se ha leído el artículo
array:22 [ "pii" => "S0001731023004817" "issn" => "00017310" "doi" => "10.1016/j.ad.2022.06.035" "estado" => "S300" "fechaPublicacion" => "2023-07-01" "aid" => "3541" "copyrightAnyo" => "2023" "documento" => "simple-article" "crossmark" => 1 "subdocumento" => "crp" "cita" => "Actas Dermosifiliogr. 2023;114:T659" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:1 [ "total" => 0 ] "itemAnterior" => array:18 [ "pii" => "S000173102300306X" "issn" => "00017310" "doi" => "10.1016/j.ad.2022.06.030" "estado" => "S300" "fechaPublicacion" => "2023-07-01" "aid" => "3467" "copyright" => "AEDV" "documento" => "simple-article" "crossmark" => 1 "subdocumento" => "crp" "cita" => "Actas Dermosifiliogr. 2023;114:659" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:1 [ "total" => 0 ] "en" => array:10 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Case and Research Letter</span>" "titulo" => "Artificial Intelligence in Chronic Urticaria: Unsupervised Versus Supervised Machine Learning" "tienePdf" => "en" "tieneTextoCompleto" => "en" "paginas" => array:1 [ 0 => array:1 [ "paginaInicial" => "659" ] ] "titulosAlternativos" => array:1 [ "es" => array:1 [ "titulo" => "Inteligencia artificial en la urticaria crónica: aprendizaje sobre una máquina no supervisada frente a una supervisada" ] ] "contieneTextoCompleto" => array:1 [ "en" => true ] "contienePdf" => array:1 [ "en" => true ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "Y.S. Pathania" "autores" => array:1 [ 0 => array:2 [ "nombre" => "Y.S." "apellidos" => "Pathania" ] ] ] ] ] "idiomaDefecto" => "en" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S000173102300306X?idApp=UINPBA000044" "url" => "/00017310/0000011400000007/v1_202307101051/S000173102300306X/v1_202307101051/en/main.assets" ] "asociados" => array:1 [ 0 => array:18 [ "pii" => "S000173102300306X" "issn" => "00017310" "doi" => "10.1016/j.ad.2022.06.030" "estado" => "S300" "fechaPublicacion" => "2023-07-01" "aid" => "3467" "copyright" => "AEDV" "documento" => "simple-article" "crossmark" => 1 "subdocumento" => "crp" "cita" => "Actas Dermosifiliogr. 2023;114:659" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:1 [ "total" => 0 ] "en" => array:10 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Case and Research Letter</span>" "titulo" => "Artificial Intelligence in Chronic Urticaria: Unsupervised Versus Supervised Machine Learning" "tienePdf" => "en" "tieneTextoCompleto" => "en" "paginas" => array:1 [ 0 => array:1 [ "paginaInicial" => "659" ] ] "titulosAlternativos" => array:1 [ "es" => array:1 [ "titulo" => "Inteligencia artificial en la urticaria crónica: aprendizaje sobre una máquina no supervisada frente a una supervisada" ] ] "contieneTextoCompleto" => array:1 [ "en" => true ] "contienePdf" => array:1 [ "en" => true ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "Y.S. Pathania" "autores" => array:1 [ 0 => array:2 [ "nombre" => "Y.S." "apellidos" => "Pathania" ] ] ] ] ] "idiomaDefecto" => "en" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S000173102300306X?idApp=UINPBA000044" "url" => "/00017310/0000011400000007/v1_202307101051/S000173102300306X/v1_202307101051/en/main.assets" ] ] "es" => array:13 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">CARTA CIENTÍFICO-CLÍNICA</span>" "titulo" => "[Articulo traducido] Inteligencia artificial en la urticaria crónica: aprendizaje sobre una máquina no supervisada frente a una supervisada" "tieneTextoCompleto" => true "saludo" => "<span class="elsevierStyleItalic">Sr. Director,</span>" "paginas" => array:1 [ 0 => array:1 [ "paginaInicial" => "T659" ] ] "autores" => array:1 [ 0 => array:3 [ "autoresLista" => "Y.S. Pathania" "autores" => array:1 [ 0 => array:3 [ "nombre" => "Y.S." "apellidos" => "Pathania" "email" => array:1 [ 0 => "yashdeepsinghpathania@gmail.com" ] ] ] "afiliaciones" => array:1 [ 0 => array:2 [ "entidad" => "Departamento de Dermatología, Venereología y Leprología, All India Institute of Medical Sciences, Rajkot, Gujarat, India" "identificador" => "aff0005" ] ] ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Artificial Intelligence in Chronic Urticaria: Unsupervised Versus Supervised Machine Learning" ] ] "textoCompleto" => "<span class="elsevierStyleSections"><p id="par0005" class="elsevierStylePara elsevierViewall">El aprendizaje automático (AA) es un subconjunto de la inteligencia artificial (IA) que utiliza con mayor frecuencia el reconocimiento y el análisis de imágenes para el diagnóstico en la mayoría de los campos médicos, como son la dermatología, la oftalmología, la radiología y la medicina<a class="elsevierStyleCrossRef" href="#bib0025"><span class="elsevierStyleSup">1</span></a>. La IA tiene un papel potencial en la dermatología, tanto para la detección como el diagnóstico del melanoma, del carcinoma de células basales (CBC), de la psoriasis y de otras dermatosis inflamatorias. El AA es un método para crear IA. Tiene varios enfoques, el aprendizaje supervisado, el no supervisado y el semisupervisado o de refuerzo<a class="elsevierStyleCrossRef" href="#bib0030"><span class="elsevierStyleSup">2</span></a>. El enfoque supervisado utiliza datos etiquetados y se ha utilizado para detectar lesiones cutáneas benignas frente a las malignas. El enfoque de aprendizaje no supervisado se ha utilizado para detectar el diagnóstico dermatoscópico del CBC. El aprendizaje automático también se puede aplicar en la urticaria crónica (UC). Recientemente, en un estudio de Türk et al.<a class="elsevierStyleCrossRef" href="#bib0035"><span class="elsevierStyleSup">3</span></a>, los autores han intentado distinguir diferentes subtipos fenotípicos y patogenéticos de urticaria crónica (UC) a través de un modelo de aprendizaje automático no supervisado. Los autores generaron cuatro grupos en su estudio que correspondían a fenotipos y biomarcadores específicos. El AA tiene mucho más potencial en la UC. Las lesiones en la UC tienen el mismo aspecto, pero el AA también puede desempeñar un papel en la definición de la gravedad a través del número y tamaño del habón. Un habón de mayor tamaño corresponde a una UC más grave y difícil de tratar<a class="elsevierStyleCrossRef" href="#bib0040"><span class="elsevierStyleSup">4</span></a>. El número de lesiones puede detectarse a través de un algoritmo en el AA que puede ayudar a generar otro grupo de UC que tenga una mayor gravedad. El agrupamiento en el aprendizaje no supervisado es ventajoso cuando los datos parecen sustancialmente diferentes entre sí. Sin embargo, en la UC los datos pueden no variar mucho, por lo tanto, existe un concepto de aprendizaje semisupervisado en el AA que utiliza datos etiquetados y no etiquetados<a class="elsevierStyleCrossRef" href="#bib0030"><span class="elsevierStyleSup">2</span></a>. Este enfoque sería mucho más práctico y fácil que puede utilizar menos datos etiquetados y más datos no etiquetados para su funcionamiento. Los datos cualitativos distintos de las imágenes pueden utilizarse mejor para definir y diferenciar subtipos de UC a través de este aprendizaje. El aprendizaje no supervisado puede ser más útil para generar nuevos grupos a través de los datos no etiquetados, pero la adición de datos etiquetados puede brindar información más precisa en la UC.</p><p id="par0010" class="elsevierStylePara elsevierViewall">Además, la adición de datos a las puntuaciones ya validadas como son el UAS7 (puntuación de actividad de la urticaria) y el UCT (prueba de control de la urticaria) mejoraría mucho la clasificación y diferenciación de la actividad y el control de la enfermedad a través del AA.</p><p id="par0015" class="elsevierStylePara elsevierViewall">La IA en la UC ofrece un enfoque innovador para desarrollar algoritmos de diagnóstico que pueden ayudar potencialmente en el diagnóstico y la clasificación de los subtipos de UC. También puede aumentar la evaluación de múltiples modalidades o problemas al mismo tiempo. Si bien el desarrollo y la validación de algoritmos de la IA requieren grandes entradas de datos, ya sean aprendidos o etiquetados y no etiquetados, pero el AA en la dermatología, especialmente en la UC, es un nuevo campo intacto que tiene perspectivas de futuro brillantes. Por lo tanto, se requieren grandes estudios en el futuro en este campo para validar los hallazgos.</p><span id="sec0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0005">Financiación</span><p id="par0025" class="elsevierStylePara elsevierViewall">Ninguna.</p></span><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0010">Conflicto de intereses</span><p id="par0020" class="elsevierStylePara elsevierViewall">El autor declara no tener ningún conflicto de interés.</p></span></span>" "textoCompletoSecciones" => array:1 [ "secciones" => array:3 [ 0 => array:2 [ "identificador" => "sec0010" "titulo" => "Financiación" ] 1 => array:2 [ "identificador" => "sec0005" "titulo" => "Conflicto de intereses" ] 2 => array:1 [ "titulo" => "Bibliografía" ] ] ] "pdfFichero" => "main.pdf" "tienePdf" => true "bibliografia" => array:2 [ "titulo" => "Bibliografía" "seccion" => array:1 [ 0 => array:2 [ "identificador" => "bibs0015" "bibliografiaReferencia" => array:4 [ 0 => array:3 [ "identificador" => "bib0025" "etiqueta" => "1" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Artificial intelligence/machine learning in respiratory medicine and potential role in asthma and COPD diagnosis" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "A. Kaplan" 1 => "H. Cao" 2 => "J.M. FitzGerald" 3 => "N. Iannotti" 4 => "E. Yang" 5 => "J.W.H. Kocks" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.jaip.2021.02.014" "Revista" => array:6 [ "tituloSerie" => "J Allergy Clin Immunol Pract." "fecha" => "2021" "volumen" => "9" "paginaInicial" => "2255" "paginaFinal" => "2261" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/33618053" "web" => "Medline" ] ] ] ] ] ] ] ] 1 => array:3 [ "identificador" => "bib0030" "etiqueta" => "2" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Artificial intelligence in dermatology: “unsupervised” versus “supervised” machine learning" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "Y. Singh Pathania" 1 => "A. Budania" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1111/ijd.15288" "Revista" => array:5 [ "tituloSerie" => "Int J Dermatol." "fecha" => "2021" "volumen" => "60" "paginaInicial" => "e28" "paginaFinal" => "e29" ] ] ] ] ] ] 2 => array:3 [ "identificador" => "bib0035" "etiqueta" => "3" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Identification of chronic urticaria subtypes using machine learning algorithms" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "M. Türk" 1 => "R. Ertaş" 2 => "E. Zeydan" 3 => "Y. Türk" 4 => "M. Atasoy" 5 => "A. Gutsche" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1111/all.15119" "Revista" => array:6 [ "tituloSerie" => "Allergy." "fecha" => "2022" "volumen" => "77" "paginaInicial" => "323" "paginaFinal" => "326" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/34606643" "web" => "Medline" ] ] ] ] ] ] ] ] 3 => array:3 [ "identificador" => "bib0040" "etiqueta" => "4" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Classification of urticaria" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "T. Zuberbier" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.4103/0019-5154.110830" "Revista" => array:6 [ "tituloSerie" => "Indian J Dermatol." "fecha" => "2013" "volumen" => "58" "paginaInicial" => "208" "paginaFinal" => "210" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/23723472" "web" => "Medline" ] ] ] ] ] ] ] ] ] ] ] ] ] "idiomaDefecto" => "es" "url" => "/00017310/0000011400000007/v1_202307101051/S0001731023004817/v1_202307101051/es/main.assets" "Apartado" => array:4 [ "identificador" => "6160" "tipo" => "SECCION" "es" => array:2 [ "titulo" => "Cartas científico-clínicas" "idiomaDefecto" => true ] "idiomaDefecto" => "es" ] "PDF" => "https://static.elsevier.es/multimedia/00017310/0000011400000007/v1_202307101051/S0001731023004817/v1_202307101051/es/main.pdf?idApp=UINPBA000044&text.app=https://actasdermo.org/" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0001731023004817?idApp=UINPBA000044" ]
año/Mes | Html | Total | |
---|---|---|---|
2024 Noviembre | 17 | 12 | 29 |
2024 Octubre | 102 | 34 | 136 |
2024 Septiembre | 93 | 33 | 126 |
2024 Agosto | 125 | 70 | 195 |
2024 Julio | 111 | 30 | 141 |
2024 Junio | 118 | 46 | 164 |
2024 Mayo | 122 | 49 | 171 |
2024 Abril | 83 | 27 | 110 |
2024 Marzo | 95 | 51 | 146 |
2024 Febrero | 106 | 36 | 142 |
2024 Enero | 130 | 47 | 177 |
2023 Diciembre | 119 | 21 | 140 |
2023 Noviembre | 98 | 52 | 150 |
2023 Octubre | 111 | 37 | 148 |
2023 Septiembre | 54 | 31 | 85 |
2023 Agosto | 135 | 38 | 173 |
2023 Julio | 186 | 71 | 257 |
2023 Junio | 123 | 62 | 185 |