array:25 [
  "pii" => "S000173101930393X"
  "issn" => "00017310"
  "doi" => "10.1016/j.ad.2019.01.014"
  "estado" => "S300"
  "fechaPublicacion" => "2020-04-01"
  "aid" => "2291"
  "copyright" => "AEDV"
  "copyrightAnyo" => "2019"
  "documento" => "article"
  "crossmark" => 1
  "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
  "subdocumento" => "sco"
  "cita" => "Actas Dermosifiliogr. 2020;111:192-5"
  "abierto" => array:3 [
    "ES" => true
    "ES2" => true
    "LATM" => true
  ]
  "gratuito" => true
  "lecturas" => array:2 [
    "total" => 32
    "formatos" => array:2 [
      "HTML" => 19
      "PDF" => 13
    ]
  ]
  "Traduccion" => array:1 [
    "en" => array:20 [
      "pii" => "S1578219020300287"
      "issn" => "15782190"
      "doi" => "10.1016/j.adengl.2020.03.005"
      "estado" => "S300"
      "fechaPublicacion" => "2020-04-01"
      "aid" => "2291"
      "copyright" => "AEDV"
      "documento" => "article"
      "crossmark" => 1
      "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
      "subdocumento" => "sco"
      "cita" => "Actas Dermosifiliogr. 2020;111:192-5"
      "abierto" => array:3 [
        "ES" => true
        "ES2" => true
        "LATM" => true
      ]
      "gratuito" => true
      "lecturas" => array:1 [
        "total" => 0
      ]
      "en" => array:11 [
        "idiomaDefecto" => true
        "cabecera" => "<span class="elsevierStyleTextfn">Opinion Article</span>"
        "titulo" => "Deep Learning and Mathematical Models in Dermatology"
        "tienePdf" => "en"
        "tieneTextoCompleto" => "en"
        "paginas" => array:1 [
          0 => array:2 [
            "paginaInicial" => "192"
            "paginaFinal" => "195"
          ]
        ]
        "titulosAlternativos" => array:1 [
          "es" => array:1 [
            "titulo" => "<span class="elsevierStyleItalic">Deep learning</span> y DerMATolog&#237;a"
          ]
        ]
        "contieneTextoCompleto" => array:1 [
          "en" => true
        ]
        "contienePdf" => array:1 [
          "en" => true
        ]
        "resumenGrafico" => array:2 [
          "original" => 0
          "multimedia" => array:8 [
            "identificador" => "fig0010"
            "etiqueta" => "Fig&#46; 2"
            "tipo" => "MULTIMEDIAFIGURA"
            "mostrarFloat" => true
            "mostrarDisplay" => false
            "figura" => array:1 [
              0 => array:4 [
                "imagen" => "gr2.jpeg"
                "Alto" => 2238
                "Ancho" => 2508
                "Tamanyo" => 346979
              ]
            ]
            "detalles" => array:1 [
              0 => array:3 [
                "identificador" => "at0025"
                "detalle" => "Fig&#46; "
                "rol" => "short"
              ]
            ]
            "descripcion" => array:1 [
              "en" => "<p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">A&#44; Example of a convolution operation&#46; A computer sees an image &#40;L&#41; as a 4<span class="elsevierStyleHsp" style=""></span>&#215;<span class="elsevierStyleHsp" style=""></span>4 matrix of numbers&#46; Each value of the input image is multiplied by a filter or kernel&#46; Consequently&#44; a new&#44; reduced representation is obtained &#40;a 2<span class="elsevierStyleHsp" style=""></span>&#215;<span class="elsevierStyleHsp" style=""></span>2 feature map&#41;&#46; B&#44; Example of a specific operation for the values in the blue box&#46;</p>"
            ]
          ]
        ]
        "autores" => array:1 [
          0 => array:2 [
            "autoresLista" => "&#193;&#46; Iglesias-Puzas, P&#46; Boixeda"
            "autores" => array:2 [
              0 => array:2 [
                "nombre" => "&#193;&#46;"
                "apellidos" => "Iglesias-Puzas"
              ]
              1 => array:2 [
                "nombre" => "P&#46;"
                "apellidos" => "Boixeda"
              ]
            ]
          ]
        ]
      ]
      "idiomaDefecto" => "en"
      "Traduccion" => array:1 [
        "es" => array:9 [
          "pii" => "S000173101930393X"
          "doi" => "10.1016/j.ad.2019.01.014"
          "estado" => "S300"
          "subdocumento" => ""
          "abierto" => array:3 [
            "ES" => true
            "ES2" => true
            "LATM" => true
          ]
          "gratuito" => true
          "lecturas" => array:1 [
            "total" => 0
          ]
          "idiomaDefecto" => "es"
          "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S000173101930393X?idApp=UINPBA000044"
        ]
      ]
      "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S1578219020300287?idApp=UINPBA000044"
      "url" => "/15782190/0000011100000003/v1_202005050702/S1578219020300287/v1_202005050702/en/main.assets"
    ]
  ]
  "itemSiguiente" => array:20 [
    "pii" => "S0001731019301917"
    "issn" => "00017310"
    "doi" => "10.1016/j.ad.2019.02.013"
    "estado" => "S300"
    "fechaPublicacion" => "2020-04-01"
    "aid" => "2226"
    "copyright" => "AEDV"
    "documento" => "article"
    "crossmark" => 1
    "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
    "subdocumento" => "rev"
    "cita" => "Actas Dermosifiliogr. 2020;111:196-204"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:2 [
      "total" => 86
      "formatos" => array:2 [
        "HTML" => 53
        "PDF" => 33
      ]
    ]
    "es" => array:14 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">REVISI&#211;N</span>"
      "titulo" => "Dermatosis purp&#250;ricas pigmentadas&#46; Revisi&#243;n de la literatura cient&#237;fica"
      "tienePdf" => "es"
      "tieneTextoCompleto" => "es"
      "tieneResumen" => array:3 [
        0 => "es"
        1 => "es"
        2 => "en"
      ]
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "196"
          "paginaFinal" => "204"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "en" => array:1 [
          "titulo" => "Pigmented Purpuric Dermatosis&#58; A Review of the Literature"
        ]
      ]
      "contieneResumen" => array:2 [
        "es" => true
        "en" => true
      ]
      "contieneTextoCompleto" => array:1 [
        "es" => true
      ]
      "contienePdf" => array:1 [
        "es" => true
      ]
      "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" => 1001
              "Ancho" => 1333
              "Tamanyo" => 87985
            ]
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "I&#46; Mart&#237;nez Pall&#225;s, R&#46; Conejero del Mazo, V&#46; Lezcano Biosca"
          "autores" => array:3 [
            0 => array:2 [
              "nombre" => "I&#46;"
              "apellidos" => "Mart&#237;nez Pall&#225;s"
            ]
            1 => array:2 [
              "nombre" => "R&#46;"
              "apellidos" => "Conejero del Mazo"
            ]
            2 => array:2 [
              "nombre" => "V&#46;"
              "apellidos" => "Lezcano Biosca"
            ]
          ]
        ]
      ]
      "resumen" => array:1 [
        0 => array:3 [
          "titulo" => "Graphical abstract"
          "clase" => "graphical"
          "resumen" => "<span id="abst0005" class="elsevierStyleSection elsevierViewall"><p id="spar0005" class="elsevierStyleSimplePara elsevierViewall"><elsevierMultimedia ident="fig0045"></elsevierMultimedia></p></span>"
        ]
      ]
    ]
    "idiomaDefecto" => "es"
    "Traduccion" => array:1 [
      "en" => array:9 [
        "pii" => "S1578219020300317"
        "doi" => "10.1016/j.adengl.2020.03.007"
        "estado" => "S300"
        "subdocumento" => ""
        "abierto" => array:3 [
          "ES" => true
          "ES2" => true
          "LATM" => true
        ]
        "gratuito" => true
        "lecturas" => array:1 [
          "total" => 0
        ]
        "idiomaDefecto" => "en"
        "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S1578219020300317?idApp=UINPBA000044"
      ]
    ]
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0001731019301917?idApp=UINPBA000044"
    "url" => "/00017310/0000011100000003/v3_202009190646/S0001731019301917/v3_202009190646/es/main.assets"
  ]
  "itemAnterior" => array:20 [
    "pii" => "S0001731018305295"
    "issn" => "00017310"
    "doi" => "10.1016/j.ad.2018.10.013"
    "estado" => "S300"
    "fechaPublicacion" => "2020-04-01"
    "aid" => "2111"
    "copyright" => "AEDV"
    "documento" => "article"
    "crossmark" => 1
    "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
    "subdocumento" => "sco"
    "cita" => "Actas Dermosifiliogr. 2020;111:189-91"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:2 [
      "total" => 18
      "formatos" => array:2 [
        "HTML" => 11
        "PDF" => 7
      ]
    ]
    "es" => array:11 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">Art&#237;culo de opini&#243;n</span>"
      "titulo" => "El tratamiento de las verrugas con guarumbo por los zapotecos"
      "tienePdf" => "es"
      "tieneTextoCompleto" => "es"
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "189"
          "paginaFinal" => "191"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "en" => array:1 [
          "titulo" => "Guarumbo <span class="elsevierStyleItalic">&#40;Cecropia obtusifolia&#41;</span> for Warts in Zapotec Medicine"
        ]
      ]
      "contieneTextoCompleto" => array:1 [
        "es" => true
      ]
      "contienePdf" => array:1 [
        "es" => true
      ]
      "resumenGrafico" => array:2 [
        "original" => 0
        "multimedia" => array:7 [
          "identificador" => "fig0005"
          "etiqueta" => "Figura 1"
          "tipo" => "MULTIMEDIAFIGURA"
          "mostrarFloat" => true
          "mostrarDisplay" => false
          "figura" => array:1 [
            0 => array:4 [
              "imagen" => "gr1.jpeg"
              "Alto" => 2326
              "Ancho" => 1416
              "Tamanyo" => 640341
            ]
          ]
          "descripcion" => array:1 [
            "es" => "<p id="spar0005" class="elsevierStyleSimplePara elsevierViewall">A&#41; Ejemplar de guarumbo en el asentamiento zapoteco de Monte Alb&#225;n en Oaxaca&#44; M&#233;xico&#46; B&#41; Exudado lechoso similar al de la higuera y con propiedades curativas sobre las verrugas&#46;</p>"
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "A&#46; Fernandez-Flores, M&#46; Llamas Velasco, M&#46; Saeb Lima"
          "autores" => array:3 [
            0 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Fernandez-Flores"
            ]
            1 => array:2 [
              "nombre" => "M&#46;"
              "apellidos" => "Llamas Velasco"
            ]
            2 => array:2 [
              "nombre" => "M&#46;"
              "apellidos" => "Saeb Lima"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "es"
    "Traduccion" => array:1 [
      "en" => array:9 [
        "pii" => "S157821902030038X"
        "doi" => "10.1016/j.adengl.2018.10.027"
        "estado" => "S300"
        "subdocumento" => ""
        "abierto" => array:3 [
          "ES" => true
          "ES2" => true
          "LATM" => true
        ]
        "gratuito" => true
        "lecturas" => array:1 [
          "total" => 0
        ]
        "idiomaDefecto" => "en"
        "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S157821902030038X?idApp=UINPBA000044"
      ]
    ]
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0001731018305295?idApp=UINPBA000044"
    "url" => "/00017310/0000011100000003/v3_202009190646/S0001731018305295/v3_202009190646/es/main.assets"
  ]
  "es" => array:14 [
    "idiomaDefecto" => true
    "cabecera" => "<span class="elsevierStyleTextfn">ART&#205;CULO DE OPINI&#211;N</span>"
    "titulo" => "<span class="elsevierStyleItalic">Deep learning</span> y DerMATolog&#237;a"
    "tieneTextoCompleto" => true
    "paginas" => array:1 [
      0 => array:2 [
        "paginaInicial" => "192"
        "paginaFinal" => "195"
      ]
    ]
    "autores" => array:1 [
      0 => array:4 [
        "autoresLista" => "&#193;&#46; Iglesias-Puzas, P&#46; Boixeda"
        "autores" => array:2 [
          0 => array:4 [
            "nombre" => "&#193;&#46;"
            "apellidos" => "Iglesias-Puzas"
            "email" => array:1 [
              0 => "alvaroigpu@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" => "P&#46;"
            "apellidos" => "Boixeda"
            "referencia" => array:2 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">b</span>"
                "identificador" => "aff0010"
              ]
              1 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">c</span>"
                "identificador" => "aff0015"
              ]
            ]
          ]
        ]
        "afiliaciones" => array:3 [
          0 => array:3 [
            "entidad" => "Servicio de Dermatolog&#237;a&#44; Complejo Hospitalario Universitario de Pontevedra&#44; EOXI Pontevedra-Saln&#233;s&#44; Pontevedra&#44; Espa&#241;a"
            "etiqueta" => "a"
            "identificador" => "aff0005"
          ]
          1 => array:3 [
            "entidad" => "Unidad de L&#225;ser&#44; Servicio de Dermatolog&#237;a&#44; Hospital Ram&#243;n y Cajal&#44; Universidad de Alcal&#225;&#44; Madrid&#44; Espa&#241;a"
            "etiqueta" => "b"
            "identificador" => "aff0010"
          ]
          2 => array:3 [
            "entidad" => "Cl&#237;nica Biol&#225;ser La Moraleja&#44; Alcobendas&#44; Madrid&#44; Espa&#241;a"
            "etiqueta" => "c"
            "identificador" => "aff0015"
          ]
        ]
        "correspondencia" => array:1 [
          0 => array:3 [
            "identificador" => "cor0005"
            "etiqueta" => "&#8270;"
            "correspondencia" => "Autor para correspondencia&#46;"
          ]
        ]
      ]
    ]
    "titulosAlternativos" => array:1 [
      "en" => array:1 [
        "titulo" => "Deep Learning and Mathematical Models in Dermatology"
      ]
    ]
    "resumenGrafico" => array:2 [
      "original" => 0
      "multimedia" => array:7 [
        "identificador" => "fig0010"
        "etiqueta" => "Figura 2"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr2.jpeg"
            "Alto" => 2185
            "Ancho" => 2508
            "Tamanyo" => 350436
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">a&#46; Ejemplo de una operaci&#243;n convolucional&#46; Un ordenador ve una imagen &#40;L&#41; como una matriz de n&#250;meros de 4<span class="elsevierStyleHsp" style=""></span>&#215;<span class="elsevierStyleHsp" style=""></span>4&#46; Cada valor de la imagen de entrada se multiplica por un filtro o <span class="elsevierStyleItalic">kernel</span>&#46; Como resultado se obtiene una nueva representaci&#243;n reducida &#40;mapa de caracter&#237;sticas de 2<span class="elsevierStyleHsp" style=""></span>&#215;<span class="elsevierStyleHsp" style=""></span>2&#41;&#46; b&#46; Ejemplo de una operaci&#243;n concreta para los valores en el recuadro azul&#46;</p>"
        ]
      ]
    ]
    "textoCompleto" => "<span class="elsevierStyleSections"><p id="par0005" class="elsevierStylePara elsevierViewall">La irrupci&#243;n de nuevas tecnolog&#237;as y el manejo de una cantidad enorme de datos han revolucionado el conocimiento en todas sus &#225;reas&#46; Su influencia es cada vez m&#225;s determinante en la medicina&#44; la econom&#237;a&#44; la educaci&#243;n&#44; las humanidades y en cualquier otro aspecto de nuestras sociedades&#46;</p><p id="par0010" class="elsevierStylePara elsevierViewall">La pr&#225;ctica cl&#237;nica del dermat&#243;logo se ve afectada por la inevitabilidad del cambio<a class="elsevierStyleCrossRef" href="#bib0105"><span class="elsevierStyleSup">1</span></a>&#46; La aplicaci&#243;n de las nuevas terapias dirigidas ha cambiado nuestros protocolos de tratamiento para algunas enfermedades como la psoriasis&#44; la dermatitis at&#243;pica o el melanoma avanzado&#46; Gracias a estos avances&#44; nos hemos posicionado a la vanguardia de la inmunolog&#237;a&#44; la terapia g&#233;nica&#44; la nanotecnolog&#237;a o la telemedicina<a class="elsevierStyleCrossRef" href="#bib0110"><span class="elsevierStyleSup">2</span></a>&#46;</p><p id="par0015" class="elsevierStylePara elsevierViewall">De forma paralela&#44; el impulso tecnol&#243;gico ha supuesto una explosi&#243;n en la generaci&#243;n de datos digitales&#44; la mejora de algoritmos y el perfeccionamiento del hardware inform&#225;tico<a class="elsevierStyleCrossRef" href="#bib0115"><span class="elsevierStyleSup">3</span></a>&#46; En la era de la tecnolog&#237;a&#44; la innovaci&#243;n exige no solo el desarrollo de nuevos f&#225;rmacos&#44; sino tambi&#233;n de nuevas t&#233;cnicas y m&#233;todos diagn&#243;sticos que mejoren la atenci&#243;n de nuestros pacientes<a class="elsevierStyleCrossRef" href="#bib0105"><span class="elsevierStyleSup">1</span></a>&#46;</p><p id="par0020" class="elsevierStylePara elsevierViewall">La aplicaci&#243;n de modelos matem&#225;ticos para la explicaci&#243;n de cuestiones m&#233;dicas y biol&#243;gicas es una realidad&#46; Recientemente&#44; la descripci&#243;n de los &#171;escutoides&#187; como una nueva forma geom&#233;trica ha permitido explicar la arquitectura y el empaquetamiento de los epitelios curvos&#44; abriendo el camino para entender la organizaci&#243;n tridimensional de los &#243;rganos epiteliales<a class="elsevierStyleCrossRef" href="#bib0120"><span class="elsevierStyleSup">4</span></a>&#46; En el &#225;mbito de la dermatolog&#237;a&#44; la geometr&#237;a &#171;fractal&#187; se ha utilizado como un m&#233;todo para la evaluaci&#243;n de las lesiones melanoc&#237;ticas&#46; El an&#225;lisis de la &#171;lagunaridad&#187;&#44; inicialmente descrita para caracterizar objetos geom&#233;tricos irregulares cuya estructura se repite en diferentes escalas &#40;&#171;fractales&#187;&#41;&#44; permiti&#243; distinguir entre un nevus y un melanoma con una sensibilidad y una especificidad del 92 y el 81&#37;&#44; respectivamente<a class="elsevierStyleCrossRef" href="#bib0125"><span class="elsevierStyleSup">5</span></a>&#46;</p><p id="par0025" class="elsevierStylePara elsevierViewall">En la era del conocimiento globalizado en que estamos entrando&#44; todo lo que pueda ser automatizado o calculado&#44; probablemente acabar&#225; si&#233;ndolo&#46; Durante los &#250;ltimos a&#241;os&#44; la medicina se ha estandarizado y regulado para facilitar el diagn&#243;stico y el tratamiento de un gran n&#250;mero de enfermedades&#46; Sin embargo&#44; el uso de algoritmos en la pr&#225;ctica cl&#237;nica potencia la aplicaci&#243;n de la inteligencia artificial en la toma de decisiones m&#233;dicas<a class="elsevierStyleCrossRef" href="#bib0105"><span class="elsevierStyleSup">1</span></a>&#46;</p><p id="par0030" class="elsevierStylePara elsevierViewall">El denominado <span class="elsevierStyleItalic">machine learning</span>&#44; aprendizaje autom&#225;tico o automatizado en espa&#241;ol&#44; es una forma de inteligencia artificial que tiene como objetivo desarrollar t&#233;cnicas para que los ordenadores aprendan&#46; De forma gen&#233;rica&#44; se refiere a la amplia gama de algoritmos que realizan predicciones inteligentes derivadas del an&#225;lisis autom&#225;tico de un amplio conjunto de datos<a class="elsevierStyleCrossRefs" href="#bib0115"><span class="elsevierStyleSup">3&#44;6</span></a>&#46; El aprendizaje automatizado es&#44; por tanto&#44; un concepto amplio que abarca desde formas simples de &#225;rboles de decisi&#243;n o regresi&#243;n lineal a complejas redes neuronales artificiales donde los datos se cuentan por millones<a class="elsevierStyleCrossRef" href="#bib0115"><span class="elsevierStyleSup">3</span></a>&#46;</p><p id="par0035" class="elsevierStylePara elsevierViewall">El m&#233;todo cient&#237;fico basado en la extrapolaci&#243;n de datos a trav&#233;s de muestreos aleatorios era un s&#237;ntoma de nuestra incapacidad para analizar e interpretar todos los datos<a class="elsevierStyleCrossRef" href="#bib0135"><span class="elsevierStyleSup">7</span></a>&#46; El <span class="elsevierStyleItalic">deep learning</span>&#44; o aprendizaje profundo&#44; surge como una herramienta computacional para dar respuesta a esta nueva necesidad&#46;</p><p id="par0040" class="elsevierStylePara elsevierViewall">Las redes neuronales artificiales&#44; inspiradas en las c&#233;lulas de la corteza cerebral&#44; constituyen la base de aplicaci&#243;n del aprendizaje profundo<a class="elsevierStyleCrossRef" href="#bib0140"><span class="elsevierStyleSup">8</span></a>&#46; Este entramado permite la representaci&#243;n de datos de alto nivel&#44; creando millones de par&#225;metros para la segmentaci&#243;n&#44; la clasificaci&#243;n y la detecci&#243;n de im&#225;genes<a class="elsevierStyleCrossRefs" href="#bib0115"><span class="elsevierStyleSup">3&#44;9</span></a>&#46; En concreto&#44; las redes neuronales convolucionales &#40;CNN&#44; del ingl&#233;s <span class="elsevierStyleItalic">convolutional neural network</span>&#41; y su propuesta de percepci&#243;n multicapa han revolucionado el concepto de detecci&#243;n de patrones en la imagen m&#233;dica<a class="elsevierStyleCrossRefs" href="#bib0115"><span class="elsevierStyleSup">3&#44;6</span></a>&#46; Estas redes combinan m&#250;ltiples capas de aprendizaje especializadas y jerarquizadas con filtros sofisticados que forman redes neuronales profundas para detectar formas complejas&#46;</p><p id="par0045" class="elsevierStylePara elsevierViewall">Las capas convolucionales reciben una entrada que transforman y transmiten a la siguiente&#46; Esta modificaci&#243;n &#40;operaci&#243;n convolucional&#41; se realiza a trav&#233;s de filtros o detectores de patrones establecidos <span class="elsevierStyleItalic">&#40;kernel&#41;</span> que producen una nueva representaci&#243;n reducida y cada vez m&#225;s abstracta de la entrada &#40;mapas de caracter&#237;sticas <span class="elsevierStyleItalic">o feature maps</span>&#41;&#46; Las capas de clasificaci&#243;n o <span class="elsevierStyleItalic">pooling</span> agregan datos similares tomando la media&#44; el m&#225;ximo u otras estad&#237;sticas de los mapas de caracter&#237;sticas&#44; reduciendo as&#237; la variabilidad de los datos&#46; Las capas finales &#40;totalmente conectadas&#41; clasifican los datos en una determinada etiqueta tras realizar operaciones de normalizaci&#243;n y rectificaci&#243;n&#46; De esta forma&#44; la imagen de entrada se modela a trav&#233;s de sucesivas operaciones convolucionales y no lineales hasta que se transforma en una distribuci&#243;n de probabilidad sobre la posible pertenencia a una clase de la imagen<a class="elsevierStyleCrossRef" href="#bib0145"><span class="elsevierStyleSup">9</span></a> &#40;<a class="elsevierStyleCrossRefs" href="#fig0005">figs&#46; 1 y 2</a>&#41;&#46;</p><elsevierMultimedia ident="fig0005"></elsevierMultimedia><elsevierMultimedia ident="fig0010"></elsevierMultimedia><p id="par0050" class="elsevierStylePara elsevierViewall">El aprendizaje profundo avanza hacia su objetivo &#250;ltimo&#58; la inteligencia artificial<a class="elsevierStyleCrossRef" href="#bib0140"><span class="elsevierStyleSup">8</span></a>&#46; La mayor&#237;a de los modelos de predicci&#243;n relevantes para la imagen m&#233;dica se instruyen mediante colecciones de ejemplos etiquetados anteriormente &#40;aprendizaje supervisado&#41;<a class="elsevierStyleCrossRefs" href="#bib0115"><span class="elsevierStyleSup">3&#44;8</span></a>&#46; Los grandes avances inform&#225;ticos de los &#250;ltimos a&#241;os permiten a las redes neuronales asimilar un gran n&#250;mero de datos&#46; Esto aumenta las conexiones entre las diferentes capas &#40;neuronas&#41;&#44; permitiendo que trabajen cooperativamente en la resoluci&#243;n de casos cada vez m&#225;s complejos<a class="elsevierStyleCrossRef" href="#bib0145"><span class="elsevierStyleSup">9</span></a>&#46; M&#225;s all&#225; de esto&#44; el gran avance de las redes neuronales radica en que&#44; a diferencia de la inteligencia artificial tradicional&#44; estas pueden elaborar de forma aut&#243;noma las normas que les permitan clasificar una determinada caracter&#237;stica a partir de datos sin procesar<a class="elsevierStyleCrossRefs" href="#bib0115"><span class="elsevierStyleSup">3&#44;9&#8211;11</span></a>&#46; Es decir&#44; aprenden por s&#237; mismas&#44; optimizando sus predicciones y mejorando su eficacia&#46;</p><p id="par0055" class="elsevierStylePara elsevierViewall">Por todo esto&#44; las CNN muestran un potencial prometedor en la imagen m&#233;dica&#46; Especialidades como la dermatolog&#237;a&#44; la radiolog&#237;a o la anatom&#237;a patol&#243;gica son el &#225;mbito de aplicaci&#243;n ideal para sistemas basados en la clasificaci&#243;n&#44; la segmentaci&#243;n y la detecci&#243;n de im&#225;genes<a class="elsevierStyleCrossRef" href="#bib0115"><span class="elsevierStyleSup">3</span></a>&#46;</p><p id="par0060" class="elsevierStylePara elsevierViewall">En el a&#241;o 2017&#44; Esteva et al&#46;<a class="elsevierStyleCrossRef" href="#bib0130"><span class="elsevierStyleSup">6</span></a> describieron la aplicaci&#243;n de las CNN para la evaluaci&#243;n cl&#237;nica de lesiones cut&#225;neas&#46; En este trabajo compararon la capacidad diagn&#243;stica de 21 dermat&#243;logos expertos con una CNN entrenada con 127&#46;463 im&#225;genes para la clasificaci&#243;n binaria &#40;benigna o maligna&#41; de lesiones de origen epid&#233;rmico y melanoc&#237;tico&#46; Los especialistas identificaron un 95&#37; de los tumores malignos y un 76&#37; de las lesiones benignas&#44; mientras que la m&#225;quina realiz&#243; diagn&#243;sticos correctos en un 96 y un 90&#37; de los casos&#44; respectivamente&#46; En otro trabajo&#44; un algoritmo de fusi&#243;n de aprendizaje automatizado super&#243; el rendimiento de la mayor&#237;a de los dermat&#243;logos en la clasificaci&#243;n de 100 im&#225;genes dermatosc&#243;picas de nevus y melanoma<a class="elsevierStyleCrossRef" href="#bib0160"><span class="elsevierStyleSup">12</span></a>&#46;</p><p id="par0065" class="elsevierStylePara elsevierViewall">La aplicaci&#243;n de las redes neuronales a la dermatolog&#237;a no se limita al c&#225;ncer cut&#225;neo&#46; DeepGestalt es un sistema dise&#241;ado para la identificaci&#243;n de fenotipos faciales de trastornos gen&#233;ticos que combina m&#233;todos de visi&#243;n e inteligencia artificial&#46; Este programa se mostr&#243; superior a los cl&#237;nicos para la detecci&#243;n de s&#237;ndromes y podr&#237;a ampliar el rendimiento de las pruebas gen&#233;ticas<a class="elsevierStyleCrossRef" href="#bib0165"><span class="elsevierStyleSup">13</span></a>&#46; Han et al&#46; evaluaron la precisi&#243;n de una CNN entrenada con 49&#46;567 im&#225;genes para el diagn&#243;stico de onicomicosis&#46; De nuevo&#44; un sistema basado en el aprendizaje profundo superaba a la mayor&#237;a de los dermat&#243;logos que participaron en el estudio<a class="elsevierStyleCrossRef" href="#bib0170"><span class="elsevierStyleSup">14</span></a>&#46;</p><p id="par0070" class="elsevierStylePara elsevierViewall">En el &#250;ltimo a&#241;o se ha producido una explosi&#243;n de trabajos&#46; El avance de estos sistemas parece imparable y&#44; en este sentido&#44; surgen preguntas obligadas&#58; &#191;sustituir&#225;n estos sistemas alg&#250;n d&#237;a la figura del dermat&#243;logo&#63;&#44; &#191;c&#243;mo se integrar&#225;n estos cambios en el futuro de la especialidad&#63;<a class="elsevierStyleCrossRefs" href="#bib0175"><span class="elsevierStyleSup">15&#44;16</span></a>&#46;</p><p id="par0075" class="elsevierStylePara elsevierViewall">Las decisiones terap&#233;uticas o los algoritmos diagn&#243;sticos podr&#225;n realizarse con una mayor evidencia cient&#237;fica&#46; Los ordenadores&#44; con su capacidad ilimitada de aprendizaje&#44; sustituir&#225;n en muchos aspectos lo que hoy es competencia exclusiva del juicio humano&#46; Los denominados <span class="elsevierStyleItalic">big data</span> hacen referencia a un conjunto de datos o combinaci&#243;n de conjunto de datos de un volumen&#44; complejidad y velocidad de crecimiento tales que hacen imposible su procesamiento y an&#225;lisis mediante tecnolog&#237;as y herramientas convencionales&#46; Su an&#225;lisis nos permitir&#225; obviar los sesgos ineludibles que genera la aleatoriedad&#46; El &#233;xito de la inteligencia artificial depender&#225; de la colaboraci&#243;n del dermat&#243;logo en el desarrollo de algoritmos adecuados y grandes archivos p&#250;blicos que permitan generalizar los resultados<a class="elsevierStyleCrossRef" href="#bib0185"><span class="elsevierStyleSup">17</span></a>&#46; La tecnolog&#237;a del <span class="elsevierStyleItalic">blockchain</span> o &#171;cadena de bloques&#187; se extender&#225; m&#225;s all&#225; de sus aplicaciones financieras <span class="elsevierStyleItalic">&#40;Bitcoin&#41;&#46;</span> Esto har&#225; posible el almacenamiento e intercambio de im&#225;genes codificadas&#44; ofreciendo una soluci&#243;n a la privacidad&#44; la seguridad y la distribuci&#243;n de los datos<a class="elsevierStyleCrossRef" href="#bib0190"><span class="elsevierStyleSup">18</span></a>&#46;</p><p id="par0080" class="elsevierStylePara elsevierViewall">A pesar de los potenciales beneficios de la inteligencia artificial&#44; se desconocen muchos aspectos relacionados con su aplicaci&#243;n<a class="elsevierStyleCrossRef" href="#bib0195"><span class="elsevierStyleSup">19</span></a>&#46; La mayor&#237;a de estos sistemas no ha sido evaluado en un entorno cl&#237;nico real&#46; En la pr&#225;ctica&#44; se requieren m&#225;s criterios que el morfol&#243;gico para la toma de decisiones m&#233;dicas<a class="elsevierStyleCrossRef" href="#bib0180"><span class="elsevierStyleSup">16</span></a>&#46; El manejo de un paciente es un proceso complejo y multifactorial que considera&#44; adem&#225;s de datos cl&#237;nicos&#44; v&#237;as alternativas &#40;por ejemplo&#44; el seguimiento estrecho&#41; a las variables dicot&#243;micas computacionales &#40;&#171;benigno&#47;maligno&#187;&#44; &#171;extirpaci&#243;n&#47;no requiere tratamiento&#187;&#41;<a class="elsevierStyleCrossRefs" href="#bib0115"><span class="elsevierStyleSup">3&#44;16</span></a>&#46; Los modelos matem&#225;ticos no proporcionan un diagn&#243;stico&#44; sino una probabilidad diagn&#243;stica&#44; un valor entre 0 y 1 que en el futuro podr&#237;a orientar a m&#233;dicos menos experimentados o servir incluso como m&#233;todo de cribado&#44; siempre como un sistema que complementa&#44; pero no reemplaza las capacidades de un dermat&#243;logo<a class="elsevierStyleCrossRefs" href="#bib0175"><span class="elsevierStyleSup">15&#44;20</span></a>&#46;</p><p id="par0085" class="elsevierStylePara elsevierViewall">Los algoritmos se incluir&#225;n en la pr&#225;ctica dermatol&#243;gica y aumentar&#225;n su precisi&#243;n diagn&#243;stica en manos expertas<a class="elsevierStyleCrossRef" href="#bib0160"><span class="elsevierStyleSup">12</span></a>&#46; Sin embargo&#44; en la relaci&#243;n m&#233;dico-paciente&#44; la informaci&#243;n y el conocimiento suponen solamente uno de los pelda&#241;os para ejercer una medicina de calidad&#46; Los factores humanos seguir&#225;n teniendo un peso irremplazable por los ordenadores&#46; Otros aspectos ineludibles en el buen hacer profesional&#44; como la empat&#237;a y el acompa&#241;amiento del paciente&#44; el sentido com&#250;n&#44; la creatividad&#44; la pasi&#243;n&#44; la motivaci&#243;n y la innovaci&#243;n&#44; har&#225;n irremplazable la figura del dermat&#243;logo&#46;</p><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0005">Conflicto de intereses</span><p id="par0090" class="elsevierStylePara elsevierViewall">Los autores declaran no tener ning&#250;n conflicto de intereses&#46;</p></span></span>"
    "textoCompletoSecciones" => array:1 [
      "secciones" => array:2 [
        0 => array:2 [
          "identificador" => "sec0005"
          "titulo" => "Conflicto de intereses"
        ]
        1 => array:1 [
          "titulo" => "Bibliograf&#237;a"
        ]
      ]
    ]
    "pdfFichero" => "main.pdf"
    "tienePdf" => true
    "multimedia" => array:2 [
      0 => array:7 [
        "identificador" => "fig0005"
        "etiqueta" => "Figura 1"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr1.jpeg"
            "Alto" => 1275
            "Ancho" => 2508
            "Tamanyo" => 336035
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0005" class="elsevierStyleSimplePara elsevierViewall">Modelo de funcionamiento de una red neuronal convolucional&#46; La imagen de entrada se transforma a trav&#233;s de las sucesivas capas &#40;convolucionales y de <span class="elsevierStyleItalic">pooling</span>&#41;&#46; Las capas finales &#40;totalmente conectadas&#41; clasifican los datos en un determinado diagn&#243;stico<a class="elsevierStyleCrossRef" href="#bib0155"><span class="elsevierStyleSup">11</span></a>&#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" => 2185
            "Ancho" => 2508
            "Tamanyo" => 350436
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">a&#46; Ejemplo de una operaci&#243;n convolucional&#46; Un ordenador ve una imagen &#40;L&#41; como una matriz de n&#250;meros de 4<span class="elsevierStyleHsp" style=""></span>&#215;<span class="elsevierStyleHsp" style=""></span>4&#46; Cada valor de la imagen de entrada se multiplica por un filtro o <span class="elsevierStyleItalic">kernel</span>&#46; Como resultado se obtiene una nueva representaci&#243;n reducida &#40;mapa de caracter&#237;sticas de 2<span class="elsevierStyleHsp" style=""></span>&#215;<span class="elsevierStyleHsp" style=""></span>2&#41;&#46; b&#46; Ejemplo de una operaci&#243;n concreta para los valores en el recuadro azul&#46;</p>"
        ]
      ]
    ]
    "bibliografia" => array:2 [
      "titulo" => "Bibliograf&#237;a"
      "seccion" => array:1 [
        0 => array:2 [
          "identificador" => "bibs0015"
          "bibliografiaReferencia" => array:20 [
            0 => array:3 [
              "identificador" => "bib0105"
              "etiqueta" => "1"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "The inevitability of change"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:1 [
                            0 => "R&#46;A&#46; El-Azhary"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.clindermatol.2018.09.003"
                      "Revista" => array:6 [
                        "tituloSerie" => "Clin Dermatol&#46;"
                        "fecha" => "2019"
                        "volumen" => "37"
                        "paginaInicial" => "4"
                        "paginaFinal" => "11"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30554621"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            1 => array:3 [
              "identificador" => "bib0110"
              "etiqueta" => "2"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Training the next generation of innovators in dermatology"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:6 [
                            0 => "S&#46; Xu"
                            1 => "J&#46; Allred"
                            2 => "B&#46; Kirsch"
                            3 => "A&#46; Raff"
                            4 => "R&#46;R&#46; Anderson"
                            5 => "W&#46; Ju"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jid.2016.08.028"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Invest Dermatol&#46;"
                        "fecha" => "2016"
                        "volumen" => "136"
                        "paginaInicial" => "2113"
                        "paginaFinal" => "2115"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27772542"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            2 => array:3 [
              "identificador" => "bib0115"
              "etiqueta" => "3"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Machine learning&#58; Applications of artificial intelligence to imaging and diagnosis"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:3 [
                            0 => "J&#46;A&#46; Nichols"
                            1 => "H&#46;W&#46; Herbert Chan"
                            2 => "M&#46;A&#46;B&#46; Baker"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1007/s12551-018-0449-9"
                      "Revista" => array:6 [
                        "tituloSerie" => "Biophys Rev&#46;"
                        "fecha" => "2019"
                        "volumen" => "11"
                        "paginaInicial" => "111"
                        "paginaFinal" => "118"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30182201"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            3 => array:3 [
              "identificador" => "bib0120"
              "etiqueta" => "4"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Scutoids are a geometrical solution to three-dimensional packing of epithelia"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "P&#46; Gomez-Galvez"
                            1 => "P&#46; Vicente-Munuera"
                            2 => "A&#46; Tagua"
                            3 => "C&#46; Forja"
                            4 => "A&#46;M&#46; Castro"
                            5 => "M&#46; Letran"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "Nat Commun&#46;"
                        "fecha" => "2018"
                        "volumen" => "9"
                        "paginaInicial" => "2960"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            4 => array:3 [
              "identificador" => "bib0125"
              "etiqueta" => "5"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Lacunarity analysis&#58; A promising method for the automated assessment of melanocytic naevi and melanoma"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:4 [
                            0 => "S&#46; Gilmore"
                            1 => "R&#46; Hofmann-Wellenhof"
                            2 => "J&#46; Muir"
                            3 => "H&#46;P&#46; Soyer"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1371/journal.pone.0007449"
                      "Revista" => array:5 [
                        "tituloSerie" => "PLoS One&#46;"
                        "fecha" => "2009"
                        "volumen" => "4"
                        "paginaInicial" => "e7449"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/19823688"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            5 => array:3 [
              "identificador" => "bib0130"
              "etiqueta" => "6"
              "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 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "A&#46; Esteva"
                            1 => "B&#46; Kuprel"
                            2 => "R&#46;A&#46; Novoa"
                            3 => "J&#46; Ko"
                            4 => "S&#46;M&#46; Swetter"
                            5 => "H&#46;M&#46; Blau"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1038/nature21056"
                      "Revista" => array:6 [
                        "tituloSerie" => "Nature&#46;"
                        "fecha" => "2017"
                        "volumen" => "542"
                        "paginaInicial" => "115"
                        "paginaFinal" => "118"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/28117445"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            6 => array:3 [
              "identificador" => "bib0135"
              "etiqueta" => "7"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Using &#8220;big data&#8221; to optimize public health outreach&#58; Answering the call to action"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "R&#46;F&#46; Williams"
                            1 => "G&#46;P&#46; Smith"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1001/jamadermatol.2014.3176"
                      "Revista" => array:6 [
                        "tituloSerie" => "JAMA Dermatol&#46;"
                        "fecha" => "2015"
                        "volumen" => "151"
                        "paginaInicial" => "367"
                        "paginaFinal" => "368"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/25390275"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            7 => array:3 [
              "identificador" => "bib0140"
              "etiqueta" => "8"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep learning and its applications in biomedicine"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "C&#46; Cao"
                            1 => "F&#46; Liu"
                            2 => "H&#46; Tan"
                            3 => "D&#46; Song"
                            4 => "W&#46; Shu"
                            5 => "W&#46; Li"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.gpb.2017.07.003"
                      "Revista" => array:6 [
                        "tituloSerie" => "Genomics Proteomics Bioinformatics&#46;"
                        "fecha" => "2018"
                        "volumen" => "16"
                        "paginaInicial" => "17"
                        "paginaFinal" => "32"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/29522900"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            8 => array:3 [
              "identificador" => "bib0145"
              "etiqueta" => "9"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep learning for image analysis&#58; Personalizing medicine closer to the point of care"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:6 [
                            0 => "Q&#46; Xie"
                            1 => "K&#46; Faust"
                            2 => "R&#46; van Ommeren"
                            3 => "A&#46; Sheikh"
                            4 => "U&#46; Djuric"
                            5 => "P&#46; Diamandis"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1080/10408363.2018.1536111"
                      "Revista" => array:6 [
                        "tituloSerie" => "Crit Rev Clin Lab Sci&#46;"
                        "fecha" => "2019"
                        "volumen" => "56"
                        "paginaInicial" => "61"
                        "paginaFinal" => "73"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30628494"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            9 => array:3 [
              "identificador" => "bib0150"
              "etiqueta" => "10"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Successful treatment of scleromyxedema with melphalan and dexamethasone followed by thalidomide maintenance therapy"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:5 [
                            0 => "X&#46;X&#46; Cao"
                            1 => "T&#46; Wang"
                            2 => "Y&#46;H&#46; Liu"
                            3 => "D&#46;B&#46; Zhou"
                            4 => "J&#46; Li"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1080/10428194.2016.1177183"
                      "Revista" => array:6 [
                        "tituloSerie" => "Leuk Lymphoma&#46;"
                        "fecha" => "2016"
                        "volumen" => "57"
                        "paginaInicial" => "2934"
                        "paginaFinal" => "2936"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27118492"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            10 => array:3 [
              "identificador" => "bib0155"
              "etiqueta" => "11"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A guide to deep learning in healthcare"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "A&#46; Esteva"
                            1 => "A&#46; Robicquet"
                            2 => "B&#46; Ramsundar"
                            3 => "V&#46; Kuleshov"
                            4 => "M&#46; DePristo"
                            5 => "K&#46; Chou"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1038/s41591-018-0316-z"
                      "Revista" => array:6 [
                        "tituloSerie" => "Nat Med&#46;"
                        "fecha" => "2019"
                        "volumen" => "25"
                        "paginaInicial" => "24"
                        "paginaFinal" => "29"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30617335"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            11 => array:3 [
              "identificador" => "bib0160"
              "etiqueta" => "12"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Results of the 2016 International Skin Imaging Collaboration International Symposium on Biomedical Imaging challenge&#58; Comparison of the accuracy of computer algorithms to dermatologists for the diagnosis of melanoma from dermoscopic images"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "M&#46;A&#46; Marchetti"
                            1 => "N&#46;C&#46;F&#46; Codella"
                            2 => "S&#46;W&#46; Dusza"
                            3 => "D&#46;A&#46; Gutman"
                            4 => "B&#46; Helba"
                            5 => "A&#46; Kalloo"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jaad.2017.08.016"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Am Acad Dermatol&#46;"
                        "fecha" => "2018"
                        "volumen" => "78"
                        "paginaInicial" => "270"
                        "paginaFinal" => "277&#46;e1"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/28969863"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            12 => array:3 [
              "identificador" => "bib0165"
              "etiqueta" => "13"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Identifying facial phenotypes of genetic disorders using deep learning"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "Y&#46; Gurovich"
                            1 => "Y&#46; Hanani"
                            2 => "O&#46; Bar"
                            3 => "G&#46; Nadav"
                            4 => "N&#46; Fleischer"
                            5 => "D&#46; Gelbman"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1038/s41591-018-0279-0"
                      "Revista" => array:6 [
                        "tituloSerie" => "Nat Med&#46;"
                        "fecha" => "2019"
                        "volumen" => "25"
                        "paginaInicial" => "60"
                        "paginaFinal" => "64"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30617323"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            13 => array:3 [
              "identificador" => "bib0170"
              "etiqueta" => "14"
              "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 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "S&#46;S&#46; Han"
                            1 => "G&#46;H&#46; Park"
                            2 => "W&#46; Lim"
                            3 => "M&#46;S&#46; Kim"
                            4 => "J&#46;I&#46; Na"
                            5 => "I&#46; Park"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1371/journal.pone.0191493"
                      "Revista" => array:5 [
                        "tituloSerie" => "PLoS One&#46;"
                        "fecha" => "2018"
                        "volumen" => "13"
                        "paginaInicial" => "e0191493"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/29352285"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            14 => array:3 [
              "identificador" => "bib0175"
              "etiqueta" => "15"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Cutting edge technology in dermatology&#58; Virtual reality and artificial intelligence"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "G&#46; Prado"
                            1 => "C&#46; Kovarik"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:6 [
                        "tituloSerie" => "Cutis&#46;"
                        "fecha" => "2018"
                        "volumen" => "101"
                        "paginaInicial" => "236"
                        "paginaFinal" => "237"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/29763481"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            15 => array:3 [
              "identificador" => "bib0180"
              "etiqueta" => "16"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence and melanoma diagnosis&#58; Ignoring human nature may lead to false predictions"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "A&#46; Lallas"
                            1 => "G&#46; Argenziano"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.5826/dpc.0804a01"
                      "Revista" => array:6 [
                        "tituloSerie" => "Dermatol Pract Concept&#46;"
                        "fecha" => "2018"
                        "volumen" => "8"
                        "paginaInicial" => "249"
                        "paginaFinal" => "251"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30479851"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            16 => array:3 [
              "identificador" => "bib0185"
              "etiqueta" => "17"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Skin cancer classification using convolutional neural networks&#58; Systematic review"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "T&#46;J&#46; Brinker"
                            1 => "A&#46; Hekler"
                            2 => "J&#46;S&#46; Utikal"
                            3 => "N&#46; Grabe"
                            4 => "D&#46; Schadendorf"
                            5 => "J&#46; Klode"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.2196/11936"
                      "Revista" => array:5 [
                        "tituloSerie" => "J Med Internet Res&#46;"
                        "fecha" => "2018"
                        "volumen" => "20"
                        "paginaInicial" => "e11936"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30333097"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            17 => array:3 [
              "identificador" => "bib0190"
              "etiqueta" => "18"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Beyond Bitcoin&#58; Potential applications of blockchain technology in dermatology"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "J&#46;K&#46; Tung"
                            1 => "V&#46;E&#46; Nambudiri"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1111/bjd.16922"
                      "Revista" => array:6 [
                        "tituloSerie" => "Br J Dermatol&#46;"
                        "fecha" => "2018"
                        "volumen" => "179"
                        "paginaInicial" => "1013"
                        "paginaFinal" => "1014"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/29947078"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            18 => array:3 [
              "identificador" => "bib0195"
              "etiqueta" => "19"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "How should artificial intelligence screen for skin cancer and deliver diagnostic predictions to patients&#63;"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:3 [
                            0 => "G&#46;A&#46; Zakhem"
                            1 => "C&#46;C&#46; Motosko"
                            2 => "R&#46;S&#46; Ho"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1001/jamadermatol.2018.2714"
                      "Revista" => array:6 [
                        "tituloSerie" => "JAMA Dermatol&#46;"
                        "fecha" => "2018"
                        "volumen" => "154"
                        "paginaInicial" => "1383"
                        "paginaFinal" => "1384"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30140854"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            19 => array:3 [
              "identificador" => "bib0200"
              "etiqueta" => "20"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "How I learned to stop worrying and love machine learning"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:4 [
                            0 => "S&#46; Mattessich"
                            1 => "M&#46; Tassavor"
                            2 => "S&#46;M&#46; Swetter"
                            3 => "J&#46;M&#46; Grant-Kels"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.clindermatol.2018.06.003"
                      "Revista" => array:6 [
                        "tituloSerie" => "Clin Dermatol&#46;"
                        "fecha" => "2018"
                        "volumen" => "36"
                        "paginaInicial" => "777"
                        "paginaFinal" => "778"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30446202"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
          ]
        ]
      ]
    ]
  ]
  "idiomaDefecto" => "es"
  "url" => "/00017310/0000011100000003/v3_202009190646/S000173101930393X/v3_202009190646/es/main.assets"
  "Apartado" => array:4 [
    "identificador" => "6218"
    "tipo" => "SECCION"
    "es" => array:2 [
      "titulo" => "Art&#237;culos de opini&#243;n"
      "idiomaDefecto" => true
    ]
    "idiomaDefecto" => "es"
  ]
  "PDF" => "https://static.elsevier.es/multimedia/00017310/0000011100000003/v3_202009190646/S000173101930393X/v3_202009190646/es/main.pdf?idApp=UINPBA000044&text.app=https://actasdermo.org/"
  "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S000173101930393X?idApp=UINPBA000044"
]
Compartir
Información de la revista

Estadísticas

Siga este enlace para acceder al texto completo del artículo

ARTÍCULO DE OPINIÓN
Deep learning y DerMATología
Deep Learning and Mathematical Models in Dermatology
Á. Iglesias-Puzasa,
Autor para correspondencia
alvaroigpu@gmail.com

Autor para correspondencia.
, P. Boixedab,c
a Servicio de Dermatología, Complejo Hospitalario Universitario de Pontevedra, EOXI Pontevedra-Salnés, Pontevedra, España
b Unidad de Láser, Servicio de Dermatología, Hospital Ramón y Cajal, Universidad de Alcalá, Madrid, España
c Clínica Bioláser La Moraleja, Alcobendas, Madrid, España
Leído
7739
Veces
se ha leído el artículo
2124
Total PDF
5615
Total HTML
Compartir estadísticas
 array:25 [
  "pii" => "S000173101930393X"
  "issn" => "00017310"
  "doi" => "10.1016/j.ad.2019.01.014"
  "estado" => "S300"
  "fechaPublicacion" => "2020-04-01"
  "aid" => "2291"
  "copyright" => "AEDV"
  "copyrightAnyo" => "2019"
  "documento" => "article"
  "crossmark" => 1
  "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
  "subdocumento" => "sco"
  "cita" => "Actas Dermosifiliogr. 2020;111:192-5"
  "abierto" => array:3 [
    "ES" => true
    "ES2" => true
    "LATM" => true
  ]
  "gratuito" => true
  "lecturas" => array:2 [
    "total" => 32
    "formatos" => array:2 [
      "HTML" => 19
      "PDF" => 13
    ]
  ]
  "Traduccion" => array:1 [
    "en" => array:20 [
      "pii" => "S1578219020300287"
      "issn" => "15782190"
      "doi" => "10.1016/j.adengl.2020.03.005"
      "estado" => "S300"
      "fechaPublicacion" => "2020-04-01"
      "aid" => "2291"
      "copyright" => "AEDV"
      "documento" => "article"
      "crossmark" => 1
      "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
      "subdocumento" => "sco"
      "cita" => "Actas Dermosifiliogr. 2020;111:192-5"
      "abierto" => array:3 [
        "ES" => true
        "ES2" => true
        "LATM" => true
      ]
      "gratuito" => true
      "lecturas" => array:1 [
        "total" => 0
      ]
      "en" => array:11 [
        "idiomaDefecto" => true
        "cabecera" => "<span class="elsevierStyleTextfn">Opinion Article</span>"
        "titulo" => "Deep Learning and Mathematical Models in Dermatology"
        "tienePdf" => "en"
        "tieneTextoCompleto" => "en"
        "paginas" => array:1 [
          0 => array:2 [
            "paginaInicial" => "192"
            "paginaFinal" => "195"
          ]
        ]
        "titulosAlternativos" => array:1 [
          "es" => array:1 [
            "titulo" => "<span class="elsevierStyleItalic">Deep learning</span> y DerMATolog&#237;a"
          ]
        ]
        "contieneTextoCompleto" => array:1 [
          "en" => true
        ]
        "contienePdf" => array:1 [
          "en" => true
        ]
        "resumenGrafico" => array:2 [
          "original" => 0
          "multimedia" => array:8 [
            "identificador" => "fig0010"
            "etiqueta" => "Fig&#46; 2"
            "tipo" => "MULTIMEDIAFIGURA"
            "mostrarFloat" => true
            "mostrarDisplay" => false
            "figura" => array:1 [
              0 => array:4 [
                "imagen" => "gr2.jpeg"
                "Alto" => 2238
                "Ancho" => 2508
                "Tamanyo" => 346979
              ]
            ]
            "detalles" => array:1 [
              0 => array:3 [
                "identificador" => "at0025"
                "detalle" => "Fig&#46; "
                "rol" => "short"
              ]
            ]
            "descripcion" => array:1 [
              "en" => "<p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">A&#44; Example of a convolution operation&#46; A computer sees an image &#40;L&#41; as a 4<span class="elsevierStyleHsp" style=""></span>&#215;<span class="elsevierStyleHsp" style=""></span>4 matrix of numbers&#46; Each value of the input image is multiplied by a filter or kernel&#46; Consequently&#44; a new&#44; reduced representation is obtained &#40;a 2<span class="elsevierStyleHsp" style=""></span>&#215;<span class="elsevierStyleHsp" style=""></span>2 feature map&#41;&#46; B&#44; Example of a specific operation for the values in the blue box&#46;</p>"
            ]
          ]
        ]
        "autores" => array:1 [
          0 => array:2 [
            "autoresLista" => "&#193;&#46; Iglesias-Puzas, P&#46; Boixeda"
            "autores" => array:2 [
              0 => array:2 [
                "nombre" => "&#193;&#46;"
                "apellidos" => "Iglesias-Puzas"
              ]
              1 => array:2 [
                "nombre" => "P&#46;"
                "apellidos" => "Boixeda"
              ]
            ]
          ]
        ]
      ]
      "idiomaDefecto" => "en"
      "Traduccion" => array:1 [
        "es" => array:9 [
          "pii" => "S000173101930393X"
          "doi" => "10.1016/j.ad.2019.01.014"
          "estado" => "S300"
          "subdocumento" => ""
          "abierto" => array:3 [
            "ES" => true
            "ES2" => true
            "LATM" => true
          ]
          "gratuito" => true
          "lecturas" => array:1 [
            "total" => 0
          ]
          "idiomaDefecto" => "es"
          "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S000173101930393X?idApp=UINPBA000044"
        ]
      ]
      "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S1578219020300287?idApp=UINPBA000044"
      "url" => "/15782190/0000011100000003/v1_202005050702/S1578219020300287/v1_202005050702/en/main.assets"
    ]
  ]
  "itemSiguiente" => array:20 [
    "pii" => "S0001731019301917"
    "issn" => "00017310"
    "doi" => "10.1016/j.ad.2019.02.013"
    "estado" => "S300"
    "fechaPublicacion" => "2020-04-01"
    "aid" => "2226"
    "copyright" => "AEDV"
    "documento" => "article"
    "crossmark" => 1
    "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
    "subdocumento" => "rev"
    "cita" => "Actas Dermosifiliogr. 2020;111:196-204"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:2 [
      "total" => 86
      "formatos" => array:2 [
        "HTML" => 53
        "PDF" => 33
      ]
    ]
    "es" => array:14 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">REVISI&#211;N</span>"
      "titulo" => "Dermatosis purp&#250;ricas pigmentadas&#46; Revisi&#243;n de la literatura cient&#237;fica"
      "tienePdf" => "es"
      "tieneTextoCompleto" => "es"
      "tieneResumen" => array:3 [
        0 => "es"
        1 => "es"
        2 => "en"
      ]
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "196"
          "paginaFinal" => "204"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "en" => array:1 [
          "titulo" => "Pigmented Purpuric Dermatosis&#58; A Review of the Literature"
        ]
      ]
      "contieneResumen" => array:2 [
        "es" => true
        "en" => true
      ]
      "contieneTextoCompleto" => array:1 [
        "es" => true
      ]
      "contienePdf" => array:1 [
        "es" => true
      ]
      "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" => 1001
              "Ancho" => 1333
              "Tamanyo" => 87985
            ]
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "I&#46; Mart&#237;nez Pall&#225;s, R&#46; Conejero del Mazo, V&#46; Lezcano Biosca"
          "autores" => array:3 [
            0 => array:2 [
              "nombre" => "I&#46;"
              "apellidos" => "Mart&#237;nez Pall&#225;s"
            ]
            1 => array:2 [
              "nombre" => "R&#46;"
              "apellidos" => "Conejero del Mazo"
            ]
            2 => array:2 [
              "nombre" => "V&#46;"
              "apellidos" => "Lezcano Biosca"
            ]
          ]
        ]
      ]
      "resumen" => array:1 [
        0 => array:3 [
          "titulo" => "Graphical abstract"
          "clase" => "graphical"
          "resumen" => "<span id="abst0005" class="elsevierStyleSection elsevierViewall"><p id="spar0005" class="elsevierStyleSimplePara elsevierViewall"><elsevierMultimedia ident="fig0045"></elsevierMultimedia></p></span>"
        ]
      ]
    ]
    "idiomaDefecto" => "es"
    "Traduccion" => array:1 [
      "en" => array:9 [
        "pii" => "S1578219020300317"
        "doi" => "10.1016/j.adengl.2020.03.007"
        "estado" => "S300"
        "subdocumento" => ""
        "abierto" => array:3 [
          "ES" => true
          "ES2" => true
          "LATM" => true
        ]
        "gratuito" => true
        "lecturas" => array:1 [
          "total" => 0
        ]
        "idiomaDefecto" => "en"
        "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S1578219020300317?idApp=UINPBA000044"
      ]
    ]
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0001731019301917?idApp=UINPBA000044"
    "url" => "/00017310/0000011100000003/v3_202009190646/S0001731019301917/v3_202009190646/es/main.assets"
  ]
  "itemAnterior" => array:20 [
    "pii" => "S0001731018305295"
    "issn" => "00017310"
    "doi" => "10.1016/j.ad.2018.10.013"
    "estado" => "S300"
    "fechaPublicacion" => "2020-04-01"
    "aid" => "2111"
    "copyright" => "AEDV"
    "documento" => "article"
    "crossmark" => 1
    "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
    "subdocumento" => "sco"
    "cita" => "Actas Dermosifiliogr. 2020;111:189-91"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:2 [
      "total" => 18
      "formatos" => array:2 [
        "HTML" => 11
        "PDF" => 7
      ]
    ]
    "es" => array:11 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">Art&#237;culo de opini&#243;n</span>"
      "titulo" => "El tratamiento de las verrugas con guarumbo por los zapotecos"
      "tienePdf" => "es"
      "tieneTextoCompleto" => "es"
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "189"
          "paginaFinal" => "191"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "en" => array:1 [
          "titulo" => "Guarumbo <span class="elsevierStyleItalic">&#40;Cecropia obtusifolia&#41;</span> for Warts in Zapotec Medicine"
        ]
      ]
      "contieneTextoCompleto" => array:1 [
        "es" => true
      ]
      "contienePdf" => array:1 [
        "es" => true
      ]
      "resumenGrafico" => array:2 [
        "original" => 0
        "multimedia" => array:7 [
          "identificador" => "fig0005"
          "etiqueta" => "Figura 1"
          "tipo" => "MULTIMEDIAFIGURA"
          "mostrarFloat" => true
          "mostrarDisplay" => false
          "figura" => array:1 [
            0 => array:4 [
              "imagen" => "gr1.jpeg"
              "Alto" => 2326
              "Ancho" => 1416
              "Tamanyo" => 640341
            ]
          ]
          "descripcion" => array:1 [
            "es" => "<p id="spar0005" class="elsevierStyleSimplePara elsevierViewall">A&#41; Ejemplar de guarumbo en el asentamiento zapoteco de Monte Alb&#225;n en Oaxaca&#44; M&#233;xico&#46; B&#41; Exudado lechoso similar al de la higuera y con propiedades curativas sobre las verrugas&#46;</p>"
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "A&#46; Fernandez-Flores, M&#46; Llamas Velasco, M&#46; Saeb Lima"
          "autores" => array:3 [
            0 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Fernandez-Flores"
            ]
            1 => array:2 [
              "nombre" => "M&#46;"
              "apellidos" => "Llamas Velasco"
            ]
            2 => array:2 [
              "nombre" => "M&#46;"
              "apellidos" => "Saeb Lima"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "es"
    "Traduccion" => array:1 [
      "en" => array:9 [
        "pii" => "S157821902030038X"
        "doi" => "10.1016/j.adengl.2018.10.027"
        "estado" => "S300"
        "subdocumento" => ""
        "abierto" => array:3 [
          "ES" => true
          "ES2" => true
          "LATM" => true
        ]
        "gratuito" => true
        "lecturas" => array:1 [
          "total" => 0
        ]
        "idiomaDefecto" => "en"
        "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S157821902030038X?idApp=UINPBA000044"
      ]
    ]
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0001731018305295?idApp=UINPBA000044"
    "url" => "/00017310/0000011100000003/v3_202009190646/S0001731018305295/v3_202009190646/es/main.assets"
  ]
  "es" => array:14 [
    "idiomaDefecto" => true
    "cabecera" => "<span class="elsevierStyleTextfn">ART&#205;CULO DE OPINI&#211;N</span>"
    "titulo" => "<span class="elsevierStyleItalic">Deep learning</span> y DerMATolog&#237;a"
    "tieneTextoCompleto" => true
    "paginas" => array:1 [
      0 => array:2 [
        "paginaInicial" => "192"
        "paginaFinal" => "195"
      ]
    ]
    "autores" => array:1 [
      0 => array:4 [
        "autoresLista" => "&#193;&#46; Iglesias-Puzas, P&#46; Boixeda"
        "autores" => array:2 [
          0 => array:4 [
            "nombre" => "&#193;&#46;"
            "apellidos" => "Iglesias-Puzas"
            "email" => array:1 [
              0 => "alvaroigpu@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" => "P&#46;"
            "apellidos" => "Boixeda"
            "referencia" => array:2 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">b</span>"
                "identificador" => "aff0010"
              ]
              1 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">c</span>"
                "identificador" => "aff0015"
              ]
            ]
          ]
        ]
        "afiliaciones" => array:3 [
          0 => array:3 [
            "entidad" => "Servicio de Dermatolog&#237;a&#44; Complejo Hospitalario Universitario de Pontevedra&#44; EOXI Pontevedra-Saln&#233;s&#44; Pontevedra&#44; Espa&#241;a"
            "etiqueta" => "a"
            "identificador" => "aff0005"
          ]
          1 => array:3 [
            "entidad" => "Unidad de L&#225;ser&#44; Servicio de Dermatolog&#237;a&#44; Hospital Ram&#243;n y Cajal&#44; Universidad de Alcal&#225;&#44; Madrid&#44; Espa&#241;a"
            "etiqueta" => "b"
            "identificador" => "aff0010"
          ]
          2 => array:3 [
            "entidad" => "Cl&#237;nica Biol&#225;ser La Moraleja&#44; Alcobendas&#44; Madrid&#44; Espa&#241;a"
            "etiqueta" => "c"
            "identificador" => "aff0015"
          ]
        ]
        "correspondencia" => array:1 [
          0 => array:3 [
            "identificador" => "cor0005"
            "etiqueta" => "&#8270;"
            "correspondencia" => "Autor para correspondencia&#46;"
          ]
        ]
      ]
    ]
    "titulosAlternativos" => array:1 [
      "en" => array:1 [
        "titulo" => "Deep Learning and Mathematical Models in Dermatology"
      ]
    ]
    "resumenGrafico" => array:2 [
      "original" => 0
      "multimedia" => array:7 [
        "identificador" => "fig0010"
        "etiqueta" => "Figura 2"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr2.jpeg"
            "Alto" => 2185
            "Ancho" => 2508
            "Tamanyo" => 350436
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">a&#46; Ejemplo de una operaci&#243;n convolucional&#46; Un ordenador ve una imagen &#40;L&#41; como una matriz de n&#250;meros de 4<span class="elsevierStyleHsp" style=""></span>&#215;<span class="elsevierStyleHsp" style=""></span>4&#46; Cada valor de la imagen de entrada se multiplica por un filtro o <span class="elsevierStyleItalic">kernel</span>&#46; Como resultado se obtiene una nueva representaci&#243;n reducida &#40;mapa de caracter&#237;sticas de 2<span class="elsevierStyleHsp" style=""></span>&#215;<span class="elsevierStyleHsp" style=""></span>2&#41;&#46; b&#46; Ejemplo de una operaci&#243;n concreta para los valores en el recuadro azul&#46;</p>"
        ]
      ]
    ]
    "textoCompleto" => "<span class="elsevierStyleSections"><p id="par0005" class="elsevierStylePara elsevierViewall">La irrupci&#243;n de nuevas tecnolog&#237;as y el manejo de una cantidad enorme de datos han revolucionado el conocimiento en todas sus &#225;reas&#46; Su influencia es cada vez m&#225;s determinante en la medicina&#44; la econom&#237;a&#44; la educaci&#243;n&#44; las humanidades y en cualquier otro aspecto de nuestras sociedades&#46;</p><p id="par0010" class="elsevierStylePara elsevierViewall">La pr&#225;ctica cl&#237;nica del dermat&#243;logo se ve afectada por la inevitabilidad del cambio<a class="elsevierStyleCrossRef" href="#bib0105"><span class="elsevierStyleSup">1</span></a>&#46; La aplicaci&#243;n de las nuevas terapias dirigidas ha cambiado nuestros protocolos de tratamiento para algunas enfermedades como la psoriasis&#44; la dermatitis at&#243;pica o el melanoma avanzado&#46; Gracias a estos avances&#44; nos hemos posicionado a la vanguardia de la inmunolog&#237;a&#44; la terapia g&#233;nica&#44; la nanotecnolog&#237;a o la telemedicina<a class="elsevierStyleCrossRef" href="#bib0110"><span class="elsevierStyleSup">2</span></a>&#46;</p><p id="par0015" class="elsevierStylePara elsevierViewall">De forma paralela&#44; el impulso tecnol&#243;gico ha supuesto una explosi&#243;n en la generaci&#243;n de datos digitales&#44; la mejora de algoritmos y el perfeccionamiento del hardware inform&#225;tico<a class="elsevierStyleCrossRef" href="#bib0115"><span class="elsevierStyleSup">3</span></a>&#46; En la era de la tecnolog&#237;a&#44; la innovaci&#243;n exige no solo el desarrollo de nuevos f&#225;rmacos&#44; sino tambi&#233;n de nuevas t&#233;cnicas y m&#233;todos diagn&#243;sticos que mejoren la atenci&#243;n de nuestros pacientes<a class="elsevierStyleCrossRef" href="#bib0105"><span class="elsevierStyleSup">1</span></a>&#46;</p><p id="par0020" class="elsevierStylePara elsevierViewall">La aplicaci&#243;n de modelos matem&#225;ticos para la explicaci&#243;n de cuestiones m&#233;dicas y biol&#243;gicas es una realidad&#46; Recientemente&#44; la descripci&#243;n de los &#171;escutoides&#187; como una nueva forma geom&#233;trica ha permitido explicar la arquitectura y el empaquetamiento de los epitelios curvos&#44; abriendo el camino para entender la organizaci&#243;n tridimensional de los &#243;rganos epiteliales<a class="elsevierStyleCrossRef" href="#bib0120"><span class="elsevierStyleSup">4</span></a>&#46; En el &#225;mbito de la dermatolog&#237;a&#44; la geometr&#237;a &#171;fractal&#187; se ha utilizado como un m&#233;todo para la evaluaci&#243;n de las lesiones melanoc&#237;ticas&#46; El an&#225;lisis de la &#171;lagunaridad&#187;&#44; inicialmente descrita para caracterizar objetos geom&#233;tricos irregulares cuya estructura se repite en diferentes escalas &#40;&#171;fractales&#187;&#41;&#44; permiti&#243; distinguir entre un nevus y un melanoma con una sensibilidad y una especificidad del 92 y el 81&#37;&#44; respectivamente<a class="elsevierStyleCrossRef" href="#bib0125"><span class="elsevierStyleSup">5</span></a>&#46;</p><p id="par0025" class="elsevierStylePara elsevierViewall">En la era del conocimiento globalizado en que estamos entrando&#44; todo lo que pueda ser automatizado o calculado&#44; probablemente acabar&#225; si&#233;ndolo&#46; Durante los &#250;ltimos a&#241;os&#44; la medicina se ha estandarizado y regulado para facilitar el diagn&#243;stico y el tratamiento de un gran n&#250;mero de enfermedades&#46; Sin embargo&#44; el uso de algoritmos en la pr&#225;ctica cl&#237;nica potencia la aplicaci&#243;n de la inteligencia artificial en la toma de decisiones m&#233;dicas<a class="elsevierStyleCrossRef" href="#bib0105"><span class="elsevierStyleSup">1</span></a>&#46;</p><p id="par0030" class="elsevierStylePara elsevierViewall">El denominado <span class="elsevierStyleItalic">machine learning</span>&#44; aprendizaje autom&#225;tico o automatizado en espa&#241;ol&#44; es una forma de inteligencia artificial que tiene como objetivo desarrollar t&#233;cnicas para que los ordenadores aprendan&#46; De forma gen&#233;rica&#44; se refiere a la amplia gama de algoritmos que realizan predicciones inteligentes derivadas del an&#225;lisis autom&#225;tico de un amplio conjunto de datos<a class="elsevierStyleCrossRefs" href="#bib0115"><span class="elsevierStyleSup">3&#44;6</span></a>&#46; El aprendizaje automatizado es&#44; por tanto&#44; un concepto amplio que abarca desde formas simples de &#225;rboles de decisi&#243;n o regresi&#243;n lineal a complejas redes neuronales artificiales donde los datos se cuentan por millones<a class="elsevierStyleCrossRef" href="#bib0115"><span class="elsevierStyleSup">3</span></a>&#46;</p><p id="par0035" class="elsevierStylePara elsevierViewall">El m&#233;todo cient&#237;fico basado en la extrapolaci&#243;n de datos a trav&#233;s de muestreos aleatorios era un s&#237;ntoma de nuestra incapacidad para analizar e interpretar todos los datos<a class="elsevierStyleCrossRef" href="#bib0135"><span class="elsevierStyleSup">7</span></a>&#46; El <span class="elsevierStyleItalic">deep learning</span>&#44; o aprendizaje profundo&#44; surge como una herramienta computacional para dar respuesta a esta nueva necesidad&#46;</p><p id="par0040" class="elsevierStylePara elsevierViewall">Las redes neuronales artificiales&#44; inspiradas en las c&#233;lulas de la corteza cerebral&#44; constituyen la base de aplicaci&#243;n del aprendizaje profundo<a class="elsevierStyleCrossRef" href="#bib0140"><span class="elsevierStyleSup">8</span></a>&#46; Este entramado permite la representaci&#243;n de datos de alto nivel&#44; creando millones de par&#225;metros para la segmentaci&#243;n&#44; la clasificaci&#243;n y la detecci&#243;n de im&#225;genes<a class="elsevierStyleCrossRefs" href="#bib0115"><span class="elsevierStyleSup">3&#44;9</span></a>&#46; En concreto&#44; las redes neuronales convolucionales &#40;CNN&#44; del ingl&#233;s <span class="elsevierStyleItalic">convolutional neural network</span>&#41; y su propuesta de percepci&#243;n multicapa han revolucionado el concepto de detecci&#243;n de patrones en la imagen m&#233;dica<a class="elsevierStyleCrossRefs" href="#bib0115"><span class="elsevierStyleSup">3&#44;6</span></a>&#46; Estas redes combinan m&#250;ltiples capas de aprendizaje especializadas y jerarquizadas con filtros sofisticados que forman redes neuronales profundas para detectar formas complejas&#46;</p><p id="par0045" class="elsevierStylePara elsevierViewall">Las capas convolucionales reciben una entrada que transforman y transmiten a la siguiente&#46; Esta modificaci&#243;n &#40;operaci&#243;n convolucional&#41; se realiza a trav&#233;s de filtros o detectores de patrones establecidos <span class="elsevierStyleItalic">&#40;kernel&#41;</span> que producen una nueva representaci&#243;n reducida y cada vez m&#225;s abstracta de la entrada &#40;mapas de caracter&#237;sticas <span class="elsevierStyleItalic">o feature maps</span>&#41;&#46; Las capas de clasificaci&#243;n o <span class="elsevierStyleItalic">pooling</span> agregan datos similares tomando la media&#44; el m&#225;ximo u otras estad&#237;sticas de los mapas de caracter&#237;sticas&#44; reduciendo as&#237; la variabilidad de los datos&#46; Las capas finales &#40;totalmente conectadas&#41; clasifican los datos en una determinada etiqueta tras realizar operaciones de normalizaci&#243;n y rectificaci&#243;n&#46; De esta forma&#44; la imagen de entrada se modela a trav&#233;s de sucesivas operaciones convolucionales y no lineales hasta que se transforma en una distribuci&#243;n de probabilidad sobre la posible pertenencia a una clase de la imagen<a class="elsevierStyleCrossRef" href="#bib0145"><span class="elsevierStyleSup">9</span></a> &#40;<a class="elsevierStyleCrossRefs" href="#fig0005">figs&#46; 1 y 2</a>&#41;&#46;</p><elsevierMultimedia ident="fig0005"></elsevierMultimedia><elsevierMultimedia ident="fig0010"></elsevierMultimedia><p id="par0050" class="elsevierStylePara elsevierViewall">El aprendizaje profundo avanza hacia su objetivo &#250;ltimo&#58; la inteligencia artificial<a class="elsevierStyleCrossRef" href="#bib0140"><span class="elsevierStyleSup">8</span></a>&#46; La mayor&#237;a de los modelos de predicci&#243;n relevantes para la imagen m&#233;dica se instruyen mediante colecciones de ejemplos etiquetados anteriormente &#40;aprendizaje supervisado&#41;<a class="elsevierStyleCrossRefs" href="#bib0115"><span class="elsevierStyleSup">3&#44;8</span></a>&#46; Los grandes avances inform&#225;ticos de los &#250;ltimos a&#241;os permiten a las redes neuronales asimilar un gran n&#250;mero de datos&#46; Esto aumenta las conexiones entre las diferentes capas &#40;neuronas&#41;&#44; permitiendo que trabajen cooperativamente en la resoluci&#243;n de casos cada vez m&#225;s complejos<a class="elsevierStyleCrossRef" href="#bib0145"><span class="elsevierStyleSup">9</span></a>&#46; M&#225;s all&#225; de esto&#44; el gran avance de las redes neuronales radica en que&#44; a diferencia de la inteligencia artificial tradicional&#44; estas pueden elaborar de forma aut&#243;noma las normas que les permitan clasificar una determinada caracter&#237;stica a partir de datos sin procesar<a class="elsevierStyleCrossRefs" href="#bib0115"><span class="elsevierStyleSup">3&#44;9&#8211;11</span></a>&#46; Es decir&#44; aprenden por s&#237; mismas&#44; optimizando sus predicciones y mejorando su eficacia&#46;</p><p id="par0055" class="elsevierStylePara elsevierViewall">Por todo esto&#44; las CNN muestran un potencial prometedor en la imagen m&#233;dica&#46; Especialidades como la dermatolog&#237;a&#44; la radiolog&#237;a o la anatom&#237;a patol&#243;gica son el &#225;mbito de aplicaci&#243;n ideal para sistemas basados en la clasificaci&#243;n&#44; la segmentaci&#243;n y la detecci&#243;n de im&#225;genes<a class="elsevierStyleCrossRef" href="#bib0115"><span class="elsevierStyleSup">3</span></a>&#46;</p><p id="par0060" class="elsevierStylePara elsevierViewall">En el a&#241;o 2017&#44; Esteva et al&#46;<a class="elsevierStyleCrossRef" href="#bib0130"><span class="elsevierStyleSup">6</span></a> describieron la aplicaci&#243;n de las CNN para la evaluaci&#243;n cl&#237;nica de lesiones cut&#225;neas&#46; En este trabajo compararon la capacidad diagn&#243;stica de 21 dermat&#243;logos expertos con una CNN entrenada con 127&#46;463 im&#225;genes para la clasificaci&#243;n binaria &#40;benigna o maligna&#41; de lesiones de origen epid&#233;rmico y melanoc&#237;tico&#46; Los especialistas identificaron un 95&#37; de los tumores malignos y un 76&#37; de las lesiones benignas&#44; mientras que la m&#225;quina realiz&#243; diagn&#243;sticos correctos en un 96 y un 90&#37; de los casos&#44; respectivamente&#46; En otro trabajo&#44; un algoritmo de fusi&#243;n de aprendizaje automatizado super&#243; el rendimiento de la mayor&#237;a de los dermat&#243;logos en la clasificaci&#243;n de 100 im&#225;genes dermatosc&#243;picas de nevus y melanoma<a class="elsevierStyleCrossRef" href="#bib0160"><span class="elsevierStyleSup">12</span></a>&#46;</p><p id="par0065" class="elsevierStylePara elsevierViewall">La aplicaci&#243;n de las redes neuronales a la dermatolog&#237;a no se limita al c&#225;ncer cut&#225;neo&#46; DeepGestalt es un sistema dise&#241;ado para la identificaci&#243;n de fenotipos faciales de trastornos gen&#233;ticos que combina m&#233;todos de visi&#243;n e inteligencia artificial&#46; Este programa se mostr&#243; superior a los cl&#237;nicos para la detecci&#243;n de s&#237;ndromes y podr&#237;a ampliar el rendimiento de las pruebas gen&#233;ticas<a class="elsevierStyleCrossRef" href="#bib0165"><span class="elsevierStyleSup">13</span></a>&#46; Han et al&#46; evaluaron la precisi&#243;n de una CNN entrenada con 49&#46;567 im&#225;genes para el diagn&#243;stico de onicomicosis&#46; De nuevo&#44; un sistema basado en el aprendizaje profundo superaba a la mayor&#237;a de los dermat&#243;logos que participaron en el estudio<a class="elsevierStyleCrossRef" href="#bib0170"><span class="elsevierStyleSup">14</span></a>&#46;</p><p id="par0070" class="elsevierStylePara elsevierViewall">En el &#250;ltimo a&#241;o se ha producido una explosi&#243;n de trabajos&#46; El avance de estos sistemas parece imparable y&#44; en este sentido&#44; surgen preguntas obligadas&#58; &#191;sustituir&#225;n estos sistemas alg&#250;n d&#237;a la figura del dermat&#243;logo&#63;&#44; &#191;c&#243;mo se integrar&#225;n estos cambios en el futuro de la especialidad&#63;<a class="elsevierStyleCrossRefs" href="#bib0175"><span class="elsevierStyleSup">15&#44;16</span></a>&#46;</p><p id="par0075" class="elsevierStylePara elsevierViewall">Las decisiones terap&#233;uticas o los algoritmos diagn&#243;sticos podr&#225;n realizarse con una mayor evidencia cient&#237;fica&#46; Los ordenadores&#44; con su capacidad ilimitada de aprendizaje&#44; sustituir&#225;n en muchos aspectos lo que hoy es competencia exclusiva del juicio humano&#46; Los denominados <span class="elsevierStyleItalic">big data</span> hacen referencia a un conjunto de datos o combinaci&#243;n de conjunto de datos de un volumen&#44; complejidad y velocidad de crecimiento tales que hacen imposible su procesamiento y an&#225;lisis mediante tecnolog&#237;as y herramientas convencionales&#46; Su an&#225;lisis nos permitir&#225; obviar los sesgos ineludibles que genera la aleatoriedad&#46; El &#233;xito de la inteligencia artificial depender&#225; de la colaboraci&#243;n del dermat&#243;logo en el desarrollo de algoritmos adecuados y grandes archivos p&#250;blicos que permitan generalizar los resultados<a class="elsevierStyleCrossRef" href="#bib0185"><span class="elsevierStyleSup">17</span></a>&#46; La tecnolog&#237;a del <span class="elsevierStyleItalic">blockchain</span> o &#171;cadena de bloques&#187; se extender&#225; m&#225;s all&#225; de sus aplicaciones financieras <span class="elsevierStyleItalic">&#40;Bitcoin&#41;&#46;</span> Esto har&#225; posible el almacenamiento e intercambio de im&#225;genes codificadas&#44; ofreciendo una soluci&#243;n a la privacidad&#44; la seguridad y la distribuci&#243;n de los datos<a class="elsevierStyleCrossRef" href="#bib0190"><span class="elsevierStyleSup">18</span></a>&#46;</p><p id="par0080" class="elsevierStylePara elsevierViewall">A pesar de los potenciales beneficios de la inteligencia artificial&#44; se desconocen muchos aspectos relacionados con su aplicaci&#243;n<a class="elsevierStyleCrossRef" href="#bib0195"><span class="elsevierStyleSup">19</span></a>&#46; La mayor&#237;a de estos sistemas no ha sido evaluado en un entorno cl&#237;nico real&#46; En la pr&#225;ctica&#44; se requieren m&#225;s criterios que el morfol&#243;gico para la toma de decisiones m&#233;dicas<a class="elsevierStyleCrossRef" href="#bib0180"><span class="elsevierStyleSup">16</span></a>&#46; El manejo de un paciente es un proceso complejo y multifactorial que considera&#44; adem&#225;s de datos cl&#237;nicos&#44; v&#237;as alternativas &#40;por ejemplo&#44; el seguimiento estrecho&#41; a las variables dicot&#243;micas computacionales &#40;&#171;benigno&#47;maligno&#187;&#44; &#171;extirpaci&#243;n&#47;no requiere tratamiento&#187;&#41;<a class="elsevierStyleCrossRefs" href="#bib0115"><span class="elsevierStyleSup">3&#44;16</span></a>&#46; Los modelos matem&#225;ticos no proporcionan un diagn&#243;stico&#44; sino una probabilidad diagn&#243;stica&#44; un valor entre 0 y 1 que en el futuro podr&#237;a orientar a m&#233;dicos menos experimentados o servir incluso como m&#233;todo de cribado&#44; siempre como un sistema que complementa&#44; pero no reemplaza las capacidades de un dermat&#243;logo<a class="elsevierStyleCrossRefs" href="#bib0175"><span class="elsevierStyleSup">15&#44;20</span></a>&#46;</p><p id="par0085" class="elsevierStylePara elsevierViewall">Los algoritmos se incluir&#225;n en la pr&#225;ctica dermatol&#243;gica y aumentar&#225;n su precisi&#243;n diagn&#243;stica en manos expertas<a class="elsevierStyleCrossRef" href="#bib0160"><span class="elsevierStyleSup">12</span></a>&#46; Sin embargo&#44; en la relaci&#243;n m&#233;dico-paciente&#44; la informaci&#243;n y el conocimiento suponen solamente uno de los pelda&#241;os para ejercer una medicina de calidad&#46; Los factores humanos seguir&#225;n teniendo un peso irremplazable por los ordenadores&#46; Otros aspectos ineludibles en el buen hacer profesional&#44; como la empat&#237;a y el acompa&#241;amiento del paciente&#44; el sentido com&#250;n&#44; la creatividad&#44; la pasi&#243;n&#44; la motivaci&#243;n y la innovaci&#243;n&#44; har&#225;n irremplazable la figura del dermat&#243;logo&#46;</p><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0005">Conflicto de intereses</span><p id="par0090" class="elsevierStylePara elsevierViewall">Los autores declaran no tener ning&#250;n conflicto de intereses&#46;</p></span></span>"
    "textoCompletoSecciones" => array:1 [
      "secciones" => array:2 [
        0 => array:2 [
          "identificador" => "sec0005"
          "titulo" => "Conflicto de intereses"
        ]
        1 => array:1 [
          "titulo" => "Bibliograf&#237;a"
        ]
      ]
    ]
    "pdfFichero" => "main.pdf"
    "tienePdf" => true
    "multimedia" => array:2 [
      0 => array:7 [
        "identificador" => "fig0005"
        "etiqueta" => "Figura 1"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr1.jpeg"
            "Alto" => 1275
            "Ancho" => 2508
            "Tamanyo" => 336035
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0005" class="elsevierStyleSimplePara elsevierViewall">Modelo de funcionamiento de una red neuronal convolucional&#46; La imagen de entrada se transforma a trav&#233;s de las sucesivas capas &#40;convolucionales y de <span class="elsevierStyleItalic">pooling</span>&#41;&#46; Las capas finales &#40;totalmente conectadas&#41; clasifican los datos en un determinado diagn&#243;stico<a class="elsevierStyleCrossRef" href="#bib0155"><span class="elsevierStyleSup">11</span></a>&#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" => 2185
            "Ancho" => 2508
            "Tamanyo" => 350436
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">a&#46; Ejemplo de una operaci&#243;n convolucional&#46; Un ordenador ve una imagen &#40;L&#41; como una matriz de n&#250;meros de 4<span class="elsevierStyleHsp" style=""></span>&#215;<span class="elsevierStyleHsp" style=""></span>4&#46; Cada valor de la imagen de entrada se multiplica por un filtro o <span class="elsevierStyleItalic">kernel</span>&#46; Como resultado se obtiene una nueva representaci&#243;n reducida &#40;mapa de caracter&#237;sticas de 2<span class="elsevierStyleHsp" style=""></span>&#215;<span class="elsevierStyleHsp" style=""></span>2&#41;&#46; b&#46; Ejemplo de una operaci&#243;n concreta para los valores en el recuadro azul&#46;</p>"
        ]
      ]
    ]
    "bibliografia" => array:2 [
      "titulo" => "Bibliograf&#237;a"
      "seccion" => array:1 [
        0 => array:2 [
          "identificador" => "bibs0015"
          "bibliografiaReferencia" => array:20 [
            0 => array:3 [
              "identificador" => "bib0105"
              "etiqueta" => "1"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "The inevitability of change"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:1 [
                            0 => "R&#46;A&#46; El-Azhary"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.clindermatol.2018.09.003"
                      "Revista" => array:6 [
                        "tituloSerie" => "Clin Dermatol&#46;"
                        "fecha" => "2019"
                        "volumen" => "37"
                        "paginaInicial" => "4"
                        "paginaFinal" => "11"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30554621"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            1 => array:3 [
              "identificador" => "bib0110"
              "etiqueta" => "2"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Training the next generation of innovators in dermatology"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:6 [
                            0 => "S&#46; Xu"
                            1 => "J&#46; Allred"
                            2 => "B&#46; Kirsch"
                            3 => "A&#46; Raff"
                            4 => "R&#46;R&#46; Anderson"
                            5 => "W&#46; Ju"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jid.2016.08.028"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Invest Dermatol&#46;"
                        "fecha" => "2016"
                        "volumen" => "136"
                        "paginaInicial" => "2113"
                        "paginaFinal" => "2115"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27772542"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            2 => array:3 [
              "identificador" => "bib0115"
              "etiqueta" => "3"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Machine learning&#58; Applications of artificial intelligence to imaging and diagnosis"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:3 [
                            0 => "J&#46;A&#46; Nichols"
                            1 => "H&#46;W&#46; Herbert Chan"
                            2 => "M&#46;A&#46;B&#46; Baker"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1007/s12551-018-0449-9"
                      "Revista" => array:6 [
                        "tituloSerie" => "Biophys Rev&#46;"
                        "fecha" => "2019"
                        "volumen" => "11"
                        "paginaInicial" => "111"
                        "paginaFinal" => "118"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30182201"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            3 => array:3 [
              "identificador" => "bib0120"
              "etiqueta" => "4"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Scutoids are a geometrical solution to three-dimensional packing of epithelia"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "P&#46; Gomez-Galvez"
                            1 => "P&#46; Vicente-Munuera"
                            2 => "A&#46; Tagua"
                            3 => "C&#46; Forja"
                            4 => "A&#46;M&#46; Castro"
                            5 => "M&#46; Letran"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "Nat Commun&#46;"
                        "fecha" => "2018"
                        "volumen" => "9"
                        "paginaInicial" => "2960"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            4 => array:3 [
              "identificador" => "bib0125"
              "etiqueta" => "5"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Lacunarity analysis&#58; A promising method for the automated assessment of melanocytic naevi and melanoma"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:4 [
                            0 => "S&#46; Gilmore"
                            1 => "R&#46; Hofmann-Wellenhof"
                            2 => "J&#46; Muir"
                            3 => "H&#46;P&#46; Soyer"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1371/journal.pone.0007449"
                      "Revista" => array:5 [
                        "tituloSerie" => "PLoS One&#46;"
                        "fecha" => "2009"
                        "volumen" => "4"
                        "paginaInicial" => "e7449"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/19823688"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            5 => array:3 [
              "identificador" => "bib0130"
              "etiqueta" => "6"
              "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 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "A&#46; Esteva"
                            1 => "B&#46; Kuprel"
                            2 => "R&#46;A&#46; Novoa"
                            3 => "J&#46; Ko"
                            4 => "S&#46;M&#46; Swetter"
                            5 => "H&#46;M&#46; Blau"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1038/nature21056"
                      "Revista" => array:6 [
                        "tituloSerie" => "Nature&#46;"
                        "fecha" => "2017"
                        "volumen" => "542"
                        "paginaInicial" => "115"
                        "paginaFinal" => "118"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/28117445"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            6 => array:3 [
              "identificador" => "bib0135"
              "etiqueta" => "7"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Using &#8220;big data&#8221; to optimize public health outreach&#58; Answering the call to action"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "R&#46;F&#46; Williams"
                            1 => "G&#46;P&#46; Smith"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1001/jamadermatol.2014.3176"
                      "Revista" => array:6 [
                        "tituloSerie" => "JAMA Dermatol&#46;"
                        "fecha" => "2015"
                        "volumen" => "151"
                        "paginaInicial" => "367"
                        "paginaFinal" => "368"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/25390275"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            7 => array:3 [
              "identificador" => "bib0140"
              "etiqueta" => "8"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep learning and its applications in biomedicine"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "C&#46; Cao"
                            1 => "F&#46; Liu"
                            2 => "H&#46; Tan"
                            3 => "D&#46; Song"
                            4 => "W&#46; Shu"
                            5 => "W&#46; Li"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.gpb.2017.07.003"
                      "Revista" => array:6 [
                        "tituloSerie" => "Genomics Proteomics Bioinformatics&#46;"
                        "fecha" => "2018"
                        "volumen" => "16"
                        "paginaInicial" => "17"
                        "paginaFinal" => "32"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/29522900"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            8 => array:3 [
              "identificador" => "bib0145"
              "etiqueta" => "9"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Deep learning for image analysis&#58; Personalizing medicine closer to the point of care"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:6 [
                            0 => "Q&#46; Xie"
                            1 => "K&#46; Faust"
                            2 => "R&#46; van Ommeren"
                            3 => "A&#46; Sheikh"
                            4 => "U&#46; Djuric"
                            5 => "P&#46; Diamandis"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1080/10408363.2018.1536111"
                      "Revista" => array:6 [
                        "tituloSerie" => "Crit Rev Clin Lab Sci&#46;"
                        "fecha" => "2019"
                        "volumen" => "56"
                        "paginaInicial" => "61"
                        "paginaFinal" => "73"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30628494"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            9 => array:3 [
              "identificador" => "bib0150"
              "etiqueta" => "10"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Successful treatment of scleromyxedema with melphalan and dexamethasone followed by thalidomide maintenance therapy"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:5 [
                            0 => "X&#46;X&#46; Cao"
                            1 => "T&#46; Wang"
                            2 => "Y&#46;H&#46; Liu"
                            3 => "D&#46;B&#46; Zhou"
                            4 => "J&#46; Li"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1080/10428194.2016.1177183"
                      "Revista" => array:6 [
                        "tituloSerie" => "Leuk Lymphoma&#46;"
                        "fecha" => "2016"
                        "volumen" => "57"
                        "paginaInicial" => "2934"
                        "paginaFinal" => "2936"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27118492"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            10 => array:3 [
              "identificador" => "bib0155"
              "etiqueta" => "11"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A guide to deep learning in healthcare"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "A&#46; Esteva"
                            1 => "A&#46; Robicquet"
                            2 => "B&#46; Ramsundar"
                            3 => "V&#46; Kuleshov"
                            4 => "M&#46; DePristo"
                            5 => "K&#46; Chou"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1038/s41591-018-0316-z"
                      "Revista" => array:6 [
                        "tituloSerie" => "Nat Med&#46;"
                        "fecha" => "2019"
                        "volumen" => "25"
                        "paginaInicial" => "24"
                        "paginaFinal" => "29"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30617335"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            11 => array:3 [
              "identificador" => "bib0160"
              "etiqueta" => "12"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Results of the 2016 International Skin Imaging Collaboration International Symposium on Biomedical Imaging challenge&#58; Comparison of the accuracy of computer algorithms to dermatologists for the diagnosis of melanoma from dermoscopic images"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "M&#46;A&#46; Marchetti"
                            1 => "N&#46;C&#46;F&#46; Codella"
                            2 => "S&#46;W&#46; Dusza"
                            3 => "D&#46;A&#46; Gutman"
                            4 => "B&#46; Helba"
                            5 => "A&#46; Kalloo"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jaad.2017.08.016"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Am Acad Dermatol&#46;"
                        "fecha" => "2018"
                        "volumen" => "78"
                        "paginaInicial" => "270"
                        "paginaFinal" => "277&#46;e1"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/28969863"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            12 => array:3 [
              "identificador" => "bib0165"
              "etiqueta" => "13"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Identifying facial phenotypes of genetic disorders using deep learning"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "Y&#46; Gurovich"
                            1 => "Y&#46; Hanani"
                            2 => "O&#46; Bar"
                            3 => "G&#46; Nadav"
                            4 => "N&#46; Fleischer"
                            5 => "D&#46; Gelbman"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1038/s41591-018-0279-0"
                      "Revista" => array:6 [
                        "tituloSerie" => "Nat Med&#46;"
                        "fecha" => "2019"
                        "volumen" => "25"
                        "paginaInicial" => "60"
                        "paginaFinal" => "64"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30617323"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            13 => array:3 [
              "identificador" => "bib0170"
              "etiqueta" => "14"
              "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 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "S&#46;S&#46; Han"
                            1 => "G&#46;H&#46; Park"
                            2 => "W&#46; Lim"
                            3 => "M&#46;S&#46; Kim"
                            4 => "J&#46;I&#46; Na"
                            5 => "I&#46; Park"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1371/journal.pone.0191493"
                      "Revista" => array:5 [
                        "tituloSerie" => "PLoS One&#46;"
                        "fecha" => "2018"
                        "volumen" => "13"
                        "paginaInicial" => "e0191493"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/29352285"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            14 => array:3 [
              "identificador" => "bib0175"
              "etiqueta" => "15"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Cutting edge technology in dermatology&#58; Virtual reality and artificial intelligence"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "G&#46; Prado"
                            1 => "C&#46; Kovarik"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:6 [
                        "tituloSerie" => "Cutis&#46;"
                        "fecha" => "2018"
                        "volumen" => "101"
                        "paginaInicial" => "236"
                        "paginaFinal" => "237"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/29763481"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            15 => array:3 [
              "identificador" => "bib0180"
              "etiqueta" => "16"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence and melanoma diagnosis&#58; Ignoring human nature may lead to false predictions"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "A&#46; Lallas"
                            1 => "G&#46; Argenziano"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.5826/dpc.0804a01"
                      "Revista" => array:6 [
                        "tituloSerie" => "Dermatol Pract Concept&#46;"
                        "fecha" => "2018"
                        "volumen" => "8"
                        "paginaInicial" => "249"
                        "paginaFinal" => "251"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30479851"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            16 => array:3 [
              "identificador" => "bib0185"
              "etiqueta" => "17"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Skin cancer classification using convolutional neural networks&#58; Systematic review"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "T&#46;J&#46; Brinker"
                            1 => "A&#46; Hekler"
                            2 => "J&#46;S&#46; Utikal"
                            3 => "N&#46; Grabe"
                            4 => "D&#46; Schadendorf"
                            5 => "J&#46; Klode"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.2196/11936"
                      "Revista" => array:5 [
                        "tituloSerie" => "J Med Internet Res&#46;"
                        "fecha" => "2018"
                        "volumen" => "20"
                        "paginaInicial" => "e11936"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30333097"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            17 => array:3 [
              "identificador" => "bib0190"
              "etiqueta" => "18"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Beyond Bitcoin&#58; Potential applications of blockchain technology in dermatology"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "J&#46;K&#46; Tung"
                            1 => "V&#46;E&#46; Nambudiri"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1111/bjd.16922"
                      "Revista" => array:6 [
                        "tituloSerie" => "Br J Dermatol&#46;"
                        "fecha" => "2018"
                        "volumen" => "179"
                        "paginaInicial" => "1013"
                        "paginaFinal" => "1014"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/29947078"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            18 => array:3 [
              "identificador" => "bib0195"
              "etiqueta" => "19"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "How should artificial intelligence screen for skin cancer and deliver diagnostic predictions to patients&#63;"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:3 [
                            0 => "G&#46;A&#46; Zakhem"
                            1 => "C&#46;C&#46; Motosko"
                            2 => "R&#46;S&#46; Ho"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1001/jamadermatol.2018.2714"
                      "Revista" => array:6 [
                        "tituloSerie" => "JAMA Dermatol&#46;"
                        "fecha" => "2018"
                        "volumen" => "154"
                        "paginaInicial" => "1383"
                        "paginaFinal" => "1384"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30140854"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            19 => array:3 [
              "identificador" => "bib0200"
              "etiqueta" => "20"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "How I learned to stop worrying and love machine learning"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:4 [
                            0 => "S&#46; Mattessich"
                            1 => "M&#46; Tassavor"
                            2 => "S&#46;M&#46; Swetter"
                            3 => "J&#46;M&#46; Grant-Kels"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.clindermatol.2018.06.003"
                      "Revista" => array:6 [
                        "tituloSerie" => "Clin Dermatol&#46;"
                        "fecha" => "2018"
                        "volumen" => "36"
                        "paginaInicial" => "777"
                        "paginaFinal" => "778"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30446202"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
          ]
        ]
      ]
    ]
  ]
  "idiomaDefecto" => "es"
  "url" => "/00017310/0000011100000003/v3_202009190646/S000173101930393X/v3_202009190646/es/main.assets"
  "Apartado" => array:4 [
    "identificador" => "6218"
    "tipo" => "SECCION"
    "es" => array:2 [
      "titulo" => "Art&#237;culos de opini&#243;n"
      "idiomaDefecto" => true
    ]
    "idiomaDefecto" => "es"
  ]
  "PDF" => "https://static.elsevier.es/multimedia/00017310/0000011100000003/v3_202009190646/S000173101930393X/v3_202009190646/es/main.pdf?idApp=UINPBA000044&text.app=https://actasdermo.org/"
  "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S000173101930393X?idApp=UINPBA000044"
]
Información del artículo
ISSN: 00017310
Idioma original: Español
Datos actualizados diariamente
año/Mes Html Pdf Total
2024 Noviembre 19 11 30
2024 Octubre 140 63 203
2024 Septiembre 106 34 140
2024 Agosto 148 69 217
2024 Julio 108 37 145
2024 Junio 121 59 180
2024 Mayo 139 37 176
2024 Abril 116 30 146
2024 Marzo 126 48 174
2024 Febrero 108 38 146
2024 Enero 144 32 176
2023 Diciembre 110 25 135
2023 Noviembre 95 32 127
2023 Octubre 97 40 137
2023 Septiembre 84 30 114
2023 Agosto 72 20 92
2023 Julio 106 36 142
2023 Junio 88 25 113
2023 Mayo 131 28 159
2023 Abril 72 28 100
2023 Marzo 106 46 152
2023 Febrero 93 21 114
2023 Enero 51 21 72
2022 Diciembre 89 30 119
2022 Noviembre 91 39 130
2022 Octubre 152 48 200
2022 Septiembre 111 51 162
2022 Agosto 110 55 165
2022 Julio 115 43 158
2022 Junio 113 45 158
2022 Mayo 94 36 130
2022 Abril 70 34 104
2022 Marzo 79 50 129
2022 Febrero 97 27 124
2022 Enero 127 35 162
2021 Diciembre 58 38 96
2021 Noviembre 106 46 152
2021 Octubre 80 56 136
2021 Septiembre 76 51 127
2021 Agosto 92 46 138
2021 Julio 71 34 105
2021 Junio 89 29 118
2021 Mayo 91 55 146
2021 Abril 208 46 254
2021 Marzo 93 32 125
2021 Febrero 97 39 136
2021 Enero 75 19 94
2020 Diciembre 59 30 89
2020 Noviembre 73 30 103
2020 Octubre 57 23 80
2020 Septiembre 96 31 127
2020 Agosto 89 37 126
2020 Julio 73 17 90
2020 Junio 79 45 124
2020 Mayo 249 69 318
2020 Abril 28 22 50
2020 Marzo 20 10 30
2020 Febrero 17 5 22
2020 Enero 11 11 22
Mostrar todo

Siga este enlace para acceder al texto completo del artículo

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?