis&#44; adem&#225;s de la evaluaci&#243;n de im&#225;genes de la piel&#44; se han empleado im&#225;genes de ultrasonido del m&#250;sculo para diferenciar entre m&#250;sculo normal&#44; dermatomiositis&#44; polimiositis y miositis por cuerpos de inclusi&#243;n<a class="elsevierStyleCrossRef" href="#bib0765"><span class="elsevierStyleSup">38</span></a>&#46;</p></span></span><span id="sec0055" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0080">Aplicaci&#243;n de la inteligencia artificial en oncolog&#237;a cut&#225;nea</span><p id="par0205" class="elsevierStylePara elsevierViewall">En el &#225;mbito del c&#225;ncer cut&#225;neo cabe mencionar algunas de las publicaciones que abordaban el potencial de los &#8212;entonces&#8212; nuevos sistemas inform&#225;ticos&#46;</p><p id="par0210" class="elsevierStylePara elsevierViewall">En la primera indexada&#44; de 1986&#44; se hablaba de c&#243;mo los ordenadores pod&#237;an automatizar el diagn&#243;stico de tumores faciales y la emisi&#243;n de recomendaciones<a class="elsevierStyleCrossRef" href="#bib0775"><span class="elsevierStyleSup">40</span></a>&#46; Otra de 1992 subrayaba la utilidad del an&#225;lisis de imagen computarizado para dar apoyo diagn&#243;stico a profesionales con menos experiencia en el &#225;mbito del melanoma<a class="elsevierStyleCrossRef" href="#bib0780"><span class="elsevierStyleSup">41</span></a>&#46;</p><p id="par0215" class="elsevierStylePara elsevierViewall">Desde entonces&#44; y de forma m&#225;s clara en la &#250;ltima d&#233;cada&#44; ha habido un crecimiento exponencial de las publicaciones sobre IA en la asistencia a pacientes con c&#225;ncer cut&#225;neo&#46; En este per&#237;odo podr&#237;an definirse 2 etapas que&#44; si bien no est&#225;n perfectamente delimitadas&#44; permiten aproximarse al desarrollo de la aplicaci&#243;n de la IA en el c&#225;ncer cut&#225;neo&#46;</p><p id="par0220" class="elsevierStylePara elsevierViewall">Una primera etapa&#44; en la que se recibe la herencia de los a&#241;os anteriores&#44; se asienta el desarrollo te&#243;rico y se realizan m&#250;ltiples intentos pr&#225;cticos progresivos&#46; En esta se podr&#237;a afirmar que se terminaban de poner a punto los sistemas basados en el uso de IA&#46;</p><p id="par0225" class="elsevierStylePara elsevierViewall">Durante ella se public&#243; la fiabilidad y factibilidad del uso de macrofotograf&#237;as digitales convencionales para que un sistema inform&#225;tico distinguiera entre lesiones melanoc&#237;ticas y no melanoc&#237;ticas<a class="elsevierStyleCrossRef" href="#bib0785"><span class="elsevierStyleSup">42</span></a>&#46; Tambi&#233;n se observ&#243; que la combinaci&#243;n de informaci&#243;n cl&#237;nica y de imagen ayudaba al diagn&#243;stico del carcinoma basocelular<a class="elsevierStyleCrossRef" href="#bib0790"><span class="elsevierStyleSup">43</span></a>&#46; Otras muchas publicaciones de &#237;ndole similar subrayaron que a trav&#233;s de la combinaci&#243;n de diferentes fuentes de informaci&#243;n &#40;historia cl&#237;nica exhaustiva&#44; im&#225;genes obtenidas a trav&#233;s de sistemas diversos&#8230;&#41; se alcanza una mayor precisi&#243;n en el diagn&#243;stico automatizado&#46; Incluso se pudo ver c&#243;mo era posible usar la IA en el control de m&#225;rgenes quir&#250;rgicos de biopsias intraoperatorias<a class="elsevierStyleCrossRef" href="#bib0795"><span class="elsevierStyleSup">44</span></a>&#46;</p><p id="par0230" class="elsevierStylePara elsevierViewall">Podr&#237;an tambi&#233;n incluirse en esta etapa los modelos pron&#243;sticos automatizados&#46; Por ejemplo&#44; los algoritmos computacionales que permiten predecir la progresi&#243;n metast&#225;sica del melanoma cut&#225;neo basados en los datos de expresi&#243;n gen&#233;tica y microRNA<a class="elsevierStyleCrossRef" href="#bib0800"><span class="elsevierStyleSup">45</span></a>&#46;</p><p id="par0235" class="elsevierStylePara elsevierViewall">Una <span class="elsevierStyleItalic">segunda etapa</span>&#44; m&#225;s reciente&#44; ha significado la puesta en pr&#225;ctica de sistemas de IA en las consultas &#40;y fuera de ellas&#41; con diferentes funciones&#46;</p><p id="par0240" class="elsevierStylePara elsevierViewall">Una de las publicaciones con mayor difusi&#243;n&#44; de 2017&#44; propon&#237;a la utilizaci&#243;n de algoritmos de DL para la clasificaci&#243;n de lesiones tumorales&#46; En concreto&#44; compararon el grado de concordancia diagn&#243;stica entre el sistema automatizado y un grupo de m&#233;dicos especialistas en dermatolog&#237;a a la hora de distinguir queratosis seborreicas de carcinomas queratinoc&#237;ticos y nevos benignos de melanoma&#44; con resultados prometedores para su uso en el apoyo al diagn&#243;stico&#46; Estos algoritmos podr&#237;an conformar una herramienta que maximizar&#237;a el alcance de los dermat&#243;logos fuera de la consulta<a class="elsevierStyleCrossRef" href="#bib0805"><span class="elsevierStyleSup">46</span></a>&#46;</p><p id="par0245" class="elsevierStylePara elsevierViewall">Se ha propuesto el uso de algoritmos de an&#225;lisis de imagen automatizados para apoyar las decisiones terap&#233;uticas &#40;extirpaci&#243;n versus observaci&#243;n&#41; en el manejo de lesiones pigmentadas<a class="elsevierStyleCrossRef" href="#bib0810"><span class="elsevierStyleSup">47</span></a>&#44; o para dar una primera orientaci&#243;n al dermat&#243;logo que posteriormente tomar&#237;a la &#250;ltima decisi&#243;n en funci&#243;n del contexto cl&#237;nico<a class="elsevierStyleCrossRef" href="#bib0815"><span class="elsevierStyleSup">48</span></a>&#46; Es particularmente interesante el uso que se ha dado a las im&#225;genes obtenidas a trav&#233;s de aplicaciones m&#243;viles de descarga gratuita&#44; a partir de los cuales algunos autores han propuesto algoritmos para detectar cambios en lesiones pigmentadas que podr&#237;an predecir una progresi&#243;n a melanoma<a class="elsevierStyleCrossRef" href="#bib0820"><span class="elsevierStyleSup">49</span></a>&#46;</p><p id="par0250" class="elsevierStylePara elsevierViewall">Con especial inter&#233;s en las lesiones pigmentadas y melanoma&#44; uno de los grupos de investigaci&#243;n m&#225;s prol&#237;ficos ha sido el liderado por dermat&#243;logos de Heidelberg&#46; En sus investigaciones emplean sistemas basados en su mayor&#237;a en CNN&#46; Los primeros art&#237;culos&#44; de Haenssle&#44; obtuvieron resultados preliminares superiores a especialistas en dermatolog&#237;a a la hora de reconocer melanoma mediante dermatoscopia en condiciones experimentales<a class="elsevierStyleCrossRef" href="#bib0615"><span class="elsevierStyleSup">8</span></a>&#46; Por otro lado&#44; el grupo liderado por Brinker ha seguido poniendo de manifiesto un rendimiento excelente de los sistemas basados en CNN para diferenciar melanomas de nevos melanoc&#237;ticos dermatosc&#243;picamente<a class="elsevierStyleCrossRefs" href="#bib0825"><span class="elsevierStyleSup">50&#44;51</span></a>&#44; combinando fotos cl&#237;nicas y dermatosc&#243;picas<a class="elsevierStyleCrossRef" href="#bib0835"><span class="elsevierStyleSup">52</span></a>&#44; o con im&#225;genes histopatol&#243;gicas<a class="elsevierStyleCrossRef" href="#bib0840"><span class="elsevierStyleSup">53</span></a>&#46; En condiciones de uso m&#225;s aproximadas a la realidad&#44; e incluyendo en el diagn&#243;stico lesiones tumorales de diferente &#237;ndole &#40;no solo melanoma&#41;&#44; han llegado a obtener resultados cercanos a los de los dermat&#243;logos<a class="elsevierStyleCrossRef" href="#bib0845"><span class="elsevierStyleSup">54</span></a>&#46;</p><p id="par0255" class="elsevierStylePara elsevierViewall">Otros grupos han mostrado buenos resultados en identificar&#44; a partir de im&#225;genes dermatosc&#243;picas&#44; melanomas mediante sistemas de DL<a class="elsevierStyleCrossRef" href="#bib0850"><span class="elsevierStyleSup">55</span></a> o melanomas acrales mediante sistemas de CNN<a class="elsevierStyleCrossRef" href="#bib0855"><span class="elsevierStyleSup">56</span></a>&#46;</p><p id="par0260" class="elsevierStylePara elsevierViewall">Estos sistemas y aproximaciones se pueden aprovechar en la explotaci&#243;n de datos para generar modelos predictivos de la respuesta a inmunoterapia en casos de melanoma metast&#225;sico<a class="elsevierStyleCrossRef" href="#bib0860"><span class="elsevierStyleSup">57</span></a>&#46; Incluso se est&#225;n empleando an&#225;lisis de expresi&#243;n g&#233;nica y microRNA con algoritmos de ML para la distinci&#243;n molecular entre nevos melanoc&#237;ticos y melanoma<a class="elsevierStyleCrossRef" href="#bib0865"><span class="elsevierStyleSup">58</span></a>&#46;</p><p id="par0265" class="elsevierStylePara elsevierViewall">Respecto al c&#225;ncer cut&#225;neo no melanoma&#44; parece que la utilidad de los sistemas basados en IA presenta un grado de evidencia menos robusto<a class="elsevierStyleCrossRef" href="#bib0870"><span class="elsevierStyleSup">59</span></a>&#46; En cualquier caso&#44; se han empleado con &#233;xito sistemas de CNN en la detecci&#243;n automatizada a partir de fotograf&#237;as cl&#237;nicas de c&#225;nceres queratinoc&#237;ticos faciales<a class="elsevierStyleCrossRef" href="#bib0875"><span class="elsevierStyleSup">60</span></a> y queratosis act&#237;nicas<a class="elsevierStyleCrossRef" href="#bib0880"><span class="elsevierStyleSup">61</span></a>&#46;</p></span><span id="sec0060" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0085">Inteligencia artificial en dermatopatolog&#237;a</span><p id="par0270" class="elsevierStylePara elsevierViewall">El diagn&#243;stico histol&#243;gico de las lesiones cut&#225;neas est&#225; sujeto a un importante componente de subjetividad dependiente del observador&#46; En concreto&#44; lesiones inflamatorias poco espec&#237;ficas&#44; tumores cut&#225;neos pobremente diferenciados&#44; o enfermedades en las que se considera un espectro de alteraciones que incluyen desde lesiones benignas hasta malignas&#44; incluyendo casos <span class="elsevierStyleItalic">borderline</span> o de caracter&#237;sticas l&#237;mite generan importantes dudas diagn&#243;sticas&#44; con divergencia de opiniones incluso entre dermatopat&#243;logos expertos&#46; Quiz&#225;s uno de los mejores ejemplos sea el diagn&#243;stico histol&#243;gico de las lesiones melanoc&#237;ticas&#58; la diferencia entre un nevus displ&#225;sico y un melanoma <span class="elsevierStyleItalic">in situ</span> es sutil&#44; y no es infrecuente que dermatopat&#243;logos experimentados consideren diagn&#243;sticos diferentes ante una misma lesi&#243;n<a class="elsevierStyleCrossRefs" href="#bib0585"><span class="elsevierStyleSup">2&#8211;4</span></a>&#46;</p><p id="par0275" class="elsevierStylePara elsevierViewall">En dermatopatolog&#237;a el uso de la IA como herramienta diagn&#243;stica comenz&#243; a finales del siglo pasado&#44; con el proyecto TEGUMENT<a class="elsevierStyleCrossRef" href="#bib0885"><span class="elsevierStyleSup">62</span></a> &#40;<a class="elsevierStyleCrossRef" href="#fig0020">fig&#46; 4</a>&#41;&#46; Sin embargo&#44; ha sido m&#225;s recientemente cuando varios trabajos han comenzado a avalar &#40;de manera a&#250;n muy preliminar&#41; su potencial uso pr&#225;ctico como apoyo para el diagn&#243;stico histol&#243;gico&#46;</p><p id="par0280" class="elsevierStylePara elsevierViewall">La IA ha demostrado una alta precisi&#243;n en la realizaci&#243;n de varias funciones esenciales de diagn&#243;stico histol&#243;gico&#44; como el recuento de mitosis y la evaluaci&#243;n de positividad en pruebas inmunohistoqu&#237;micas<a class="elsevierStyleCrossRef" href="#bib0890"><span class="elsevierStyleSup">63</span></a>&#46; Por otro lado&#44; los algoritmos de aprendizaje profundo demostraron una precisi&#243;n de casi el 100&#37; en pruebas de clasificaci&#243;n binaria para lesiones cut&#225;neas tumorales&#44; y de casi el 80&#37; para la clasificaci&#243;n de las mismas en 4 categor&#237;as &#40;basaloide&#44; escamoso&#44; melanoc&#237;tico y otros&#41;<a class="elsevierStyleCrossRef" href="#bib0890"><span class="elsevierStyleSup">63</span></a>&#46;</p><p id="par0285" class="elsevierStylePara elsevierViewall">Respecto al diagn&#243;stico diferencial entre nevus y melanoma las CNN han sido evaluadas por distintos estudios<a class="elsevierStyleCrossRefs" href="#bib0890"><span class="elsevierStyleSup">63&#44;64</span></a>&#46; En 2019 Hekler et al&#46; demostraron una discordancia global de un 19&#37; entre una CNN y un dermatopat&#243;logo experto&#44; siendo este un porcentaje similar al existente entre dermatopat&#243;logos expertos<a class="elsevierStyleCrossRef" href="#bib0885"><span class="elsevierStyleSup">62</span></a>&#46; Tambi&#233;n en 2019 Hart et al&#46; demostraron una precisi&#243;n de en torno al 90&#37; para la clasificaci&#243;n binaria entre nevus de Spitz y nevus convencional<a class="elsevierStyleCrossRef" href="#bib0900"><span class="elsevierStyleSup">65</span></a>&#46; M&#225;s recientemente&#44; en 2021&#44; las CNN demostraron una sensibilidad&#44; especificidad y precisi&#243;n cercanas a las de 18 dermatopat&#243;logos expertos en la evaluaci&#243;n de 50 lesiones melanoc&#237;ticas&#44; discriminando entre nevus y melanomas<a class="elsevierStyleCrossRef" href="#bib0895"><span class="elsevierStyleSup">64</span></a>&#46;</p><p id="par0290" class="elsevierStylePara elsevierViewall">Una de las principales limitaciones en el uso de las CNN en dermatopatolog&#237;a es su reducido sistema de clasificaci&#243;n&#58; mientras que los dermatopat&#243;logos entrenados son capaces de reconocer m&#250;ltiples variantes morfol&#243;gicas y realizar amplios diagn&#243;sticos diferenciales&#44; los modelos de CNN actuales utilizan principalmente sistemas de clasificaci&#243;n binarios &#40;indican si una imagen es positiva o no para un diagn&#243;stico&#41; y pierden precisi&#243;n al introducir m&#225;s categor&#237;as<a class="elsevierStyleCrossRef" href="#bib0905"><span class="elsevierStyleSup">66</span></a>&#46; De hecho&#44; apenas hay estudios en dermatopatolog&#237;a de lesiones no tumorales&#44; donde el diagn&#243;stico diferencial es&#44; en muchas ocasiones&#44; m&#225;s amplio y subjetivo&#46; Por otro lado&#44; debido a que la verdad fundamental de la fase de aprendizaje de estos sistemas es establecida por uno o varios dermatopat&#243;logos&#44; y puesto que muchas entidades carecen de criterios diagn&#243;sticos que sean absolutamente precisos&#44; esta verdad basal o fundamental no est&#225; completamente exenta de subjetividad<a class="elsevierStyleCrossRef" href="#bib0595"><span class="elsevierStyleSup">4</span></a>&#46;</p><p id="par0295" class="elsevierStylePara elsevierViewall">Por ello&#44; y a pesar de estos resultados preliminares prometedores&#44; es necesaria la ampliaci&#243;n &#40;m&#225;s all&#225; de sistemas binarios&#41; y la validaci&#243;n de los sistemas de inteligencia artificial antes de que pueda generalizarse su uso en dermatopatolog&#237;a pr&#225;ctica&#46;</p><p id="par0300" class="elsevierStylePara elsevierViewall">Probablemente&#44; estos sistemas podr&#225;n ser utilizados en el futuro para la automatizaci&#243;n de tareas reproducibles&#44; y como t&#233;cnica de cribado&#44; convirti&#233;ndose en una ayuda diagn&#243;stica para mejorar no solo el trabajo diario del dermatopat&#243;logo&#44; sino tambi&#233;n en una herramienta importante en investigaci&#243;n e incluso divulgaci&#243;n educativa&#46;</p></span><span id="sec0065" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0090">Inteligencia artificial aplicada a la cosm&#233;tica</span><p id="par0305" class="elsevierStylePara elsevierViewall">El campo de la dermatolog&#237;a cosm&#233;tica ha sido uno de los sectores en los que se han desarrollado m&#250;ltiples modelos basados en soluciones innovadoras&#46; Actualmente existen en el mercado desde modelos de planificaci&#243;n virtual para tratamientos cosm&#233;ticos con neuromoduladores y el tratamiento con rellenos cosm&#233;ticos&#44; as&#237; como el uso de rob&#243;tica en la automatizaci&#243;n de diferentes tratamientos con l&#225;ser<a class="elsevierStyleCrossRef" href="#bib0910"><span class="elsevierStyleSup">67</span></a>&#46;</p><span id="sec0070" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0095">Asistentes de uso domiciliario</span><p id="par0310" class="elsevierStylePara elsevierViewall">La aplicaci&#243;n de las nuevas tecnolog&#237;as ha generado m&#250;ltiples estrategias cuyo objetivo final es empoderar a los pacientes mediante informaci&#243;n y generaci&#243;n de contenidos personalizados&#44; a fin de facilitar las decisiones en cuanto al cuidado de la piel y del cabello&#46;</p><p id="par0315" class="elsevierStylePara elsevierViewall">Muchas empresas han creado cuestionarios inteligentes sobre el cuidado de la piel y el cabello que incluyen preguntas sobre la demograf&#237;a del paciente&#44; las caracter&#237;sticas de la piel y el cabello y resultados est&#233;ticos deseados para generar recomendaciones personalizadas&#46;</p><p id="par0320" class="elsevierStylePara elsevierViewall">En esta l&#237;nea&#44; la <span class="elsevierStyleItalic">startup</span> de nombre <span class="elsevierStyleItalic">PROVEN Beauty</span>&#174;&#44; con sede en California&#44; ha utilizado el ML para ofrecer a los consumidores productos cosm&#233;ticos personalizados para el cuidado de la piel&#46; Este algoritmo utiliza informaci&#243;n de una gran base de datos de cuidado de la piel&#44; llamado <span class="elsevierStyleItalic">Beauty Genome Project</span>&#44; que incluye m&#225;s de 8 millones de opiniones de clientes&#44; m&#225;s de 100&#46;000 productos para el cuidado de la piel actualmente en el mercado&#44; 20&#46;000 ingredientes y m&#225;s de 4&#46;000 art&#237;culos cient&#237;ficos revisados por pares sobre la piel y los ingredientes para el cuidado de la piel<a class="elsevierStyleCrossRef" href="#bib0915"><span class="elsevierStyleSup">68</span></a>&#46;</p><p id="par0325" class="elsevierStylePara elsevierViewall">La realidad aumentada es otra tecnolog&#237;a que permite una personalizaci&#243;n de las rutinas de cuidado de la piel y del cabello&#46; En estos casos se va un paso m&#225;s all&#225; de los modelos basados en cuestionario al incorporar im&#225;genes del paciente en el proceso de toma de decisiones&#46; En este sentido&#44; la empresa L&#8217;Oreal&#174; oferta 2 aplicaciones web de realidad aumentada en l&#237;nea que son gratuitas para todos los usuarios&#46; La primera aplicaci&#243;n ofrece an&#225;lisis de piel en l&#237;nea a trav&#233;s del sitio web de Vichy&#174; <span class="elsevierStyleItalic">Skin Consult AI</span><span class="elsevierStyleItalic">&#174;</span>&#44; una aplicaci&#243;n que genera simulaci&#243;n de cuidado de la piel y antienvejecimiento con capacidad para detectar&#44; cuantificar y predecir cambios en la piel<a class="elsevierStyleCrossRef" href="#bib0920"><span class="elsevierStyleSup">69</span></a>&#46; Este &#171;espejo virtual&#187; aplica tecnolog&#237;a de visi&#243;n por ordenador para simular los resultados que se pueden obtener a trav&#233;s del uso de productos de belleza y cosm&#233;ticos&#46; Este proyecto fue desarrollado con el apoyo de dermat&#243;logos a fin de evaluar afecciones de la piel como discrom&#237;a&#44; sequedad y arrugas&#46; Tras subir una imagen&#44; el sistema genera informaci&#243;n al consumidor acerca de la calidad de su piel&#44; sus aspectos a mejorar y recomendaciones sobre el r&#233;gimen de productos personalizado&#46; Los aspectos analizados incluyen las l&#237;neas infraorbitarias&#44; elasticidad&#44; l&#237;neas finas generalizadas y arrugas profundas&#44; falta de luminosidad&#44; hiperpigmentaci&#243;n y poros&#46; Sin embargo&#44; las principales limitaciones del sistema incluyen&#58; 1&#41; el sesgo de recomendaci&#243;n basado en un conjunto limitado de productos&#59; 2&#41; la p&#233;rdida de informaci&#243;n en el an&#225;lisis de imagen por la ausencia de an&#225;lisis de im&#225;genes laterales&#59; 3&#41; la falta de posibilidad de autoseguimiento&#59; y 4&#41; la falta de informaci&#243;n generada por el usuario impide generar recomendaciones personalizadas no solo basadas en el aspecto f&#237;sico del usuario&#46;</p><p id="par0330" class="elsevierStylePara elsevierViewall">En la misma l&#237;nea&#44; la aplicaci&#243;n gratuita para smartphones de nombre <span class="elsevierStyleItalic">Skin360</span><span class="elsevierStyleItalic">&#174;</span><span class="elsevierStyleItalic">&#44;</span> de Neutrogena&#174;&#44; utiliza la c&#225;mara del tel&#233;fono inteligente del usuario para evaluar la piel en busca de manchas oscuras&#44; ojeras&#44; arrugas&#44; cambios de textura y l&#237;neas de expresi&#243;n&#46; Esta evaluaci&#243;n proporciona una &#171;puntuaci&#243;n <span class="elsevierStyleItalic">Skin360</span>&#187; y ofrece al usuario sugerencias para productos para el cuidado de la piel basados en los 5 par&#225;metros referidos&#46; El paciente tambi&#233;n tiene la capacidad de realizar un seguimiento de la mejora con los productos recomendados durante d&#237;as&#44; semanas y meses con evaluaciones cut&#225;neas de seguimiento a trav&#233;s de la aplicaci&#243;n&#46; Adem&#225;s de dicha puntuaci&#243;n&#44; la aplicaci&#243;n tambi&#233;n rastrea los h&#225;bitos de estilo de vida del paciente que pueden influir en la salud de la piel &#40;sue&#241;o&#44; ejercicio&#44; estr&#233;s y registro diario de su uso del producto&#41;<a class="elsevierStyleCrossRef" href="#bib0925"><span class="elsevierStyleSup">70</span></a>&#46;</p><p id="par0335" class="elsevierStylePara elsevierViewall">En la misma l&#237;nea de las anteriores&#44; pero bajo el liderazgo de m&#233;dicos expertos en dermatolog&#237;a&#44; y siguiendo como objetivos el potenciar el autocuidado de la piel del paciente a trav&#233;s del refuerzo cosm&#233;tico y el reducir el exceso de productos desechados por parte del usuario por la dificultad en la selecci&#243;n del producto af&#237;n a la piel de cada sujeto&#44; en el a&#241;o 2020 Martorell et al&#46; desarrollan la primera aplicaci&#243;n independiente de la industria cosm&#233;tica&#44; bajo el soporte la Comisi&#243;n Europea dentro del proyecto de Salud y AI <span class="elsevierStyleItalic">Skiana</span><span class="elsevierStyleItalic">&#174;</span> &#40;Ayudas Europeas SME I 2020&#44; Grant n&#46;&#176;885806&#41; <a class="elsevierStyleCrossRef" href="#tbl0005">tabla 1</a>&#46;</p><elsevierMultimedia ident="tbl0005"></elsevierMultimedia><p id="par0340" class="elsevierStylePara elsevierViewall">Este asistente virtual personal&#44; el primero de su generaci&#243;n libre de conflictos de cualquier empresa farmac&#233;utica y cosm&#233;tica&#44; desarrollado en la nube y disponible en las tiendas de aplicaciones de Android&#174; y Apple&#174; bajo el nombre de <span class="elsevierStyleItalic">Skiana</span><span class="elsevierStyleItalic">&#174;</span><span class="elsevierStyleItalic">Care</span> busca&#44; mediante la combinaci&#243;n de un breve cuestionario inteligente y de informaci&#243;n&#44; obtenida a partir del an&#225;lisis facial&#44; generada a partir de algoritmos propios de IA&#44; generar salud a trav&#233;s de la piel&#46; Sus principales misiones incluyen&#58; 1&#41; <span class="elsevierStyleItalic">generaci&#243;n de campa&#241;as de prevenci&#243;n</span> de c&#225;ncer de piel y educaci&#243;n en salud&#44; a trav&#233;s de consejos dermosaludables&#59; 2&#41; <span class="elsevierStyleItalic">captaci&#243;n del usuario final</span> a trav&#233;s de la generaci&#243;n de informes objetivos disponibles en sus dispositivos m&#243;viles que incluyen informaci&#243;n del estado de salud de la piel&#46; Estos datos incluyen desde la cuantificaci&#243;n de fotoenvejecimiento&#44; flacidez&#44; elasticidad&#44; a cambios de la textura de la piel como la cuantificaci&#243;n de lesiones de acn&#233; &#40;<a class="elsevierStyleCrossRefs" href="#fig0030">figs&#46; 6 y 7</a>&#41;&#59; 3&#41; <span class="elsevierStyleItalic">generaci&#243;n del paciente experto</span> en el cuidado de la piel&#44; a partir de informaci&#243;n personalizada del estado de su piel y de la formaci&#243;n en cosm&#233;tica&#44; incluyendo informaci&#243;n de productos cosm&#233;ticos&#44; a fin de ayudarle a un mejor cuidado&#59; y 4&#41; <span class="elsevierStyleItalic">posicionamiento de la especialidad de dermatolog&#237;a y venereolog&#237;a</span> como la referencia en el campo del cuidado integral de la la piel<a class="elsevierStyleCrossRef" href="#bib0750"><span class="elsevierStyleSup">35</span></a>&#46;</p><elsevierMultimedia ident="fig0035"></elsevierMultimedia><p id="par0345" class="elsevierStylePara elsevierViewall">Las principales ventajas e inconvenientes de los diferentes asistentes virtuales se resumen en la <a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a>&#46;</p><elsevierMultimedia ident="tbl0010"></elsevierMultimedia></span><span id="sec0075" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0100">Dispositivos inteligentes para el desarrollo de productos personalizados</span><p id="par0350" class="elsevierStylePara elsevierViewall">La aplicaci&#243;n de estas tecnolog&#237;as al &#225;mbito de la rob&#243;tica&#44; con el desarrollo de dispositivos capaces de desarrollar productos cosm&#233;ticos personalizados en casa a partir de la informaci&#243;n obtenida por los softwares anteriores&#44; ser&#225; el siguiente paso en cosm&#233;tica&#44; con empresas como Procter &#38; Gamble&#174; &#40;dispositivo <span class="elsevierStyleItalic">Opt&#233; Precision Skincare System</span>&#174;&#41;<a class="elsevierStyleCrossRef" href="#bib0930"><span class="elsevierStyleSup">71</span></a> y L&#8217;Or&#233;al&#174; &#40;dispositivo <span class="elsevierStyleItalic">Perso</span>&#174;&#41;<a class="elsevierStyleCrossRef" href="#bib0935"><span class="elsevierStyleSup">72</span></a>&#44; pioneras en desarrollo de este tipo de aparatos caseros&#46;</p><p id="par0355" class="elsevierStylePara elsevierViewall">De igual modo&#44; el uso de estos algoritmos en soportes profesionales que permiten tomas de imagen con diferentes par&#225;metros de luz&#44; como <span class="elsevierStyleItalic">Visia</span><span class="elsevierStyleItalic">&#174;</span> &#40;Canfield&#174; Inc&#46;&#41; o <span class="elsevierStyleItalic">Lifeviz</span><span class="elsevierStyleItalic">&#174;</span><span class="elsevierStyleItalic">micro</span> &#40;Quantificare&#174; Inc&#46;&#41;&#44; ayudar&#225;n al profesional de la cosm&#233;tica a mejorar el cuidado de sus pacientes en las consultas<a class="elsevierStyleCrossRef" href="#bib0940"><span class="elsevierStyleSup">73</span></a>&#46;</p></span><span id="sec0080" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0105">Modelos predictivos de respuesta por inteligencia artificial</span><p id="par0360" class="elsevierStylePara elsevierViewall">La aplicaci&#243;n del modelo de DL y de generaci&#243;n de redes neuronales permiten mejorar la efectividad y seguridad en la realizaci&#243;n de procedimientos cosm&#233;ticos&#46;</p><p id="par0365" class="elsevierStylePara elsevierViewall">Ejemplos en este sentido incluyen la aplicaci&#243;n de DL para definir la mejor opci&#243;n de tratamiento cosm&#233;tico seg&#250;n la profundidad de arrugas faciales<a class="elsevierStyleCrossRefs" href="#bib0945"><span class="elsevierStyleSup">74&#8211;76</span></a>&#46; Tambi&#233;n se ha evaluado la oportunidad del <span class="elsevierStyleItalic">DL</span> en predecir la respuesta cl&#237;nica a terapias con l&#225;ser&#46; En esta l&#237;nea&#44; Cazzaniga et al&#46; aplicaron esta tecnolog&#237;a en la predicci&#243;n de la duraci&#243;n de tratamiento de l&#225;ser de exc&#237;meros para pacientes con vit&#237;ligo&#44; con resultados prometedores<a class="elsevierStyleCrossRef" href="#bib0960"><span class="elsevierStyleSup">77</span></a>&#46; As&#237;&#44; con datos de su ensayo cl&#237;nico&#44; su modelo logr&#243; una precisi&#243;n general del 66&#44;46&#37; en predecir el tiempo de repigmentaci&#243;n en los respondedores&#46; Dado que el tratamiento puede ser lento y costoso&#44; un modelo predictivo para la respuesta cl&#237;nica y la duraci&#243;n del tratamiento ayudar&#237;a tanto a los pacientes como a los proveedores en la decisi&#243;n de seguir un tratamiento&#46; Los modelos de resultado cl&#237;nico tambi&#233;n podr&#237;an aplicarse a otras luces y modalidades l&#225;ser para el tratamiento de afecciones como cicatrices del acn&#233;&#44; discrom&#237;a o trastornos vasculares para ayudar a establecer unas expectativas reales al paciente interesado&#46;</p></span></span><span id="sec0085" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0110">Inteligencia artificial en radiolog&#237;a y ecograf&#237;a cut&#225;nea</span><p id="par0370" class="elsevierStylePara elsevierViewall">Dentro de las t&#233;cnicas de imagen radiol&#243;gica tanto la TC como la radiograf&#237;a simple y la RM son utilizadas fundamentalmente en el contexto de la estadificaci&#243;n o el seguimiento de melanoma&#46; La ventaja que tienen estas t&#233;cnicas es que son f&#225;cilmente estandarizables&#44; y la existencia de grandes bases de datos de im&#225;genes que permiten el entrenamiento de los algoritmos&#46;</p><p id="par0375" class="elsevierStylePara elsevierViewall">Las t&#233;cnicas basadas en radiaciones ionizantes&#44; como la TC en el paciente dermatol&#243;gico&#44; se han utilizado en la detecci&#243;n de met&#225;stasis de melanoma&#46; En el estudio de Aissa et al&#46;<a class="elsevierStyleCrossRef" href="#bib0965"><span class="elsevierStyleSup">78</span></a>&#44; a trav&#233;s de t&#233;cnicas de ML y sustracci&#243;n vascular&#44; los algoritmos encontraron met&#225;stasis adicionales en un 54&#44;3&#37; de los casos&#46; Sin embargo&#44; como los autores concluyen&#44; el diagn&#243;stico de met&#225;stasis adicionales no hubiera afectado el manejo del paciente&#46;</p><p id="par0380" class="elsevierStylePara elsevierViewall">En relaci&#243;n con la RM se ha usado la IA para la detecci&#243;n y diagn&#243;stico de las lesiones&#59; Kniepp et al&#46;<a class="elsevierStyleCrossRef" href="#bib0970"><span class="elsevierStyleSup">79</span></a> revisaron 189 met&#225;stasis cerebrales&#44; incluyendo de melanoma&#44; y mediante algoritmos de &#225;rboles de decisi&#243;n combinados con datos cl&#237;nicos demostraron una capacidad de diferenciar las met&#225;stasis de otros tumores &#40;carcinoma epidermoide&#44; carcinoma microc&#237;tico de pulm&#243;n&#41; superior a los radi&#243;logos&#44; con un &#225;rea por debajo de la curva de 0&#44;82&#46; Este uso de la imagen radiol&#243;gica para inferir el diagn&#243;stico histol&#243;gico de las lesiones es lo que se ha venido a denominar radi&#243;mica&#44; y va un paso m&#225;s all&#225; de la detecci&#243;n de im&#225;genes o su segmentaci&#243;n&#46;</p><p id="par0385" class="elsevierStylePara elsevierViewall">La ecograf&#237;a cut&#225;nea es una t&#233;cnica que ofrece ventajas sobre otras t&#233;cnicas de imagen al ser inocua&#44; r&#225;pida y disponible a pie de cama del paciente<a class="elsevierStyleCrossRef" href="#bib0970"><span class="elsevierStyleSup">79</span></a>&#46; Sin embargo&#44; la ecograf&#237;a&#44; considerada como fuente de datos para la IA&#44; presenta varias limitaciones&#44; fundamentalmente la ausencia de grandes bancos de im&#225;genes ecogr&#225;ficos utilizables para el entrenamiento de los algoritmos y su validaci&#243;n y las caracter&#237;sticas intr&#237;nsecas de las ecograf&#237;as que no suelen estar tan estandarizadas como en el caso de la TC o la RM&#46;</p><p id="par0390" class="elsevierStylePara elsevierViewall">A pesar de ello&#44; en los &#250;ltimos a&#241;os el desarrollo de la IA en la ecograf&#237;a ha empezado a aportar evidencias respecto a c&#243;mo aplicarla en los 3 grandes problemas de la ecograf&#237;a&#44; y en concreto de la ecograf&#237;a cut&#225;nea&#58; la clasificaci&#243;n&#44; la regresi&#243;n y la segmentaci&#243;n<a class="elsevierStyleCrossRef" href="#bib0975"><span class="elsevierStyleSup">80</span></a>&#46;</p><span id="sec0090" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0115">Clasificaci&#243;n</span><p id="par0395" class="elsevierStylePara elsevierViewall">La mayor&#237;a de los algoritmos de clasificaci&#243;n se han aplicado al diagn&#243;stico ecogr&#225;fico de lesiones en mama o lesiones hep&#225;ticas<a class="elsevierStyleCrossRefs" href="#bib0980"><span class="elsevierStyleSup">81&#44;82</span></a>&#46; Aunque hay un gran n&#250;mero de publicaciones que intentan reducir los rasgos clave para el diagn&#243;stico asistido por IA<a class="elsevierStyleCrossRef" href="#bib0990"><span class="elsevierStyleSup">83</span></a>&#44; el n&#250;mero de im&#225;genes suele ser inferior a 300&#44; y realizadas en un centro y con una base diferente de validaci&#243;n en cada estudio&#44; por lo que los resultados no suelen ser comparables<a class="elsevierStyleCrossRef" href="#bib0995"><span class="elsevierStyleSup">84</span></a>&#46;</p><p id="par0400" class="elsevierStylePara elsevierViewall">Desde el punto de vista comercial algunos algoritmos desarrollados para el diagn&#243;stico asistido se han desarrollado fundamentalmente en ecograf&#237;a mamaria y tiroidea<a class="elsevierStyleCrossRefs" href="#bib1000"><span class="elsevierStyleSup">85-87</span></a>&#46; El algoritmo sugiere un &#171;riesgo&#187; de malignidad de la lesi&#243;n seleccionada por el ecografista&#44; pero no indica diagn&#243;stico concreto de la lesi&#243;n estudiada&#46; No obstante&#44; estos algoritmos no han sido validados por ninguna agencia regulatoria&#46;</p><p id="par0405" class="elsevierStylePara elsevierViewall">Desde el punto de vista de la ecograf&#237;a cut&#225;nea los algoritmos de clasificaci&#243;n podr&#237;an ser &#250;tiles en el diagn&#243;stico asistido por IA de lesiones cut&#225;neas&#46; En un estudio reciente de Alfageme et al&#46; un algoritmo con arquitectura predeterminada basada en DL&#44; entrenada con un banco de 235 im&#225;genes ecogr&#225;ficas de lesiones cut&#225;neas benignas y malignas&#44; fue capaz de clasificar correctamente las lesiones de forma similar a un evaluador experto humano &#40;77&#44;1&#37; versus 74&#44;1&#37;&#41; al que se le mostr&#243; el mismo banco de im&#225;genes<a class="elsevierStyleCrossRef" href="#bib1015"><span class="elsevierStyleSup">88</span></a>&#46;</p><p id="par0410" class="elsevierStylePara elsevierViewall">Respecto a las lesiones melanoc&#237;ticas y con equipos de muy alta frecuencia&#44; el grupo de Romanelli et al&#46; ha publicado tambi&#233;n con sondas de 70<span class="elsevierStyleHsp" style=""></span>MHz y aplicando algoritmos basados en DL la capacidad de diferenciar nevus melanoc&#237;ticos de melanoma con una exactitud del 76&#44;9&#37;&#44; con una sensibilidad y especificidad para el diagn&#243;stico de melanoma del 80&#37; y el 74&#37; respectivamente<a class="elsevierStyleCrossRef" href="#bib1020"><span class="elsevierStyleSup">89</span></a>&#46;</p><p id="par0415" class="elsevierStylePara elsevierViewall">Queda por determinar en ecograf&#237;a cut&#225;nea cu&#225;les son las caracter&#237;sticas &#243;ptimas de los bancos de imagen apropiados para esta aplicaci&#243;n en cuanto a equipos&#44; resoluci&#243;n y su similitud con las lesiones inflamatorias&#44; que pueden dificultar la aplicabilidad de estos algoritmos en entornos cl&#237;nicos&#46;</p></span><span id="sec0095" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0120">Regresi&#243;n</span><p id="par0420" class="elsevierStylePara elsevierViewall">La regresi&#243;n implica la estimaci&#243;n de valores continuos en lugar de clases discretas de datos&#46; El aprendizaje profundo se ha aplicado a la regresi&#243;n&#44; por ejemplo&#44; para estimar la orientaci&#243;n de las fibras musculares a partir de im&#225;genes ecogr&#225;ficas o la edad gestacional<a class="elsevierStyleCrossRefs" href="#bib1025"><span class="elsevierStyleSup">90&#44;91</span></a>&#46; Respecto a la ecograf&#237;a cut&#225;nea los algoritmos de regresi&#243;n podr&#237;an ser &#250;tiles para evaluar el tiempo de evoluci&#243;n de las lesiones cut&#225;neas&#44; la determinaci&#243;n autom&#225;tica del Breslow ecogr&#225;fico o en algoritmos aplicados al estudio del envejecimiento cut&#225;neo y su tratamiento<a class="elsevierStyleCrossRef" href="#bib1035"><span class="elsevierStyleSup">92</span></a>&#46;</p></span><span id="sec0100" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0125">Segmentaci&#243;n</span><p id="par0425" class="elsevierStylePara elsevierViewall">La segmentaci&#243;n es la delimitaci&#243;n de los l&#237;mites estructurales ecogr&#225;ficos de una lesi&#243;n&#46; La segmentaci&#243;n automatizada en ecograf&#237;a es un reto&#44; ya que las im&#225;genes ecogr&#225;ficas a menudo se ven afectadas por el centelleo&#44; las sombras y la falta de l&#237;mites&#44; as&#237; como por las compensaciones entre la frecuencia&#44; la profundidad y la resoluci&#243;n de los ultrasonidos durante la adquisici&#243;n de la imagen<a class="elsevierStyleCrossRef" href="#bib1040"><span class="elsevierStyleSup">93</span></a>&#46;</p><p id="par0430" class="elsevierStylePara elsevierViewall">Se han desarrollado variados enfoques de segmentaci&#243;n en ecograf&#237;a incluyendo m&#233;todos basados en el umbral de intensidad&#44; conjuntos de niveles y contornos activos<a class="elsevierStyleCrossRef" href="#bib1045"><span class="elsevierStyleSup">94</span></a>&#46; Los enfoques basados en la intensidad son sensibles al ruido y a la calidad de la imagen<a class="elsevierStyleCrossRef" href="#bib1050"><span class="elsevierStyleSup">95</span></a>&#46; Los contornos activos y los conjuntos de niveles requieren una inicializaci&#243;n que puede afectar a los resultados&#46; La mayor&#237;a de los enfoques convencionales no est&#225;n totalmente automatizados&#46;</p><p id="par0435" class="elsevierStylePara elsevierViewall">Los m&#233;todos de segmentaci&#243;n basados en <span class="elsevierStyleItalic">ML</span> suelen implicar 2 pasos&#58; primero&#44; una clasificaci&#243;n por p&#237;xeles de la estructura deseada&#44; seguida de un paso de limpieza o suavizado&#44; ya que la clasificaci&#243;n por p&#237;xeles es &#171;ruidosa&#187; desde el punto de vista ecogr&#225;fico&#46; En art&#237;culos recientes varios enfoques de clasificaci&#243;n han investigado con enfoques propios y la aplicaci&#243;n de varios tipos de redes neuronales&#44; incluyendo el DL<a class="elsevierStyleCrossRef" href="#bib1055"><span class="elsevierStyleSup">96</span></a>&#46;</p><p id="par0440" class="elsevierStylePara elsevierViewall">En ecograf&#237;a cut&#225;nea los algoritmos de segmentaci&#243;n podr&#237;an ser &#250;tiles en la detecci&#243;n de met&#225;stasis ganglionares o para la delimitaci&#243;n ecogr&#225;fica de lesiones cut&#225;neas &#40;<a class="elsevierStyleCrossRef" href="#fig0040">fig&#46; 8</a>&#41;&#46;</p><elsevierMultimedia ident="fig0040"></elsevierMultimedia></span></span><span id="sec0105" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0130">Aspectos &#233;ticos y regulatorios de la inteligencia artificial en dermatolog&#237;a</span><p id="par0445" class="elsevierStylePara elsevierViewall">Quiz&#225;s no somos del todo conscientes&#44; pero nos hallamos ante una situaci&#243;n realmente singular&#44; ya que nunca en la historia de la humanidad se ha podido recopilar tal volumen de informaci&#243;n&#46;</p><p id="par0450" class="elsevierStylePara elsevierViewall">El Internet de las cosas y el <span class="elsevierStyleItalic">big data</span> contribuyen a alimentar los algoritmos de IA y ML&#46; Cuanto m&#225;s complejos sean&#44; mayor ser&#225; su capacidad predictiva&#44; de ah&#237; que todos los esfuerzos se centren en correlacionar infinidad de variables para acertar las previsiones&#46; El objetivo inconfesable es el de lograr el &#171;demonio de Laplace&#187;&#44; una m&#225;quina que sea capaz de predecir cualquier escenario de una forma absolutamente determinista<a class="elsevierStyleCrossRef" href="#bib1060"><span class="elsevierStyleSup">97</span></a>&#46; Por todo ello la IA se est&#225; comenzando a estudiar tambi&#233;n dentro de la bio&#233;tica&#46;</p><p id="par0455" class="elsevierStylePara elsevierViewall">En este sentido hay que destacar que el Parlamento Europeo&#44; al proponer una <span class="elsevierStyleItalic">Carta sobre rob&#243;tica</span>&#44; comenz&#243; enumerando los principios de la bio&#233;tica como reglas a seguir para los ingenieros en rob&#243;tica&#44; y la recopilaci&#243;n de las reglas &#233;ticas que deben regir la IA se ha denominado &#171;Principios de Asilomar para la inteligencia artificial&#187;<a class="elsevierStyleCrossRef" href="#bib1065"><span class="elsevierStyleSup">98</span></a>&#46;</p><p id="par0460" class="elsevierStylePara elsevierViewall">En cualquier caso&#44; el marco &#233;tico de las aplicaciones de IA en la pr&#225;ctica dermatol&#243;gica siempre debe reflejar los principios b&#225;sicos de la &#233;tica m&#233;dica&#58; autonom&#237;a&#44; beneficencia&#44; no maleficencia y justicia&#46; Pero en el caso concreto de la IA este marco &#233;tico adem&#225;s deber&#237;a incluir apartados espec&#237;ficos&#44; como el de transparencia y responsabilidad<a class="elsevierStyleCrossRef" href="#bib1070"><span class="elsevierStyleSup">99</span></a>&#46;</p><p id="par0465" class="elsevierStylePara elsevierViewall">El principio de autonom&#237;a se refiere a que el paciente tiene el derecho a tomar sus propias decisiones&#46; En la asistencia m&#233;dica el consentimiento informado es lo que se utiliza para asegurar el principio de autonom&#237;a&#44; pero las im&#225;genes dermatol&#243;gicas no solo contienen informaci&#243;n en forma de p&#237;xeles&#44; sino tambi&#233;n informaci&#243;n sobre la salud &#40;al menos cuando la imagen est&#225; vinculada a la historia cl&#237;nica del paciente&#41;&#44; como los datos demogr&#225;ficos o informaci&#243;n institucional&#46; Cuando esas im&#225;genes se utilizan para entrenar algoritmos de IA&#44; los consentimientos informados deber&#237;an ser adaptados para este prop&#243;sito&#44; de modo que permitan ese uso continuado&#46;</p><p id="par0470" class="elsevierStylePara elsevierViewall">Los principios de <span class="elsevierStyleItalic">beneficencia y no maleficencia</span> van de la mano y son muy obvios en la asistencia m&#233;dica convencional&#44; pero pueden existir ciertas contradicciones en el caso de la IA&#44; ya que los algoritmos se pueden beneficiar de la estratificaci&#243;n por m&#250;ltiples par&#225;metros&#44; mejorando la fiabilidad diagn&#243;stica y&#44; por tanto&#44; mejorando el bienestar del paciente&#44; pero al mismo tiempo esa segmentaci&#243;n se podr&#237;a utilizar con fines comerciales&#46;</p><p id="par0475" class="elsevierStylePara elsevierViewall">El principio de <span class="elsevierStyleItalic">justicia</span> requiere una distribuci&#243;n justa de los bienes y servicios m&#233;dicos&#46; El desarrollo de IA deber&#237;a promover la justicia&#44; eliminando ciertas discriminaciones y previniendo ciertos sesgos impl&#237;citos&#44; como se comentar&#225; m&#225;s adelante&#46;</p><p id="par0480" class="elsevierStylePara elsevierViewall">Finalmente&#44; los principios de <span class="elsevierStyleItalic">transparencia y responsabilidad</span> pueden ser tra&#237;dos por el principio de explicabilidad&#46; Si un sistema de IA falla o provoca un da&#241;o deber&#237;amos ser capaces de determinar las razones subyacentes y todo el proceso deber&#237;a ser auditable&#46; Seguramente esto &#250;ltimo es la principal limitaci&#243;n &#233;tica de la IA&#44; ya que estos sistemas se consideran una especie de &#171;caja negra&#187; en la que quiz&#225; se puedan llegar a comprender los procesos l&#243;gicos y matem&#225;ticos en los que se basa el algoritmo&#44; pero nos las transformaciones posteriores de todos esos datos&#44; de manera que el resultado es&#44; en realidad&#44; impredecible<a class="elsevierStyleCrossRef" href="#bib1075"><span class="elsevierStyleSup">100</span></a>&#46;</p><p id="par0485" class="elsevierStylePara elsevierViewall">Y todo ello enlaza con el debate de la <span class="elsevierStyleItalic">responsabilidad</span>&#44; cuando los sistemas de IA desencadenen de manera aut&#243;noma decisiones diagn&#243;sticas o terap&#233;uticas nos podemos preguntar qui&#233;n ser&#225; el responsable si el sistema falla<a class="elsevierStyleCrossRef" href="#bib1080"><span class="elsevierStyleSup">101</span></a>&#46; La pregunta es extrapolable a otros &#225;mbitos y esta discusi&#243;n se puso de manifiesto en marzo de 2018 con el primer accidente de un coche aut&#243;nomo con desenlace fatal en Temple &#40;Arizona&#44; EE&#46; UU&#46;&#41;&#46; &#191;La culpa fue de quien iba dentro del coche&#63; &#191;Del fabricante del veh&#237;culo&#63; &#191;O del desarrollador del software&#63; La respuesta no es sencilla y por todo ello es necesario que se desarrollen regulaciones y legislaci&#243;n al respecto para que no exista esa inseguridad jur&#237;dica&#46; Cuando la IA se aplica en medicina todo ello cobra a&#250;n mayor relevancia<a class="elsevierStyleCrossRef" href="#bib1085"><span class="elsevierStyleSup">102</span></a>&#46;</p><p id="par0490" class="elsevierStylePara elsevierViewall">Existe otra cuesti&#243;n importante&#44; y es que los algoritmos pueden perpetuar los sesgos de los humanos debido precisamente a su naturaleza de &#171;caja negra&#187;&#46; Cuando el algoritmo es entrenado con datos que contienen sesgos&#44; por no incluir poblaciones infrarrepresentadas&#44; las disparidades existentes se ven replicadas o reforzadas<a class="elsevierStyleCrossRef" href="#bib1090"><span class="elsevierStyleSup">103</span></a>&#46; Si los datos de capacitaci&#243;n del algoritmo no son lo suficientemente inclusivos y equilibrados&#44; el sistema podr&#237;a aprender a tomar decisiones injustas &#40;esto es muy evidente en los sistemas de reconocimiento facial&#44; m&#225;s fiables en varones blancos que en mujeres negras&#41;<a class="elsevierStyleCrossRef" href="#bib1095"><span class="elsevierStyleSup">104</span></a>&#46;</p><p id="par0495" class="elsevierStylePara elsevierViewall">En dermatolog&#237;a&#44; aunque las aplicaciones de IA son m&#250;ltiples&#44; en estas fases iniciales se ha puesto el foco en el diagn&#243;stico de las lesiones pigmentadas&#44; sobre todo en el melanoma&#46; La realidad es que&#44; de momento&#44; la mayor&#237;a de programas de IA y <span class="elsevierStyleItalic">ML</span> est&#225;n aprendiendo principalmente con im&#225;genes de fototipos claros&#46; Por ejemplo&#44; en el <span class="elsevierStyleItalic">International Skin Imaging Collaboration&#58; Melanoma Project</span>&#44; uno de los m&#225;s utilizados&#44; de c&#243;digo abierto y acceso p&#250;blico&#44; la mayor parte de los pacientes corresponden a fototipos bajos de poblaciones estadounidenses&#44; europeas y australianas&#44; lo que hace que el algoritmo sea muy poco fiable ante lesiones en pieles negras&#46; Parad&#243;jicamente&#44; los pacientes afroamericanos que padecen melanoma suelen comenzar en fases m&#225;s avanzadas con peores tasas de supervivencia&#46; En este sentido&#44; el algoritmo solo mejorar&#237;a la detecci&#243;n precoz en pieles claras&#44; sin beneficiar a los pacientes de piel negra&#44; empeorando de manera evidente los sesgos que ya se observan en la sociedad<a class="elsevierStyleCrossRef" href="#bib1095"><span class="elsevierStyleSup">104</span></a>&#46; La soluci&#243;n no es sencilla&#44; pero es simple&#58; debe existir un esfuerzo para entrenar al algoritmo en todos los tipos de piel&#46;</p><p id="par0500" class="elsevierStylePara elsevierViewall">Desde un punto de vista normativo y regulatorio varias organizaciones ya han publicado declaraciones para la puesta en marcha de aplicaciones de IA en el campo de la medicina&#46; Todo esto es especialmente complejo&#44; partiendo de la base de que&#44; a pesar de que la legislaci&#243;n exige la ausencia de ambig&#252;edad&#44; ni siquiera existe a d&#237;a de hoy una definici&#243;n clara de lo que significa el t&#233;rmino &#171;inteligencia artificial&#187;&#46;</p><p id="par0505" class="elsevierStylePara elsevierViewall">El segundo punto crucial para los legisladores es si considerar o no el software de IA utilizado en medicina como un dispositivo m&#233;dico &#40;no es lo mismo aquellos programas que analizan datos para tener un mayor conocimiento de una enfermedad que los que toman decisiones diagn&#243;sticas o terap&#233;uticas en pacientes individuales&#41;&#46; En este sentido&#44; podemos diferenciar entre la visi&#243;n europea y la norteamericana<a class="elsevierStyleCrossRef" href="#bib1100"><span class="elsevierStyleSup">105</span></a>&#46;</p><p id="par0510" class="elsevierStylePara elsevierViewall">En Europa la norma que rige es la <span class="elsevierStyleItalic">Regulation on medical devices</span>&#44; que se aplica desde mayo de 2020 y que revoca la Directiva 93&#47;42&#47;EEC<a class="elsevierStyleCrossRef" href="#bib1105"><span class="elsevierStyleSup">106</span></a>&#46; Al tratarse de un reglamento &#40;a diferencia de una directiva&#41;&#44; se aplica directamente en el territorio europeo sin necesidad de pasar por la aprobaci&#243;n de los distintos estados miembros&#46; Esta normativa requiere que los fabricantes se aseguren de que los dispositivos que producen cumplan con una serie de requisitos esenciales que depender&#225;n del riesgo potencial de cada uno y que&#44; en ocasiones&#44; precisar&#225;n de la acreditaci&#243;n de un organismo independiente&#46;</p><p id="par0515" class="elsevierStylePara elsevierViewall">En Estados Unidos el organismo regulador es la <span class="elsevierStyleItalic">US Food and Drug Administration</span>&#44; desde que a finales de 2016 se le atribuyera jurisdicci&#243;n sobre el software utilizado en el &#225;mbito sanitario en la <span class="elsevierStyleItalic">21st Century Cures Act</span><a class="elsevierStyleCrossRef" href="#bib1110"><span class="elsevierStyleSup">107</span></a>&#44; con una lectura m&#225;s restrictiva en lo que se refiere a la introducci&#243;n de software de diagn&#243;stico no supervisado&#46;</p><p id="par0520" class="elsevierStylePara elsevierViewall">Pero&#44; adem&#225;s&#44; todas estas herramientas que se nutren de una cantidad ingente de datos tienen otras implicaciones relativas a la privacidad y protecci&#243;n de estos datos y a la ciberseguridad&#46; Como consecuencia de estas potenciales amenazas la Uni&#243;n Europea decidi&#243; actualizar esta legislaci&#243;n&#44; y el Reglamento General de Protecci&#243;n de Datos &#40;<span class="elsevierStyleItalic">GDPR</span>&#41; est&#225; en vigor desde el 24 de mayo de 2018&#44; sustituyendo la normativa anterior&#44; y obliga a obtener el consentimiento del usuario&#44; quien debe conocer la finalidad de su utilizaci&#243;n&#44; prohibi&#233;ndose expl&#237;citamente el marketing de estos datos por terceras partes<a class="elsevierStyleCrossRef" href="#bib1115"><span class="elsevierStyleSup">108</span></a>&#46; En Estados Unidos la seguridad relacionada con la informaci&#243;n en temas de salud compete al <span class="elsevierStyleItalic">Health Insurance Portability and Accountability Act</span>&#46;</p><p id="par0525" class="elsevierStylePara elsevierViewall">En 2018 la Comisi&#243;n Europea estableci&#243; el <span class="elsevierStyleItalic">High Level Experts Group</span><span class="elsevierStyleItalic">on Artificial Intelligence</span>&#44; con el objeto de apoyar la implementaci&#243;n de la estrategia europea de IA&#44; incluyendo la elaboraci&#243;n de recomendaciones para el desarrollo futuro de las normas que regulen los aspectos &#233;ticos&#44; legales y sociales de la IA&#46;</p><p id="par0530" class="elsevierStylePara elsevierViewall">En funci&#243;n de los derechos fundamentales y principios &#233;ticos&#44; estas gu&#237;as tienen 7 requerimientos clave que cualquier sistema de IA deber&#237;a cumplir para ser fiable&#58; 1&#41; no debe ir en detrimento de la autonom&#237;a humana&#59; 2&#41; robustez t&#233;cnica y seguridad&#59; 3&#41; privacidad y gobernanza de datos&#59; 4&#41; transparencia&#59; 5&#41; diversidad&#44; no discriminaci&#243;n y equidad&#59; 6&#41; respeto al medioambiente&#59; y 7&#41; rendici&#243;n de cuentas<a class="elsevierStyleCrossRef" href="#bib1120"><span class="elsevierStyleSup">109</span></a>&#46;</p><p id="par0535" class="elsevierStylePara elsevierViewall">La IA va a desempe&#241;ar un importante papel en los pr&#243;ximos a&#241;os en nuestra especialidad&#44; y necesitamos estar regidos por principios &#233;ticos&#44; como los principios de beneficencia y respeto hacia nuestros pacientes&#46; Debemos recordar que un dermat&#243;logo no es un simple int&#233;rprete de im&#225;genes&#44; y que nuestras funciones tambi&#233;n incluyen muchos otros aspectos que no pueden ser llevados a cabo por m&#225;quinas&#46;</p></span><span id="sec0110" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0135">Conclusiones</span><p id="par0540" class="elsevierStylePara elsevierViewall">Estamos viviendo y viviremos toda una revoluci&#243;n de la IA en dermatolog&#237;a&#44; con sistemas de diversa &#237;ndole y enfoque y con un potencial indudable&#46;</p><p id="par0545" class="elsevierStylePara elsevierViewall">Una revisi&#243;n bibliogr&#225;fica reciente afirma que los sistemas de IA basados en redes neuronales &#40;ya sea en sus modalidades profunda o convolucional&#41; tienen una capacidad de reconocimiento superior a la de los dermat&#243;logos<a class="elsevierStyleCrossRef" href="#bib1125"><span class="elsevierStyleSup">110</span></a>&#46; Aunque es una afirmaci&#243;n que puede discutirse y contextualizarse&#44; s&#237; es cierto que existe un perfeccionamiento t&#233;cnico progresivo de los sistemas de IA&#46;</p><p id="par0550" class="elsevierStylePara elsevierViewall">Por una parte&#44; los sistemas de an&#225;lisis automatizado de imagen convencionales han quedado ampliamente superados por los sistemas de redes neuronales usados en esta &#250;ltima d&#233;cada<a class="elsevierStyleCrossRef" href="#bib1130"><span class="elsevierStyleSup">111</span></a>&#46;</p><p id="par0555" class="elsevierStylePara elsevierViewall">Por otra parte&#44; se est&#225; consiguiendo que los sistemas puedan procesar gran cantidad de informaci&#243;n adicional para lograr &#171;razonar&#187; de forma an&#225;loga a como lo hace un dermat&#243;logo &#40;por ejemplo&#44; comparando con las otras lesiones pigmentadas del paciente para evitar diagn&#243;sticos de sospecha falseados ante un contexto de predominio de nevos at&#237;picos&#41;<a class="elsevierStyleCrossRef" href="#bib1135"><span class="elsevierStyleSup">112</span></a>&#46;</p><p id="par0560" class="elsevierStylePara elsevierViewall">Tras analizar las opiniones de los diferentes autores&#44; creemos que el avance de estas tecnolog&#237;as se debe hacer de forma progresiva&#44; segura y basada en la generosidad de la comunidad dermatol&#243;gica&#44; pues para mejorar la fiabilidad de estos sistemas es imprescindible contar con bases de datos de im&#225;genes e informaci&#243;n cl&#237;nica amplias&#44; p&#250;blicamente accesibles<a class="elsevierStyleCrossRef" href="#bib1140"><span class="elsevierStyleSup">113</span></a>&#46; Ser&#225;n un indudable apoyo a otros m&#233;dicos si no existe acceso al dermat&#243;logo o recursos para acercarlo&#46; No obstante&#44; consideramos que el futuro no pasa por que los sistemas de IA sustituyan al dermat&#243;logo&#44; sino que se conviertan en una oportunidad para mejorar la pr&#225;ctica cl&#237;nica gracias a las m&#250;ltiples ventajas que esta nos puede ofrecer&#46;</p><p id="par0565" class="elsevierStylePara elsevierViewall">En definitiva&#44; lo &#243;ptimo es que exista una simbiosis IA-dermat&#243;logo para tomar las mejores decisiones para nuestros pacientes&#44; siendo conscientes de que lo ideal es una combinaci&#243;n de la inteligencia humana con la IA<a class="elsevierStyleCrossRef" href="#bib1150"><span class="elsevierStyleSup">114</span></a>&#44; preservando una fluida relaci&#243;n m&#233;dico-paciente<a class="elsevierStyleCrossRef" href="#bib0735"><span class="elsevierStyleSup">32</span></a>&#46; Para ello resulta imprescindible cambiar la tendencia actual&#44; y que el m&#233;dico especialista en dermatolog&#237;a tome la iniciativa en el desarrollo y en la orientaci&#243;n de los productos de IA enfocados a cubrir las necesidades actualmente no cubiertas en nuestra pr&#225;ctica cl&#237;nica&#46;</p></span><span id="sec0115" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0140">Conflicto de intereses</span><p id="par0570" class="elsevierStylePara elsevierViewall">Los autores declaran no tener ning&#250;n conflicto de intereses&#46;</p><p id="par0575" class="elsevierStylePara elsevierViewall">El Dr Antonio Martorell ha recibido honorarios en relaci&#243;n a su participaci&#243;n en advisory boards y en simposios sat&#233;lite de las siguientes compa&#241;ias&#58;AbbVie&#44;Amgen&#44; Janssen&#44; UCB&#44; Lilly&#44; Novartis&#44; LEO Pharma&#44; Sandoz y MSD&#46;</p></span></span>"
    "textoCompletoSecciones" => array:1 [
      "secciones" => array:15 [
        0 => array:3 [
          "identificador" => "xres1665595"
          "titulo" => "Graphical abstract"
          "secciones" => array:1 [
            0 => array:1 [
              "identificador" => "abst0005"
            ]
          ]
        ]
        1 => array:3 [
          "identificador" => "xres1665593"
          "titulo" => "Resumen"
          "secciones" => array:1 [
            0 => array:1 [
              "identificador" => "abst0010"
            ]
          ]
        ]
        2 => array:2 [
          "identificador" => "xpalclavsec1479676"
          "titulo" => "Palabras clave"
        ]
        3 => array:3 [
          "identificador" => "xres1665594"
          "titulo" => "Abstract"
          "secciones" => array:1 [
            0 => array:1 [
              "identificador" => "abst0015"
            ]
          ]
        ]
        4 => array:2 [
          "identificador" => "xpalclavsec1479677"
          "titulo" => "Keywords"
        ]
        5 => array:3 [
          "identificador" => "sec0005"
          "titulo" => "Introducci&#243;n"
          "secciones" => array:3 [
            0 => array:2 [
              "identificador" => "sec0010"
              "titulo" => "Unas nociones b&#225;sicas de inteligencia artificial"
            ]
            1 => array:2 [
              "identificador" => "sec0015"
              "titulo" => "Aprendizaje autom&#225;tico&#58; machine learning y deep learning"
            ]
            2 => array:2 [
              "identificador" => "sec0020"
              "titulo" => "Modelos de aprendizaje de la inteligencia artificial"
            ]
          ]
        ]
        6 => array:3 [
          "identificador" => "sec0025"
          "titulo" => "Inteligencia artificial aplicada a la enfermedad inflamatoria"
          "secciones" => array:5 [
            0 => array:2 [
              "identificador" => "sec0030"
              "titulo" => "Psoriasis"
            ]
            1 => array:2 [
              "identificador" => "sec0035"
              "titulo" => "Dermatitis at&#243;pica"
            ]
            2 => array:2 [
              "identificador" => "sec0040"
              "titulo" => "Onicomicosis"
            ]
            3 => array:2 [
              "identificador" => "sec0045"
              "titulo" => "Ros&#225;cea y acn&#233;"
            ]
            4 => array:2 [
              "identificador" => "sec0050"
              "titulo" => "Otras enfermedades inflamatorias"
            ]
          ]
        ]
        7 => array:2 [
          "identificador" => "sec0055"
          "titulo" => "Aplicaci&#243;n de la inteligencia artificial en oncolog&#237;a cut&#225;nea"
        ]
        8 => array:2 [
          "identificador" => "sec0060"
          "titulo" => "Inteligencia artificial en dermatopatolog&#237;a"
        ]
        9 => array:3 [
          "identificador" => "sec0065"
          "titulo" => "Inteligencia artificial aplicada a la cosm&#233;tica"
          "secciones" => array:3 [
            0 => array:2 [
              "identificador" => "sec0070"
              "titulo" => "Asistentes de uso domiciliario"
            ]
            1 => array:2 [
              "identificador" => "sec0075"
              "titulo" => "Dispositivos inteligentes para el desarrollo de productos personalizados"
            ]
            2 => array:2 [
              "identificador" => "sec0080"
              "titulo" => "Modelos predictivos de respuesta por inteligencia artificial"
            ]
          ]
        ]
        10 => array:3 [
          "identificador" => "sec0085"
          "titulo" => "Inteligencia artificial en radiolog&#237;a y ecograf&#237;a cut&#225;nea"
          "secciones" => array:3 [
            0 => array:2 [
              "identificador" => "sec0090"
              "titulo" => "Clasificaci&#243;n"
            ]
            1 => array:2 [
              "identificador" => "sec0095"
              "titulo" => "Regresi&#243;n"
            ]
            2 => array:2 [
              "identificador" => "sec0100"
              "titulo" => "Segmentaci&#243;n"
            ]
          ]
        ]
        11 => array:2 [
          "identificador" => "sec0105"
          "titulo" => "Aspectos &#233;ticos y regulatorios de la inteligencia artificial en dermatolog&#237;a"
        ]
        12 => array:2 [
          "identificador" => "sec0110"
          "titulo" => "Conclusiones"
        ]
        13 => array:2 [
          "identificador" => "sec0115"
          "titulo" => "Conflicto de intereses"
        ]
        14 => array:1 [
          "titulo" => "Bibliograf&#237;a"
        ]
      ]
    ]
    "pdfFichero" => "main.pdf"
    "tienePdf" => true
    "fechaRecibido" => "2021-06-10"
    "fechaAceptado" => "2021-07-18"
    "PalabrasClave" => array:2 [
      "es" => array:1 [
        0 => array:4 [
          "clase" => "keyword"
          "titulo" => "Palabras clave"
          "identificador" => "xpalclavsec1479676"
          "palabras" => array:6 [
            0 => "Inteligencia artificial"
            1 => "Salud"
            2 => "Oncolog&#237;a"
            3 => "Est&#233;tica"
            4 => "Inflamaci&#243;n"
            5 => "Dermatopatolog&#237;a"
          ]
        ]
      ]
      "en" => array:1 [
        0 => array:4 [
          "clase" => "keyword"
          "titulo" => "Keywords"
          "identificador" => "xpalclavsec1479677"
          "palabras" => array:6 [
            0 => "Artificial intelligence"
            1 => "Health"
            2 => "Oncology"
            3 => "Aesthetics"
            4 => "Inflammation"
            5 => "Dermatopathology"
          ]
        ]
      ]
    ]
    "tieneResumen" => true
    "resumen" => array:2 [
      "es" => array:2 [
        "titulo" => "Resumen"
        "resumen" => "<span id="abst0010" class="elsevierStyleSection elsevierViewall"><p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">La irrupci&#243;n de la inteligencia artificial &#40;IA&#41; a nivel mundial ha supuesto un antes y un despu&#233;s en nuestras vidas&#44; generando grandes mejoras en diferentes sectores&#44; como el de la automoci&#243;n y el agroalimentario&#44; entre otros&#44; lo que ha llevado a denominarla la cuarta revoluci&#243;n industrial&#46; La AI&#44; capaz de aprender de forma automatizada y de ayudar al profesional a mejorar sus procesos&#44; promete cambiar el &#225;mbito sanitario tal y como lo conocemos mediante&#58; 1&#41; aplicaciones capaces de generar salud en la poblaci&#243;n general a partir del uso de informaci&#243;n de calidad y de segmentaci&#243;n de consejos basados en modelos de predicci&#243;n&#59; 2&#41; modelos capaces de generar algoritmos de predicci&#243;n a partir de datos anonimizados procedentes de informaci&#243;n cl&#237;nica&#44; a fin de mejorar la prevenci&#243;n primaria&#59; 3&#41; sistemas de an&#225;lisis de imagen capaces de dar a los profesionales de la salud un soporte extra en la toma de decisiones&#44; mejorando la prevenci&#243;n secundaria&#59; y 4&#41; aplicaci&#243;n de rob&#243;tica combinada en la mejora de procesos ligados al &#225;mbito de salud y bienestar&#46;</p><p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">Sin embargo&#44; la falta de conocimiento tanto en este tipo de tecnolog&#237;a&#44; como en los t&#233;rminos y la metodolog&#237;a de validaci&#243;n de la misma&#44; hace que la clase m&#233;dica dude en si esta revoluci&#243;n supone una amenaza o una oportunidad para la profesi&#243;n&#46; En el presente art&#237;culo de revisi&#243;n pretendemos introducir una serie de aspectos b&#225;sicos de la IA aplicada a la dermatolog&#237;a&#44; as&#237; como los principales avances sucedidos en este campo en los &#250;ltimos 5 a&#241;os&#46;</p></span>"
      ]
      "en" => array:2 [
        "titulo" => "Abstract"
        "resumen" => "<span id="abst0015" class="elsevierStyleSection elsevierViewall"><p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">The worldwide explosion of interest in artificial intelligence &#40;AI&#41; has created a before-and-after moment in our lives by generating great improvements in such sectors as the automotive and food production industries&#46; AI has even been called the fourth industrial revolution&#46; Machine learning through AI is helping to improve professional processes and promises to transform the health care sector as we know it in various ways&#58; <span class="elsevierStyleItalic">1&#41;</span> through applications able to promote health in the general population by providing high-quality information and offering advice for different segments of the population based on prediction models&#59; <span class="elsevierStyleItalic">2&#41;</span> by developing prediction models based on anonymized clinical data&#44; for preventive purposes in primary care&#59; <span class="elsevierStyleItalic">3&#41;</span> by analyzing images to provide additional decision-making support for health care providers&#44; for improving specialist care at the secondary level&#59; and <span class="elsevierStyleItalic">4&#41;</span> through robotics applied to processes that promote health and well-being&#46; However&#44; the medical profession harbors doubts about whether this revolution is a threat or an opportunity owing to a lack of understanding of AI technology and the methods used to validate its applications&#46; This article outlines basic aspects of AI as it is applied in dermatology and reviews the main advances achieved in the last 5 years&#46;</p></span>"
      ]
    ]
    "multimedia" => array:11 [
      0 => array:7 [
        "identificador" => "fig0005"
        "etiqueta" => "Figura 1"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr1.jpeg"
            "Alto" => 1412
            "Ancho" => 1508
            "Tamanyo" => 117997
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0025" class="elsevierStyleSimplePara elsevierViewall">Modelo de aprendizaje autom&#225;tico&#46;</p>"
        ]
      ]
      1 => array:7 [
        "identificador" => "fig0010"
        "etiqueta" => "Figura 2"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr2.jpeg"
            "Alto" => 2160
            "Ancho" => 2508
            "Tamanyo" => 226547
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0030" class="elsevierStyleSimplePara elsevierViewall">Bases para el desarrollo de inteligencia artificial&#46;</p>"
        ]
      ]
      2 => array:7 [
        "identificador" => "fig0015"
        "etiqueta" => "Figura 3"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr3.jpeg"
            "Alto" => 1292
            "Ancho" => 1508
            "Tamanyo" => 83180
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0035" class="elsevierStyleSimplePara elsevierViewall">Pasos b&#225;sicos para la construcci&#243;n de un algoritmo de inteligencia artificial&#46;</p>"
        ]
      ]
      3 => array:7 [
        "identificador" => "fig0020"
        "etiqueta" => "Figura 4"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr4.jpeg"
            "Alto" => 853
            "Ancho" => 1508
            "Tamanyo" => 132313
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0040" class="elsevierStyleSimplePara elsevierViewall">Modelo de inteligencia artificial para la definici&#243;n de lesiones en dermatopatolog&#237;a&#46;</p>"
        ]
      ]
      4 => array:7 [
        "identificador" => "fig0025"
        "etiqueta" => "Figura 5"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr5.jpeg"
            "Alto" => 854
            "Ancho" => 1350
            "Tamanyo" => 157743
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0045" class="elsevierStyleSimplePara elsevierViewall">Detecci&#243;n de psoriasis mediante el sistema SkianaPsors&#46; A&#46; Expresi&#243;n cl&#237;nica de la psoriasis&#46; B&#46; Detecci&#243;n automatizada de la psoriasis&#46;</p>"
        ]
      ]
      5 => array:7 [
        "identificador" => "fig0030"
        "etiqueta" => "Figura 6"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr6.jpeg"
            "Alto" => 2655
            "Ancho" => 2175
            "Tamanyo" => 428046
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0050" class="elsevierStyleSimplePara elsevierViewall">Aplicaci&#243;n para smartphone SkianaCare&#174;&#58; clasificador de acn&#233;&#46; A&#46; Ejemplo en var&#243;n con acn&#233; leve&#46; B&#46; Ejemplo en mujer con acn&#233; moderado&#46;</p>"
        ]
      ]
      6 => array:7 [
        "identificador" => "fig0035"
        "etiqueta" => "Figura 7"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr7.jpeg"
            "Alto" => 2841
            "Ancho" => 2175
            "Tamanyo" => 341806
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0055" class="elsevierStyleSimplePara elsevierViewall">Aplicaci&#243;n para Smartphone SkianaCare&#174;&#58; evaluaci&#243;n automatizada de fotoenvejecimiento de la piel&#46; A y B&#46; Ejemplo de 2 mujeres de la misma edad con diferente grado de severidad en t&#233;rminos de fotoenvejecimiento&#46;</p>"
        ]
      ]
      7 => array:7 [
        "identificador" => "fig0040"
        "etiqueta" => "Figura 8"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr8.jpeg"
            "Alto" => 1934
            "Ancho" => 3175
            "Tamanyo" => 286778
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0060" class="elsevierStyleSimplePara elsevierViewall">Inteligencia artificial aplicada a radiolog&#237;a&#46; Ejemplo de utilidad de la tecnolog&#237;a de aprendizaje para discernir entre estructuras ecogr&#225;ficas&#46;</p>"
        ]
      ]
      8 => array:8 [
        "identificador" => "tbl0005"
        "etiqueta" => "Tabla 1"
        "tipo" => "MULTIMEDIATABLA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "detalles" => array:1 [
          0 => array:3 [
            "identificador" => "at1"
            "detalle" => "Tabla "
            "rol" => "short"
          ]
        ]
        "tabla" => array:1 [
          "tablatextoimagen" => array:1 [
            0 => array:2 [
              "tabla" => array:1 [
                0 => """
                  <table border="0" frame="\n
                  \t\t\t\t\tvoid\n
                  \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Tipo de IA&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Definici&#243;n&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Aplicaci&#243;n&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Ejemplos&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Estrecha o d&#233;bil&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Metodolog&#237;a de aprendizaje que se focaliza en una tarea &#250;nica&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">La mayor parte de los algoritmos de IA de salud se desarrollar con IA estrecha&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Modelos automatizados de diagn&#243;stico de neumon&#237;a en radiograf&#237;a de t&#243;rax&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">General&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Modelo que equipara la funci&#243;n de IA a las capacidades humanas&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Actualmente enfocada a la gesti&#243;n de la incertidumbre&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Modelos predictivos en salud&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Super IA&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Campo futurible en el que la IA superar&#237;a la capacidad humana en todos los campos&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Se trata de la IA mostrada en muchas superproducciones como la verdadera IA&#44; que no es m&#225;s que ciencia ficci&#243;n en la sociedad actual&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Films orientados a la IA&#58; <span class="elsevierStyleItalic">Terminator</span>&#44; <span class="elsevierStyleItalic">Yo Robot</span>&#44; etc&#46;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr></tbody></table>
                  """
              ]
              "imagenFichero" => array:1 [
                0 => "xTab2835217.png"
              ]
            ]
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0065" class="elsevierStyleSimplePara elsevierViewall">Subtipos de inteligencia artificial &#40;IA&#41;</p>"
        ]
      ]
      9 => array:8 [
        "identificador" => "tbl0010"
        "etiqueta" => "Tabla 2"
        "tipo" => "MULTIMEDIATABLA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "detalles" => array:1 [
          0 => array:3 [
            "identificador" => "at2"
            "detalle" => "Tabla "
            "rol" => "short"
          ]
        ]
        "tabla" => array:1 [
          "tablatextoimagen" => array:1 [
            0 => array:2 [
              "tabla" => array:1 [
                0 => """
                  <table border="0" frame="\n
                  \t\t\t\t\tvoid\n
                  \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">PROVEN&#174;Beauty&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Vichy&#174; Skin Consult AI&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Skin 360 Neutr&#243;gena&#174;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Skiana&#174;Care&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Cuestionario inteligente&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">An&#225;lisis facial inteligente&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Estudios de validaci&#243;n cl&#237;nica&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Version APP disponible para smartphone&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Necesidad de dispositivo espec&#237;fico para an&#225;lisis&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Algoritmo de despistaje de alergia de contacto&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Desarrollo independiente de la industria cosm&#233;tica&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">No&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">S&#237; &#40;proyecto SKIANA&#40;Instrumento SME numero 885806&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr></tbody></table>
                  """
              ]
              "imagenFichero" => array:1 [
                0 => "xTab2835216.png"
              ]
            ]
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0070" class="elsevierStyleSimplePara elsevierViewall">Principales diferencias existentes entre los asistentes virtuales cosm&#233;ticos presentes actualmente</p>"
        ]
      ]
      10 => array:5 [
        "identificador" => "fig0045"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => false
        "mostrarDisplay" => true
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "fx1.jpeg"
            "Alto" => 1085
            "Ancho" => 964
            "Tamanyo" => 143458
          ]
        ]
      ]
    ]
    "bibliografia" => array:2 [
      "titulo" => "Bibliograf&#237;a"
      "seccion" => array:1 [
        0 => array:2 [
          "identificador" => "bibs0015"
          "bibliografiaReferencia" => array:114 [
            0 => array:3 [
              "identificador" => "bib0580"
              "etiqueta" => "1"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Manual pr&#225;ctico de inteligencia artificial en entornos sanitarios"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Libro" => array:5 [
                        "fecha" => "2020"
                        "paginaInicial" => "1"
                        "paginaFinal" => "10"
                        "editorial" => "Editorial Elsevier"
                        "editorialLocalizacion" => "Madrid"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            1 => array:3 [
              "identificador" => "bib0585"
              "etiqueta" => "2"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Machine learning and the cancer-diagnosis problem - no gold standard"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1056/NEJMp1907407"
                      "Revista" => array:6 [
                        "tituloSerie" => "N Engl J Med"
                        "fecha" => "2019"
                        "volumen" => "381"
                        "paginaInicial" => "2285"
                        "paginaFinal" => "2287"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            2 => array:3 [
              "identificador" => "bib0590"
              "etiqueta" => "3"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Neural network&#58; A future in pathology&#63;"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.annpat.2019.01.004"
                      "Revista" => array:6 [
                        "tituloSerie" => "Ann Pathol"
                        "fecha" => "2019"
                        "volumen" => "39"
                        "paginaInicial" => "119"
                        "paginaFinal" => "129"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            3 => array:3 [
              "identificador" => "bib0595"
              "etiqueta" => "4"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence in dermatopathology&#58; Diagnosis&#44; education&#44; and research"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1111/cup.13954"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Cutan Pathol"
                        "fecha" => "2021"
                        "volumen" => "48"
                        "paginaInicial" => "1"
                        "paginaFinal" => "8"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            4 => array:3 [
              "identificador" => "bib0600"
              "etiqueta" => "5"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep learning for dermatologists&#58; Part I fundamental concepts"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jaad.2020.05.056"
                      "Revista" => array:4 [
                        "tituloSerie" => "J Am Acad Dermatol"
                        "fecha" => "2020"
                        "volumen" => "17"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            5 => array:3 [
              "identificador" => "bib0605"
              "etiqueta" => "6"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence applications in dermatology&#58; Where do we stand&#63;"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.3389/fmed.2020.00100"
                      "Revista" => array:4 [
                        "tituloSerie" => "Front Med &#40;Lausanne&#41;"
                        "fecha" => "2020"
                        "volumen" => "7"
                        "paginaInicial" => "100"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            6 => array:3 [
              "identificador" => "bib0610"
              "etiqueta" => "7"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "Puri P&#44; Comfere N&#44; Drage LA&#44; Shamim H&#44; Bezalel SA&#44; Pittelkow MR&#44; et al&#46; Deep learning for dermatologists&#58; Part II&#46; Current applications&#46; J Am Acad Dermatol&#46; 2020 May 16&#58;S0190-9622&#40;20&#41;30918-X&#46; doi&#58; 10&#46;1016&#47;j&#46;jaad&#46;2020&#46;05&#46;053&#46; Epub ahead of print&#46; PMID&#58; 32428608&#59; PMCID&#58; PMC7669658"
                ]
              ]
            ]
            7 => array:3 [
              "identificador" => "bib0615"
              "etiqueta" => "8"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep learning for dermatologists&#58; Part II&#46; Current applications"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jaad.2020.05.053"
                      "Revista" => array:2 [
                        "tituloSerie" => "J Am Acad Dermatol"
                        "fecha" => "2020"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            8 => array:3 [
              "identificador" => "bib0620"
              "etiqueta" => "9"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial Intelligence in Dermatology-Where We Are and the Way to the Future&#58; A Review"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1007/s40257-019-00462-6"
                      "Revista" => array:6 [
                        "tituloSerie" => "Am J Clin Dermatol"
                        "fecha" => "2020"
                        "volumen" => "21"
                        "paginaInicial" => "41"
                        "paginaFinal" => "47"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            9 => array:3 [
              "identificador" => "bib0625"
              "etiqueta" => "10"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Gene expression profile based classification models of psoriasis"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ygeno.2013.11.001"
                      "Revista" => array:6 [
                        "tituloSerie" => "Genomics"
                        "fecha" => "2014"
                        "volumen" => "103"
                        "paginaInicial" => "48"
                        "paginaFinal" => "55"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            10 => array:3 [
              "identificador" => "bib0630"
              "etiqueta" => "11"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Computer- aided diagnosis of psoriasis skin images with HOS&#44; texture and color features&#58; A first comparative study of its kind"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.cmpb.2015.11.013"
                      "Revista" => array:6 [
                        "tituloSerie" => "Comput Methods Programs Biomed"
                        "fecha" => "2016"
                        "volumen" => "126"
                        "paginaInicial" => "98"
                        "paginaFinal" => "109"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            11 => array:3 [
              "identificador" => "bib0635"
              "etiqueta" => "12"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A novel and robust Bayesian approach for segmentation of psoriasis lesions and its risk stratification"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Comput Methods Programs Biomed"
                        "fecha" => "2017"
                        "volumen" => "150"
                        "paginaInicial" => "9"
                        "paginaFinal" => "22"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            12 => array:3 [
              "identificador" => "bib0640"
              "etiqueta" => "13"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Reliable and accurate psoriasis disease classification in dermatology images using comprehensive feature space in machine learning paradigm"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Expert Syst Appl"
                        "fecha" => "2015"
                        "volumen" => "42"
                        "paginaInicial" => "6184"
                        "paginaFinal" => "6195"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            13 => array:3 [
              "identificador" => "bib0645"
              "etiqueta" => "14"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Area assessment of psoriasis lesion for PASI scoring"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Conf Proc IEEE Eng Med Biol Soc"
                        "fecha" => "2007"
                        "volumen" => "2007"
                        "paginaInicial" => "3446"
                        "paginaFinal" => "3449"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            14 => array:3 [
              "identificador" => "bib0650"
              "etiqueta" => "15"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "Meienberger N&#44; Anzengruber F&#44; Amruthalingam L&#44; Christen R&#44; Koller T&#44; Maul JT&#44; et al&#46; Observer-independent assessment of psoriasis affected area using machine learning&#46; J Eur Acad Dermatol Venereol&#46; 2020&#59;34&#40;6&#41;&#58;1362-1368&#46; <a target="_blank" href="https://doi.org/10.1111/jdv.16002">https&#58;&#47;&#47;doi&#46;org&#47;10&#46;1111&#47;jdv&#46;16002</a>"
                ]
              ]
            ]
            15 => array:3 [
              "identificador" => "bib0655"
              "etiqueta" => "16"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Automatic segmentation of scaling in 2-D psoriasis skin images"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1109/TMI.2012.2236349"
                      "Revista" => array:6 [
                        "tituloSerie" => "IEEE Trans Med Imaging"
                        "fecha" => "2013"
                        "volumen" => "32"
                        "paginaInicial" => "719"
                        "paginaFinal" => "730"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            16 => array:3 [
              "identificador" => "bib0660"
              "etiqueta" => "17"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Automatic scale severity assessment method in psoriasis psoriasis skin images using local descriptors"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1109/JBHI.2019.2910883"
                      "Revista" => array:6 [
                        "tituloSerie" => "IEEE J Biomed Health Inform"
                        "fecha" => "2019"
                        "volumen" => "24"
                        "paginaInicial" => "577"
                        "paginaFinal" => "585"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            17 => array:3 [
              "identificador" => "bib0665"
              "etiqueta" => "18"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Psoriasis image representation using patch-based dictionary learning for erythema severity scoring"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Comput Med Imaging Graph"
                        "fecha" => "2018"
                        "volumen" => "66"
                        "paginaInicial" => "44"
                        "paginaFinal" => "55"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            18 => array:3 [
              "identificador" => "bib0670"
              "etiqueta" => "19"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Swarm intelligence based clustering technique for automated lesion detection and diagnosis of psoriasis"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.compbiolchem.2020.107247"
                      "Revista" => array:5 [
                        "tituloSerie" => "Comput Biol Chem"
                        "fecha" => "2020"
                        "volumen" => "86"
                        "paginaInicial" => "107247"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            19 => array:3 [
              "identificador" => "bib0675"
              "etiqueta" => "20"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "IMAPSORS project&#58; A multicentre validation study to assess the accuracy of an AI solution to quantify the psoriasis severity"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "J Am Acad Dermatol"
                        "fecha" => "2021"
                        "volumen" => "85&#44; Suppl 1"
                        "paginaInicial" => "AB197"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            20 => array:3 [
              "identificador" => "bib0680"
              "etiqueta" => "21"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Shrinking the psoriasis assessment gap&#58; Early gene-expression profiling accurately predicts response to long-term treatment"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jid.2016.09.015"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Invest Dermatol"
                        "fecha" => "2017"
                        "volumen" => "137"
                        "paginaInicial" => "305"
                        "paginaFinal" => "312"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            21 => array:3 [
              "identificador" => "bib0685"
              "etiqueta" => "22"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A framework for multi-omic prediction of treatment response to biologic therapy for psoriasis"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jid.2018.04.041"
                      "Revista" => array:7 [
                        "tituloSerie" => "J Invest Dermatol"
                        "fecha" => "2019"
                        "volumen" => "139"
                        "paginaInicial" => "100"
                        "paginaFinal" => "107"
                        "link" => array:1 [ …1]
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            22 => array:3 [
              "identificador" => "bib0690"
              "etiqueta" => "23"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Early quantification of systemic inflammatory-proteins predicts long-term treatment response to tofacitinib and etanercept&#58; Psoriasis response predictions using blood"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jid.2019.09.023"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Invest Dermatol"
                        "fecha" => "2020"
                        "volumen" => "140"
                        "paginaInicial" => "1026"
                        "paginaFinal" => "1034"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            23 => array:3 [
              "identificador" => "bib0695"
              "etiqueta" => "24"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Predicting the long-term outcomes of biologics in psoriasis patients using machine learning"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1111/bjd.18741"
                      "Revista" => array:7 [
                        "tituloSerie" => "Br J Dermatol"
                        "fecha" => "2019"
                        "volumen" => "182"
                        "paginaInicial" => "1305"
                        "paginaFinal" => "1307"
                        "link" => array:1 [ …1]
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            24 => array:3 [
              "identificador" => "bib0700"
              "etiqueta" => "25"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Drug repurposing prediction for immune-mediated cutaneous diseases using a word-embedding&#8211;based machine learning approach"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "J Invest Dermatol"
                        "fecha" => "2019"
                        "volumen" => "139"
                        "paginaInicial" => "683"
                        "paginaFinal" => "691"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            25 => array:3 [
              "identificador" => "bib0705"
              "etiqueta" => "26"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Application of machine learning to determine top predictors of non-calcified coronary burden in psoriasis"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jaad.2020.12.002"
                      "Revista" => array:5 [
                        "tituloSerie" => "J Am Acad Dermatol"
                        "fecha" => "2021"
                        "volumen" => "84"
                        "paginaInicial" => "881"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            26 => array:3 [
              "identificador" => "bib0710"
              "etiqueta" => "27"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Genetic signature to provide robust risk assessment of psoriatic arthritis development in psoriasis patients"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "Nat Commun"
                        "fecha" => "2018"
                        "volumen" => "9"
                        "paginaInicial" => "4178"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            27 => array:3 [
              "identificador" => "bib0715"
              "etiqueta" => "28"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A Machine learning algorithm for identifying atopic dermatitis in adults from electronic health records"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "2017 IEEE International Conference on Healthcare Informatics &#40;ICHI&#41;"
                        "fecha" => "2017"
                        "volumen" => "2017"
                        "paginaInicial" => "83"
                        "paginaFinal" => "90"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            28 => array:3 [
              "identificador" => "bib0720"
              "etiqueta" => "29"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:1 [
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "Design and evaluation of a multi-model&#44; multi-level artificial neural network for eczema skin lesion detection2015 3rd International conference on artificial intelligence&#44; modelling and simulation &#40;AIMS&#41;&#46;"
                        "fecha" => "2015"
                        "paginaInicial" => "42"
                        "paginaFinal" => "47"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            29 => array:3 [
              "identificador" => "bib0725"
              "etiqueta" => "30"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep neural networks show an equivalent and often superior performance to dermatologists in onychomycosis diagnosis&#58; Automatic construction of onychomycosis datasets by region-based convolutional deep neural network"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1371/journal.pone.0191493"
                      "Revista" => array:6 [
                        "tituloSerie" => "PLoS One"
                        "fecha" => "2018"
                        "volumen" => "13"
                        "paginaInicial" => "e0191493"
                        "link" => array:1 [ …1]
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            30 => array:3 [
              "identificador" => "bib0730"
              "etiqueta" => "31"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Ros-NET&#58; A deep convolutional neural network for automatic identification of rosacea lesions"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Skin Res Technol"
                        "fecha" => "2020"
                        "volumen" => "26"
                        "paginaInicial" => "413"
                        "paginaFinal" => "421"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            31 => array:3 [
              "identificador" => "bib0735"
              "etiqueta" => "32"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Development and evaluation of an automatic acne lesion detection program using digital image processing"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Skin Res Technol"
                        "fecha" => "2013"
                        "volumen" => "19"
                        "paginaInicial" => "423"
                        "paginaFinal" => "432"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            32 => array:3 [
              "identificador" => "bib0740"
              "etiqueta" => "33"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Segmentation of acne lesion using fuzzy C-means technique with intelligent selection of the desired cluster"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "Conf Proc"
                        "fecha" => "2015"
                        "paginaInicial" => "3077"
                        "paginaFinal" => "3080"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            33 => array:3 [
              "identificador" => "bib0745"
              "etiqueta" => "34"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Development and accuracy of an artificial intelligence algorithm for acne grading from smartphone photographs"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:6 [
                        "tituloSerie" => "Exp Dermatol"
                        "fecha" => "2019"
                        "volumen" => "28"
                        "paginaInicial" => "1252"
                        "paginaFinal" => "1257"
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            34 => array:3 [
              "identificador" => "bib0750"
              "etiqueta" => "35"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:1 [
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:2 [
                        "tituloSerie" => "FACE Project&#58; Value of a novel artificial intelligence solution to make at home cosmetic virtual analysis in the COVID era&#46; Presented in EADV Annual Meeting"
                        "fecha" => "2020"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            35 => array:3 [
              "identificador" => "bib0755"
              "etiqueta" => "36"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Feature selection using binary particle swarm optimization and support vector machines for medical diagnosis"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Biomed Tech Biomed Eng"
                        "fecha" => "2012"
                        "volumen" => "57"
                        "paginaInicial" => "395"
                        "paginaFinal" => "402"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            36 => array:3 [
              "identificador" => "bib0760"
              "etiqueta" => "37"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "GA-ANFIS expert system prototype for prediction of dermatological diseases"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Studies Health Technol Inform"
                        "fecha" => "2015"
                        "volumen" => "210"
                        "paginaInicial" => "622"
                        "paginaFinal" => "626"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            37 => array:3 [
              "identificador" => "bib0765"
              "etiqueta" => "38"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "SVM-RFE based feature selection and Taguchi parameters optimization for multiclass SVM classifier"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "Scient World J"
                        "fecha" => "2014"
                        "volumen" => "2014"
                        "paginaInicial" => "795624"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            38 => array:3 [
              "identificador" => "bib0770"
              "etiqueta" => "39"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A deep learning system for differential diagnosis of skin diseases"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Nat Med"
                        "fecha" => "2020"
                        "volumen" => "26"
                        "paginaInicial" => "900"
                        "paginaFinal" => "908"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            39 => array:3 [
              "identificador" => "bib0775"
              "etiqueta" => "40"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Expert systems in dermatology&#58; The computer potential&#46; The example of facial tumour diagnosis"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:6 [
                        "tituloSerie" => "Dermatologica"
                        "fecha" => "1986"
                        "volumen" => "1732"
                        "paginaInicial" => "79"
                        "paginaFinal" => "84"
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            40 => array:3 [
              "identificador" => "bib0780"
              "etiqueta" => "41"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Results obtained by using a computerized image analysis system designed as an aid to diagnosis of cutaneous melanoma"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Melanoma Res"
                        "fecha" => "1992"
                        "volumen" => "23"
                        "paginaInicial" => "163"
                        "paginaFinal" => "170"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            41 => array:3 [
              "identificador" => "bib0785"
              "etiqueta" => "42"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Computer-aided diagnosis of skin lesions using conventional digital photography&#58; A reliability and feasibility study"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "PLoS One"
                        "fecha" => "2013"
                        "volumen" => "811"
                        "paginaInicial" => "e76212"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            42 => array:3 [
              "identificador" => "bib0790"
              "etiqueta" => "43"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Analysis of clinical and dermoscopic features for basal cell carcinoma neural network classification"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Skin Res Technol"
                        "fecha" => "2013"
                        "volumen" => "191"
                        "paginaInicial" => "e217"
                        "paginaFinal" => "e222"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            43 => array:3 [
              "identificador" => "bib0795"
              "etiqueta" => "44"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Rapid and accurate intraoperative pathological diagnosis by artificial intelligence with deep learning technology"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.mehy.2017.08.021"
                      "Revista" => array:6 [
                        "tituloSerie" => "Med Hypotheses"
                        "fecha" => "2017"
                        "volumen" => "107"
                        "paginaInicial" => "98"
                        "paginaFinal" => "99"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            44 => array:3 [
              "identificador" => "bib0800"
              "etiqueta" => "45"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Toward predicting metastatic progression of melanoma based on gene expression data"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:6 [
                        "tituloSerie" => "Pigment Cell Melanoma Res"
                        "fecha" => "2015"
                        "volumen" => "284"
                        "paginaInicial" => "453"
                        "paginaFinal" => "463"
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            45 => array:3 [
              "identificador" => "bib0805"
              "etiqueta" => "46"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Dermatologist-level classification of skin cancer with deep neural networks"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Nature"
                        "fecha" => "2017"
                        "volumen" => "5427639"
                        "paginaInicial" => "115"
                        "paginaFinal" => "118"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            46 => array:3 [
              "identificador" => "bib0810"
              "etiqueta" => "47"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Growth-curve modeling of nevi with a peripheral globular pattern"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "JAMA Dermatol"
                        "fecha" => "2015"
                        "volumen" => "15112"
                        "paginaInicial" => "1338"
                        "paginaFinal" => "1345"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            47 => array:3 [
              "identificador" => "bib0815"
              "etiqueta" => "48"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence and its effect on dermatologists&#8217; accuracy in dermoscopic melanoma image classification&#58; Web-based survey study"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "J Med Internet Res"
                        "fecha" => "2020"
                        "volumen" => "229"
                        "paginaInicial" => "e18091"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            48 => array:3 [
              "identificador" => "bib0820"
              "etiqueta" => "49"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Prediction of melanoma evolution in melanocytic nevi via artificial intelligence&#58; A call for prospective data"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Eur J Cancer"
                        "fecha" => "2019"
                        "volumen" => "119"
                        "paginaInicial" => "30"
                        "paginaFinal" => "34"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            49 => array:3 [
              "identificador" => "bib0825"
              "etiqueta" => "50"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Systematic outperformance of 112 dermatologists in multiclass skin cancer image classification by convolutional neural networks"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ejca.2019.06.013"
                      "Revista" => array:7 [
                        "tituloSerie" => "Eur J Cancer"
                        "fecha" => "2019"
                        "volumen" => "119"
                        "paginaInicial" => "57"
                        "paginaFinal" => "65"
                        "link" => array:1 [ …1]
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            50 => array:3 [
              "identificador" => "bib0830"
              "etiqueta" => "51"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep neural networks are superior to dermatologists in melanoma image classification"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ejca.2019.05.023"
                      "Revista" => array:7 [
                        "tituloSerie" => "Eur J Cancer"
                        "fecha" => "2019"
                        "volumen" => "119"
                        "paginaInicial" => "11"
                        "paginaFinal" => "17"
                        "link" => array:1 [ …1]
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            51 => array:3 [
              "identificador" => "bib0835"
              "etiqueta" => "52"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Comparing artificial intelligence algorithms to 157 german dermatologists&#58; The melanoma classification benchmark"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ejca.2018.12.016"
                      "Revista" => array:6 [
                        "tituloSerie" => "Eur J Cancer"
                        "fecha" => "2019"
                        "volumen" => "111"
                        "paginaInicial" => "30"
                        "paginaFinal" => "37"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            52 => array:3 [
              "identificador" => "bib0840"
              "etiqueta" => "53"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep learning outperformed 11 pathologists in the classification of histopathological melanoma images"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ejca.2019.06.012"
                      "Revista" => array:6 [
                        "tituloSerie" => "Eur J Cancer"
                        "fecha" => "2019"
                        "volumen" => "118"
                        "paginaInicial" => "91"
                        "paginaFinal" => "96"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            53 => array:3 [
              "identificador" => "bib0845"
              "etiqueta" => "54"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Man against machine reloaded&#58; Performance of a market-approved convolutional neural network in classifying a broad spectrum of skin lesions in comparison with 96 dermatologists working under less artificial conditions"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Ann Oncol"
                        "fecha" => "2020"
                        "volumen" => "311"
                        "paginaInicial" => "137"
                        "paginaFinal" => "143"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            54 => array:3 [
              "identificador" => "bib0850"
              "etiqueta" => "55"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Assessment of accuracy of an artificial intelligence algorithm to detect melanoma in images of skin lesions"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "JAMA Netw Open"
                        "fecha" => "2019"
                        "volumen" => "210"
                        "paginaInicial" => "e1913436"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            55 => array:3 [
              "identificador" => "bib0855"
              "etiqueta" => "56"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Acral melanoma detection using a convolutional neural network for dermoscopy images"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "PLoS One"
                        "fecha" => "2018"
                        "volumen" => "133"
                        "paginaInicial" => "e0193321"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            56 => array:3 [
              "identificador" => "bib0860"
              "etiqueta" => "57"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence estimates the importance of baseline factors in predicting response to anti-pd1 in metastatic melanoma"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Am J Clin Oncol"
                        "fecha" => "2019"
                        "volumen" => "428"
                        "paginaInicial" => "643"
                        "paginaFinal" => "648"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            57 => array:3 [
              "identificador" => "bib0865"
              "etiqueta" => "58"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Microrna ratios distinguish melanomas from nevi"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "J Invest Dermatol"
                        "fecha" => "2020"
                        "volumen" => "1401"
                        "paginaInicial" => "164"
                        "paginaFinal" => "173"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            58 => array:3 [
              "identificador" => "bib0870"
              "etiqueta" => "59"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Automated detection of nonmelanoma skin cancer using digital images&#58; A systematic review"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "BMC Med Imaging"
                        "fecha" => "2019"
                        "volumen" => "191"
                        "paginaInicial" => "21"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            59 => array:3 [
              "identificador" => "bib0875"
              "etiqueta" => "60"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Keratinocytic skin cancer detection on the face using region-based convolutional neural network"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "JAMA Dermatol"
                        "fecha" => "2020"
                        "volumen" => "1561"
                        "paginaInicial" => "29"
                        "paginaFinal" => "37"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            60 => array:3 [
              "identificador" => "bib0880"
              "etiqueta" => "61"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Late fusion of deep and shallow features to improve discrimination of actinic keratosis from normal skin using clinical photography"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Skin Res Technol"
                        "fecha" => "2019"
                        "volumen" => "254"
                        "paginaInicial" => "538"
                        "paginaFinal" => "543"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            61 => array:3 [
              "identificador" => "bib0885"
              "etiqueta" => "62"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Pathologist-level classification of histopathological melanoma images with deep neural networks"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ejca.2019.04.021"
                      "Revista" => array:6 [
                        "tituloSerie" => "Eur J Cancer"
                        "fecha" => "2019"
                        "volumen" => "115"
                        "paginaInicial" => "79"
                        "paginaFinal" => "83"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            62 => array:3 [
              "identificador" => "bib0890"
              "etiqueta" => "63"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Digital pathology and artificial intelligence"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/S1470-2045(19)30154-8"
                      "Revista" => array:6 [
                        "tituloSerie" => "Lancet Oncol"
                        "fecha" => "2019"
                        "volumen" => "20"
                        "paginaInicial" => "e253"
                        "paginaFinal" => "e261"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            63 => array:3 [
              "identificador" => "bib0895"
              "etiqueta" => "64"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Diagnostic performance of artificial intelligence for histologic melanoma recognition compared to 18 international expert pathologists"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jaad.2021.02.009"
                      "Revista" => array:4 [
                        "tituloSerie" => "J Am Acad Dermatol"
                        "fecha" => "2021"
                        "paginaInicial" => "18"
                        "paginaFinal" => "20"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            64 => array:3 [
              "identificador" => "bib0900"
              "etiqueta" => "65"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep learning outperformed 11 pathologists in the classification of histopathological melanoma images"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ejca.2019.06.012"
                      "Revista" => array:5 [
                        "tituloSerie" => "Eur J Cancer"
                        "fecha" => "2019"
                        "volumen" => "118"
                        "paginaInicial" => "91"
                        "paginaFinal" => "96"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            65 => array:3 [
              "identificador" => "bib0905"
              "etiqueta" => "66"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Classification of melanocytic lesions in selected and whole-slide images via convolutional neural networks"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.4103/jpi.jpi_32_18"
                      "Revista" => array:5 [
                        "tituloSerie" => "J Pathol Inform"
                        "fecha" => "2019"
                        "volumen" => "10"
                        "paginaInicial" => "5"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            66 => array:3 [
              "identificador" => "bib0910"
              "etiqueta" => "67"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "The role of artificial intelligence in cosmetic dermatology&#8212;Current&#44; upcoming&#44; and future trends"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1111/jocd.13797"
                      "Revista" => array:5 [
                        "tituloSerie" => "J Cosmet Dermatol"
                        "fecha" => "2020"
                        "volumen" => "00"
                        "paginaInicial" => "1"
                        "paginaFinal" => "5"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            67 => array:3 [
              "identificador" => "bib0915"
              "etiqueta" => "68"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "Why Choose PROVEN For Personalized Skin Care Products&#63; &#124; PROVEN &#91;consultado 6 Jul 2020&#93;&#46; Disponible en&#58; https&#58;&#47;&#47;www&#46;prove nskin care&#46;com&#47;why-proven"
                ]
              ]
            ]
            68 => array:3 [
              "identificador" => "bib0920"
              "etiqueta" => "69"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "The new skincare diagnostic tool &#91;consultado 6 Jul 2020&#93;&#46; Disponible en&#58; https&#58;&#47;&#47;www&#46;vichy usa&#46;com&#47;skin-care-analy sis-ai&#46;html"
                ]
              ]
            ]
            69 => array:3 [
              "identificador" => "bib0925"
              "etiqueta" => "70"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "The future is now&#58; Technology for skincare - practical dermatology&#46; 2020&#46; &#91;consultado 11 Mar 2021&#93;&#46; Disponible en&#58; https&#58;&#47;&#47;pract icald ermat ology&#46;com&#47;artic les&#47;2019-jan&#47;the-futur e-is-now-techn ology -for-skincare"
                ]
              ]
            ]
            70 => array:3 [
              "identificador" => "bib0930"
              "etiqueta" => "71"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "Beauty device for age spot removal &#38; facial toning - OPT&#201; &#91;consultado 25 Mar 2020&#93;&#46; Disponible en&#58; https&#58;&#47;&#47;www&#46;optes kin&#46;com&#47;"
                ]
              ]
            ]
            71 => array:3 [
              "identificador" => "bib0935"
              "etiqueta" => "72"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "L&#8217;Or&#233;al Unveils Perso&#44; The World&#39;s First AI-Powered Device For Skincare And Cosmetics - L&#8217;Or&#233;al Group &#124; World Leader in Beauty &#124; Official Website&#46; 2020&#46; &#91;consultado 11 Mar 2021&#93;&#46; Disponible en&#58; https&#58;&#47;&#47;www&#46;loreal&#46;com&#47;media&#47;news&#47;2020&#47;janua ry&#47;perso -ces-innov ation"
                ]
              ]
            ]
            72 => array:3 [
              "identificador" => "bib0940"
              "etiqueta" => "73"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Comparison of two skin imaging analysis instruments&#58; The VISIA&#174; from Canfield vs the ANTERA 3<span class="elsevierStyleHsp" style=""></span>D&#174; CS from Miravex"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Ski Res Technol"
                        "fecha" => "2018"
                        "volumen" => "24"
                        "paginaInicial" => "3"
                        "paginaFinal" => "8"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            73 => array:3 [
              "identificador" => "bib0945"
              "etiqueta" => "74"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Computer-based approach to detect wrinkles and suggest facial fillers"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Int J Adv Comput Sci Appl"
                        "fecha" => "2019"
                        "volumen" => "10"
                        "paginaInicial" => "319"
                        "paginaFinal" => "325"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            74 => array:3 [
              "identificador" => "bib0950"
              "etiqueta" => "75"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Wrinkle detection using hessian line tracking"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "IEEE Access"
                        "fecha" => "2015"
                        "volumen" => "3"
                        "paginaInicial" => "1079"
                        "paginaFinal" => "1088"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            75 => array:3 [
              "identificador" => "bib0955"
              "etiqueta" => "76"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Fast detection of facial wrinkles based on Gabor features using image morphology and geometric constraints"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Pattern Recognit"
                        "fecha" => "2015"
                        "volumen" => "48"
                        "paginaInicial" => "642"
                        "paginaFinal" => "658"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            76 => array:3 [
              "identificador" => "bib0960"
              "etiqueta" => "77"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Prediction of clinical response to excimer laser treatment in vitiligo by using neural network models"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1159/000225934"
                      "Revista" => array:6 [
                        "tituloSerie" => "Dermatology"
                        "fecha" => "2009"
                        "volumen" => "219"
                        "paginaInicial" => "133"
                        "paginaFinal" => "137"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            77 => array:3 [
              "identificador" => "bib0965"
              "etiqueta" => "78"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Performance and clinical impact of machine learning based lung nodule detection using vessel suppression in melanoma patients"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.clinimag.2018.09.001"
                      "Revista" => array:7 [
                        "tituloSerie" => "Clin Imaging"
                        "fecha" => "2018"
                        "volumen" => "52"
                        "paginaInicial" => "328"
                        "paginaFinal" => "333"
                        "link" => array:1 [ …1]
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            78 => array:3 [
              "identificador" => "bib0970"
              "etiqueta" => "79"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Radiomics of brain MRI&#58; Utility in prediction of metastatic tumor type"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Radiology"
                        "fecha" => "2019 b"
                        "volumen" => "290"
                        "paginaInicial" => "479"
                        "paginaFinal" => "487"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            79 => array:3 [
              "identificador" => "bib0975"
              "etiqueta" => "80"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Guidelines for performing dermatologic ultrasound examinations by the DERMUS Group"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.7863/ultra.15.06046"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Ultrasound Med"
                        "fecha" => "2016"
                        "volumen" => "35"
                        "paginaInicial" => "577"
                        "paginaFinal" => "580"
                        "link" => array:1 [ …1]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            80 => array:3 [
              "identificador" => "bib0980"
              "etiqueta" => "81"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Machine learning for medical ultrasound&#58; Status&#44; methods&#44; and future opportunities"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Abdom Radiol"
                        "fecha" => "2018"
                        "volumen" => "43"
                        "paginaInicial" => "786"
                        "paginaFinal" => "799"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            81 => array:3 [
              "identificador" => "bib0985"
              "etiqueta" => "82"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Improving the distinction between benign and malignant breast lesions&#58; The value of sonographic texture analysis"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1177/016173469301500401"
                      "Revista" => array:7 [
                        "tituloSerie" => "Ultrason Imaging"
                        "fecha" => "1993"
                        "volumen" => "15"
                        "paginaInicial" => "267"
                        "paginaFinal" => "285"
                        "link" => array:1 [ …1]
                        "itemHostRev" => array:3 [ …3]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            82 => array:3 [
              "identificador" => "bib0990"
              "etiqueta" => "83"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Using an artificial neural network to diagnose hepatic masses"
                      "autores" => array:1 [
                        0 => array:2 [ …2]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1007/BF01000274"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Med Syst"
                        "fecha" => "1992"
                         …4
                      ]
                    ]
                  ]
                ]
              ]
            ]
            83 => array:3 [
              "identificador" => "bib0995"
              "etiqueta" => "84"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Computer-aided diagnosis for breast ultrasound using computerized BI-RADS features and machine learning methods"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ultrasmedbio.2015.11.016"
                      "Revista" => array:7 [ …7]
                    ]
                  ]
                ]
              ]
            ]
            84 => array:3 [
              "identificador" => "bib1000"
              "etiqueta" => "85"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Breast image analysis for risk assessment&#44; detection diagnosis&#44; and treatment of cancer"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1146/annurev-bioeng-071812-152416"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            85 => array:3 [
              "identificador" => "bib1005"
              "etiqueta" => "86"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:1 [
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [ …4]
                    ]
                  ]
                ]
              ]
            ]
            86 => array:3 [
              "identificador" => "bib1010"
              "etiqueta" => "87"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A Computer-Aided Diagnosis System Using Artificial Intelligence for the Diagnosis and Characterization of Thyroid Nodules on Ultrasound&#58; Initial Clinical Assessment"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1089/thy.2016.0372"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            87 => array:3 [
              "identificador" => "bib1015"
              "etiqueta" => "88"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Discriminative deep learning-based benignity&#47;malignancy diagnosis of dermatologic ultrasound skin lesions with pretrained artificial intelligence architecture"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.7863/jum.1990.9.11.637"
                      "Revista" => array:3 [ …3]
                    ]
                  ]
                ]
              ]
            ]
            88 => array:3 [
              "identificador" => "bib1020"
              "etiqueta" => "89"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Ultra-high frequency ultrasound and machine-learning approaches for the differential diagnosis of melanocytic lesions"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1111/exd.14330"
                      "Revista" => array:3 [ …3]
                    ]
                  ]
                ]
              ]
            ]
            89 => array:3 [
              "identificador" => "bib1025"
              "etiqueta" => "90"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep residual networks for quantification of muscle fiber orientation and curvature from ultrasound images"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "LibroEditado" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            90 => array:3 [
              "identificador" => "bib1030"
              "etiqueta" => "91"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Learning-based prediction of gestational age from ultrasound images of the fetal brain"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.media.2014.12.006"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            91 => array:3 [
              "identificador" => "bib1035"
              "etiqueta" => "92"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "M&#233;todos ecogr&#225;ficos de evaluaci&#243;n del envejecimiento cut&#225;neo y su tratamiento"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            92 => array:3 [
              "identificador" => "bib1040"
              "etiqueta" => "93"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Ultrasound image segmentation&#58; A survey"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1109/tmi.2006.877092"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            93 => array:3 [
              "identificador" => "bib1045"
              "etiqueta" => "94"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Brachial artery vasomotion and transducer pressure effect on measurements by active contour segmentation on ultrasound&#58; Brachial artery vasomotion and transducer pressure effect"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1118/1.4862508"
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            94 => array:3 [
              "identificador" => "bib1050"
              "etiqueta" => "95"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "An efficient neural network based method for medical image segmentation"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.compbiomed.2013.10.029"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            95 => array:3 [
              "identificador" => "bib1055"
              "etiqueta" => "96"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A supervised learning framework of statistical shape and probability priors for automatic prostate segmentation in ultrasound images"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.media.2013.04.001"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            96 => array:3 [
              "identificador" => "bib1060"
              "etiqueta" => "97"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "M&#46; van Strien&#46; On the origins and foundations of Laplacian determinism&#46; Studies in History and Philosophy of Science&#46; 2014&#59;45&#58; 24-31&#46;"
                ]
              ]
            ]
            97 => array:3 [
              "identificador" => "bib1065"
              "etiqueta" => "98"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Las narrativas de la inteligencia artificial"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            98 => array:3 [
              "identificador" => "bib1070"
              "etiqueta" => "99"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Ethics&#44; artificial intelligence&#44; and radiology"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jacr.2018.05.020"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            99 => array:3 [
              "identificador" => "bib1075"
              "etiqueta" => "100"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence&#58; Who is responsible for the diagnosis&#63;"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1007/s11547-020-01135-9"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            100 => array:3 [
              "identificador" => "bib1080"
              "etiqueta" => "101"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Ethical considerations for artificial intelligence&#58; An overview of the current radiology landscape"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            101 => array:3 [
              "identificador" => "bib1085"
              "etiqueta" => "102"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Implementing machine learning in health care - addressing ethical challenges"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1056/NEJMp1714229"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            102 => array:3 [
              "identificador" => "bib1090"
              "etiqueta" => "103"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Gender shades&#58; Intersectional accuracy disparities in commercial gender classification"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            103 => array:3 [
              "identificador" => "bib1095"
              "etiqueta" => "104"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Machine learning and health care disparities in dermatology"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            104 => array:3 [
              "identificador" => "bib1100"
              "etiqueta" => "105"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence as a medical devide in radiology&#58; Ethical and regulatory isues in Europe and the United States"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1007/s13244-018-0645-y"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            105 => array:3 [
              "identificador" => "bib1105"
              "etiqueta" => "106"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "The European Parliament and the Council of The European Union &#40;2017&#41; Regulation &#40;EU&#41; 2017&#47;745 of the European Parliament and of the Council on medical devices&#44; amending Directive 2001&#47;83&#47;EC&#44; Regulation &#40;EC&#41; No 178&#47;2002 and Regulation &#40;EC&#41; No 1223&#47;2009 and repealing Council Directives 90&#47;385&#47;EEC and 93&#47;42&#47;EEC&#46; Official Journal of the European Communities&#46; &#91;consultado 11 Mar 2021&#93;&#46; Disponible en&#58; https&#58;&#47;&#47;eur-lex&#46;europa&#46;eu&#47;legal-content&#47;EN&#47;TXT&#47;&#63;uri&#61;CELEX&#37;3A32017R0745"
                ]
              ]
            ]
            106 => array:3 [
              "identificador" => "bib1110"
              "etiqueta" => "107"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "&#91;114th&#93; Congress &#40;2015-2016&#41; &#40;2016&#41; H&#46;R&#46;34-21st Century Cures Act&#46; &#91;consultado 11 Mar 2021&#93;&#46; Disponible en&#58; https&#58;&#47;&#47;www&#46;congress&#46;gov&#47;bill&#47;114th-congress&#47;house-bill&#47;34"
                ]
              ]
            ]
            107 => array:3 [
              "identificador" => "bib1115"
              "etiqueta" => "108"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "Reglamento del Parlamento Europeo y del Consejo de 10 de enero&#44; sobre el respeto de la vida privada y la protecci&#243;n de los datos personales en el sector de las comunicaciones electr&#243;nicas y por el que se deroga la Directiva 2002&#47;58&#47;CE &#40;Reglamento sobre la privacidad y las comunicaciones electr&#243;nicas&#41;&#44; Comisi&#243;n Europea&#44; COM&#47;2017&#47;010 final- 2017&#47;03 &#40;COD&#41;&#44; &#40;2017&#41;&#46; &#91;consultado 11 Mar 2021&#93;&#46; Recuperado de https&#58;&#47;&#47;eur-lex&#46;europa&#46;eu&#47;legal-content&#47;ES&#47;TXT&#47;&#63;uri&#61;CELEX&#37;3A52017PC0010"
                ]
              ]
            ]
            108 => array:3 [
              "identificador" => "bib1120"
              "etiqueta" => "109"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A critical perspective on guidelines for responsible and trustworthy artificial intelligence"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1007/s11019-020-09948-1"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            109 => array:3 [
              "identificador" => "bib1125"
              "etiqueta" => "110"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Review of medical image recognition technologies to detect melanomas using neural networks"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1186/s12859-020-03615-1"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            110 => array:3 [
              "identificador" => "bib1130"
              "etiqueta" => "111"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Past and present of computer-assisted dermoscopic diagnosis&#58; Performance of a conventional image analyser versus a convolutional neural network in a prospective data set of 1&#44;981 skin lesions"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ejca.2020.04.043"
                      "Revista" => array:6 [ …6]
                    ]
                  ]
                ]
              ]
            ]
            111 => array:3 [
              "identificador" => "bib1135"
              "etiqueta" => "112"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A patient-centric dataset of images and metadata for identifying melanomas using clinical context"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [ …4]
                    ]
                  ]
                ]
              ]
            ]
            112 => array:3 [
              "identificador" => "bib1140"
              "etiqueta" => "113"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Automated dermatological diagnosis&#58; Hype or reality&#63;"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
            113 => array:3 [
              "identificador" => "bib1150"
              "etiqueta" => "114"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Human-computer collaboration for skin cancer recognition"
                      "autores" => array:1 [ …1]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [ …5]
                    ]
                  ]
                ]
              ]
            ]
          ]
        ]
      ]
    ]
  ]
  "idiomaDefecto" => "es"
  "url" => "/00017310/0000011300000001/v2_202202160543/S0001731021002957/v2_202202160543/es/main.assets"
  "Apartado" => array:4 [
    "identificador" => "92869"
    "tipo" => "SECCION"
    "es" => array:2 [
      "titulo" => "Revisiones &#47; Review Articles"
      "idiomaDefecto" => true
    ]
    "idiomaDefecto" => "es"
  ]
  "PDF" => "https://static.elsevier.es/multimedia/00017310/0000011300000001/v2_202202160543/S0001731021002957/v2_202202160543/es/main.pdf?idApp=UINPBA000044&text.app=https://actasdermo.org/"
  "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0001731021002957?idApp=UINPBA000044"
]
Article information
ISSN: 00017310
Original language: Spanish
The statistics are updated each day
Year/Month Html Pdf Total
2024 November 74 32 106
2024 October 718 110 828
2024 September 802 87 889
2024 August 755 125 880
2024 July 716 77 793
2024 June 764 96 860
2024 May 617 111 728
2024 April 574 98 672
2024 March 661 118 779
2024 February 836 83 919
2024 January 903 116 1019
2023 December 667 58 725
2023 November 887 123 1010
2023 October 786 94 880
2023 September 506 93 599
2023 August 489 248 737
2023 July 501 100 601
2023 June 433 98 531
2023 May 624 114 738
2023 April 447 66 513
2023 March 409 56 465
2023 February 273 68 341
2023 January 272 76 348
2022 December 217 73 290
2022 November 268 88 356
2022 October 219 98 317
2022 September 276 90 366
2022 August 194 78 272
2022 July 181 78 259
2022 June 228 81 309
2022 May 331 91 422
2022 April 230 81 311
2022 March 291 148 439
2022 February 861 136 997
2022 January 282 85 367
2021 December 163 68 231
2021 November 258 137 395
2021 October 290 90 380
2021 September 173 67 240
2021 August 162 77 239
Show all

Follow this link to access the full text of the article

Idiomas
Actas Dermo-Sifiliográficas
es en

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?