A Generative AI Approach for Reducing Skin Tone Bias in Skin Cancer Classification

Título: Un Enfoque de IA Generativa para Reducir el Sesgo de Tono de Piel en la Clasificación de Cáncer de Piel

1. El Problema

El cáncer de piel es una de las enfermedades más comunes a nivel mundial, y la detección temprana es crucial. Sin embargo, las herramientas de diagnóstico basadas en Inteligencia Artificial (IA) actuales sufren de un sesgo significativo debido a la falta de diversidad en los conjuntos de datos.

• Desbalance Demográfico: El conjunto de datos ISIC (International Skin Imaging Collaboration), el estándar de referencia más utilizado, contiene más del 70% de imágenes de piel clara, mientras que las pieles oscuras (Fitzpatrick V y VI) representan menos del 8%.
• Consecuencias Clínicas: Los modelos entrenados con estos datos sesgados tienden a tener un rendimiento inferior en pacientes con piel oscura, lo que conduce a diagnósticos erróneos o retrasados y perpetúa las disparidades en la atención sanitaria.
• Limitaciones de Recolección: Obtener más imágenes reales de lesiones en pieles oscuras es difícil debido a regulaciones de privacidad, barreras institucionales y la escasez de datos anotados de grupos subrepresentados.

2. Metodología

Los autores proponen una tubería (pipeline) de aumentación sintética dirigida utilizando IA Generativa para equilibrar la representación de tonos de piel oscuros. El proceso consta de seis etapas principales:

• Análisis y Selección de Datos:

  • Se utilizó el conjunto de datos ISIC (17,728 imágenes).
  • Se calculó el Ángulo de Tipología Individual (ITA) para clasificar objetivamente el tono de piel y mapearlo a la escala Fitzpatrick (FST).
  • Se identificó un subconjunto subrepresentado de 1,407 imágenes de piel oscura (FST V y VI).

• Generación de Imágenes Sintéticas (LoRA + Stable Diffusion):

  • Se empleó un modelo Stable Diffusion preentrenado.
  • Se aplicó LoRA (Low-Rank Adaptation) para ajustar finamente el modelo específicamente en el subconjunto de piel oscura, congelando los pesos base y entrenando solo matrices de bajo rango en las capas de atención. Esto permite una adaptación eficiente con pocos parámetros.
  • Se generaron 808 imágenes sintéticas de dermoscopia condicionadas por tipo de lesión (melanocítica vs. no melanocítica) y tono de piel.
  • Validación Cuantitativa: Las imágenes generadas se validaron mediante métricas estadísticas (histogramas de color, SSIM, GLCM) para asegurar la similitud estructural y eliminar artefactos.

• Integración y Preprocesamiento:

  • Las imágenes sintéticas se fusionaron con el conjunto original, creando un dataset aumentado de 18,536 imágenes.
  • Se aplicó un preprocesamiento estandarizado: redimensionamiento (224x224), normalización de color, eliminación de ruido (Non-Local Means), corrección gamma y ecualización de histograma adaptativa (CLAHE).

• Evaluación en Tareas Descendentes:

  1. Segmentación de Lesiones: Se entrenó una red neuronal convolucional (CNN) para la delimitación de bordes. Se evaluó exclusivamente en imágenes reales (sin sintéticas en el set de prueba) para verificar si las características aprendidas de los datos sintéticos se transfieren a casos reales.
  2. Clasificación Binaria: Se utilizó EfficientNet-B0 para clasificar lesiones como melanocíticas o no melanocíticas. Se comparó el rendimiento del modelo entrenado solo con datos reales frente al modelo entrenado con datos reales + sintéticos.

3. Contribuciones Clave

• Pipeline Novel: Desarrollo de un flujo de trabajo integral que utiliza LoRA y Stable Diffusion para abordar específicamente el desbalance demográfico en dermatología.
• Aumento de Representación: Demostración práctica de cómo aumentar la representación de los tipos de piel Fitzpatrick V-VI en el dataset ISIC mediante generación sintética de alta calidad.
• Evaluación Rigurosa: Validación en dos tareas independientes:
  • La segmentación en datos reales puramente demuestra que las imágenes sintéticas aportan información estructural válida.
  • La clasificación demuestra la mejora en la precisión diagnóstica al incluir datos sintéticos.
• Análisis de Limitaciones: Discusión honesta sobre la validez clínica, la necesidad de validación por dermatólogos y los desafíos de generalización.

4. Resultados

• Segmentación (Verificación de Calidad):

  • El modelo CNN entrenado con datos aumentados superó consistentemente al modelo base (entrenado solo con datos reales) y al algoritmo tradicional Max-Flow.
  • Mejoras en Métricas:
    • IoU (Intersección sobre Unión): Aumentó de 0.82 a 0.85.
    • Coeficiente Dice: Aumentó de 0.88 a 0.90.
    • Distancia Hausdorff: Disminuyó de 12 a 10 píxeles (mejor adherencia a los bordes).
  • Esto confirma que las imágenes sintéticas capturan características estructurales clínicamente relevantes.

• Clasificación (Diagnóstico):

  • El modelo EfficientNet-B0 entrenado con el dataset aumentado mostró mejoras significativas:
    • Precisión (Accuracy): Subió del 85.45% al 92.14%.
    • Precisión (Precision): 0.82 $\rightarrow$ 0.89.
    • Recall (Sensibilidad): 0.78 $\rightarrow$ 0.87.
    • F-Score: 0.80 $\rightarrow$ 0.88.
  • Nota sobre el AUC: El Área bajo la Curva (AUC) de validación disminuyó ligeramente (de 0.9765 a 0.9480). Los autores atribuyen esto a la mayor complejidad distribucional introducida por las imágenes sintéticas, lo que dificulta la clasificación de casos "inciertos" en la escala de probabilidades, aunque la clasificación binaria directa mejora.

• Eficiencia Computacional:

  • La inferencia de clasificación es rápida (60 ms/imagen), adecuada para despliegue clínico.
  • La generación de imágenes sintéticas es más lenta (4-6 segundos/imagen), lo que la hace viable para la preparación de datos offline pero no para tiempo real.

5. Significado y Futuro

• Impacto en la Equidad: Este trabajo demuestra que la IA generativa puede ser una herramienta poderosa para mitigar sesgos demográficos en diagnósticos médicos, mejorando la equidad sin sacrificar la eficiencia clínica.
• Validez Clínica: Aunque los resultados computacionales son prometedores, el estudio señala que falta una validación clínica rigurosa por parte de dermatólogos para confirmar la plausibilidad clínica de las imágenes sintéticas.
• Direcciones Futuras:
  • Realizar pruebas de generalización estrictas en conjuntos de datos reales exclusivamente.
  • Aumentar el volumen de datos sintéticos y equilibrar también las clases de cáncer (melanoma vs. no melanoma), no solo los tonos de piel.
  • Integrar la segmentación como una herramienta de explicabilidad (XAI) para apoyar la toma de decisiones clínicas.
  • Validación interdisciplinaria a través de ensayos clínicos prospectivos.

En resumen, el artículo presenta una solución técnica viable para un problema ético y clínico crítico, utilizando la generación sintética para crear modelos de IA más justos y precisos para pacientes de piel oscura.