Introducción
El futuro de la dermatología ya está aquí gracias a Legit.Health y su revolucionaria implementación del PASI. Presentamos el APASI, la versión automática del PASI (Automatic Psoriasis Area and Severity Index). Usando algoritmos de reconocimiento de imagen, los investigadores han creado una herramienta que procesa imágenes obtenidas con un smartphone y automáticamente las traduce al dominio del PASI.
Se sabe que una obtención de datos objetiva, fiable y precisa es indispensable para la medicina basada en la evidencia. Cuando hablamos de la psoriasis, el PASI ha demostrado tener las mejores propiedades clinimétricas y es el más recomendado para el uso en ensayos clínicos. Es por eso que automatizamos el PASI para ayudar a los pacientes y médicos a lograr mejores resultados de salud.
Los orígenes del PASI
Este sistema de puntuación para la psoriasis se publicó por primera vez en un artículo escrito por T. Fredericksson y U. Pettersson en 1978, cuando estaban explorando un nuevo tratamiento para la enfermedad.
Su fórmula para determinar la gravedad de la afección pasaría a convertirse en el gold standard para dermatólogos a lo largo y ancho del globo, y es, aún a día de hoy, ampliamente utilizada.
What is the best scoring system for psoriasis?
Para calcular el PASI, multiplicó la suma de la severidad de estos tres cambios principales por el valor numérico de las áreas involucradas y por los distintos porcentajes de las cuatro áreas corporales. Después, suma estos valores para obtener el PASI.
Fredriksson, T., & Pettersson, U. (1978). Severe Psoriasis – Oral Therapy with a New Retinoid. Dermatology, 157(4), 238–244. doi:10.1159/000250839
¿Quieres probar la inteligencia artificial por ti mismo?
Las limitaciones del PASI de papel y lápiz
El principal objetivo del PASI es proporcionar una herramienta para registrar datos de forma precisa y consistente para evaluaciones rutinarias y estudios clínicos. Sin embargo, trae consigo una serie de problemas y limitaciones.
Encontramos una variación sustancial [en los resultados] entre médicos experimentados e inexpertos que utilizan PASI
Richard G. Langley, MD,a and Charles N. Ellis, MDb Halifax, Nova Scotia, and Ann Arbor. Michigan Evaluating psoriasis with Psoriasis Area and Severity Index, Psoriasis Global Assessment, and Lattice System Physician’s Global Assessment
Además de la variación entre observadores, muchos médicos han señalado que rellenar el PASI es muy tedioso y consume demasiado tiempo, y que no lo utilizan en su día a día.
Calculadoras digitales: una solución a medio gas
Con la llegada y popularización de los ordenadores, varias versiones digitales del PASI han sido desarrolladas en un intento de reducir el tiempo malgastado en realizar estos cálculos. Estas calculadoras online se enfrentan, de forma poco eficiente, solo a uno de los problemas del PASI tradicional: si bien los cálculos matemáticos son realizados automáticamente, el médico sigue teniendo que rellenar el valor para cada parámetro.
No solo sigue requiriendo el tiempo y atención del médico, sino que tampoco hace nada para solucionar los múltiples problemas de falta de objetividad y reproducibilidad que tiene el sistema PASI.
¿Como sabemos que sistema de puntuación es mejor?
Entre los muchos criterios para evaluar la calidad de los datos clínicos, algunos destacan como clave para determinar que escala de puntuación es mas útil.
- Facilidad de uso: se puede aplicar fácilmente, dadas las limitaciones de tiempo y dinero.
- Sensibilidad al cambio: la capacidad de detectar cambios clínicamente significativos a lo largo del tiempo.
- Fiabilidad inter-observador: diferentes investigadores proporcionan resultados idénticos.
- Variabilidad intra-observador: mediciones repetidas por el mismo investigador proporcionan resultados idénticos.
- Interpretabilidad: asigna significado cualitativo a las puntuaciones (leve, severa…).
Methods and definitions to rate the quality of outcome measures. Schmitt, J., Langan, S., Deckert, S., Svensson, A., von Kobyletzki, L., Thomas, K., & Spuls, P. (2013). Assessment of clinical signs of atopic dermatitis: A systematic review and recommendation. Journal of Allergy and Clinical Immunology, 132(6), 1337–1347. doi:10.1016/j.jaci.2013.07.008
Seis formas en las que el APASI es mejor
Legit.Health es la revolucionaria herramienta de comunicación y obtención de datos clínicos para dermatólogos de última generación que triplica el empoderamiento de pacientes.
Tras 12 meses usando Legit.Health, en los que analizamos la aplicabilidad de la herramienta en nuestro hospital, hemos extraído conclusiones que ayudan a plantear una nueva paradigma asistencial en el seguimiento de la psoriasis.
Dra. Elena Sánchez-Largo, Hospital de Torrejón
El propósito de los algoritmos de deep learning es salvar a los médicos de la tediosa tarea de calcular los sistemas de puntuación de forma manual y permitir la práctica de una dermatología más objetiva y basada en la evidencia mientras acelera el proceso de diagnóstico de la patología y aumenta la autonomía y el control del paciente.
Los algoritmos de Legit.Health puntúan automáticamente lesiones simplemente mirando a una imagen sacada con el móvil y un breve cuestionario respondido por el paciente. En otras palabras: la herramienta rellenará automáticamente la mayoría de los sistemas de medición dermatológicos como PASI, SCORAD, UAS, GAGS, y muchos más.
El principal objetivo del APASI es proveer de una herramienta para recoger datos de forma precisa y consistente para evaluaciones rutinarias y estudios clínicos.
Pen and Paper | Digital | Automatic AI | |
---|---|---|---|
Self-supervision | – | – | Perform diagnosis |
Ease of use | ≈ 600 seconds | ≈ 420 seconds | ≈ 23 seconds |
Sensitivity to change | 0 to 4 | 0 to 4 | 0 to 100 |
Interobserver variability | Medium (20%) | Medium (20%) | Lowest (8%) |
Intra-observer variability | High | High | Zero |
1. APASI ayuda al médico en el diagnóstico de la enfermedad
El algoritmo desarrollado por Legit.Health no se limita a medir la gravedad de la afección como hace el PASI, sino que también ha sido entrenado usando la pericia de expertos dermatólogos para ser capaz de distinguir entre 232 patologías, incluyendo la mayoría de los tipos de psoriasis.
Esto quiere decir que el APASI puede distinguir entre distintos tipos de psoriasis y ayudar al médico en el proceso de diagnóstico; no solo ofreciendo información relevante para hacerlo más rápido, sino mejorando el ratio de diagnóstico correcto alrededor de un 23%.
¿Quieres probar la inteligencia artificial por ti mismo?
2. Más fácil de usar y más rápido que cualquier otro método
Mientras que un médico experimentado puede necesitar entre seis y siete minutos para rellenar y calcular completamente la puntuación del PASI de un paciente, y uno inexperto puede necesitar hasta diez minutos, el algoritmo de Legit.Health solo necesita 23 segundos para lograr el resultado final.
Esto es clave desde el punto de vista de la gestión del tiempo, permitiendo al médico emplear su limitado tiempo con el paciente de forma más eficiente. Además, también ayuda desde un punto de vista clínico. El hecho, es que muchos médicos no rellenan ningún sistema de puntuación porque consideran este proceso muy largo y tedioso, y prefieren realizar una estimación «a ojo» de la gravedad de la enfermedad, algo profundamente incompatible con el ideal moderno de una medicina basada en la evidencia.
3. APASI detecta pequeños cambios en la evolución de la patología

La herramienta de Legit.Health analiza las patologías usando un sistema validado clínicamente que tiene un MID más bajo (Minimal Important Difference) y es sensible al LDC más bajo (Lowest Detectable Change); lo que significa que el algoritmo analiza cada imagen con más precisión y atención al detalle de la que está al alcance de ningún observador humano.
En los ensayos clínicos, la cuantificación de la enfermedad es fundamental. Para medir la eficacia de un tratamiento, es necesario comparar la gravedad de la enfermedad antes de la terapia con la gravedad después del tratamiento.
Richard G. Langley, MD,a and Charles N. Ellis, MDb Halifax, Nova Scotia, and Ann Arbor, Michigan Evaluating psoriasis with Psoriasis Area and Severity Index, Psoriasis Global Assessment, and Lattice System Physician’s Global Assessment
Es más, APASI tiene validez y consistencia más altas, mientras mantiene propiedades clinimétricas comparables al sistema tradicional, gracias al funcionamiento intrínseco de los algoritmos de identificación de imagen.
4. Reduce de forma significativa la variabilidad inter-observador
Nuestros datos indican que incluso los investigadores experimentados tuvieron dificultades con PASI para calificar el área de afectación […], especialmente entre los pacientes con psoriasis más grave.
Richard G. Langley, MD,a and Charles N. Ellis, MDb Halifax, Nova Scotia, and Ann Arbor, Michigan Evaluating psoriasis with Psoriasis Area and Severity Index, Psoriasis Global Assessment, and Lattice System Physician’s Global Assessment
Los resultados experimentales muestran que el APASI supera los métodos tradicionales cuando se trata de la variabilidad entre observadores, consiguiendo un margen de error máximo de hasta un 13%, mucho menor que el habitual 20% observado en la aplicación clásica de los sistemas de gradación tradicionales.
5. Cero variabilidad intra-observador gracias al APASI
La naturaleza algorítmica del APASI elimina por completo y sin lugar a dudas la variabilidad intra-observador, ya que cada imagen y cada cálculo es almacenado en la base de datos de la aplicación.
Permitiendo que el medico no tenga que fiarse de su memoria cuando está tratando de determinar la severidad de la afección y pueda centrarse en el análisis de los datos objetivos almacenados en la aplicación, reduciendo drásticamente la posibilidad de recordar erróneamente, proporcionando una forma más precisa, objetiva y fiable de realizar el seguimiento de una enfermedad.
Para juzgar el efecto de un tratamiento, la variación en la calificación de un paciente de vez en cuando debe ser baja
Richard G. Langley, MD,a and Charles N. Ellis, MDb Halifax, Nova Scotia, and Ann Arbor, Michigan Evaluating psoriasis with Psoriasis Area and Severity Index, Psoriasis Global Assessment, and Lattice System Physician’s Global Assessment
Esto se convierte en algo especialmente importante durante estudios clínicos, en los que reducir la variabilidad es clave para reunir datos fiables para este tipo de estudios.
6. Datos más accesibles y fáciles de leer
Por último, la interfaz de Legit.Health proporciona acceso a toda la información relevante sobre el paciente presentada de una forma fácil de leer e interpretar.
Todos los datos derivados del APASI se muestran claramente en la pantalla, enseñando la gravedad de la afección y los diferentes factores considerados por el algoritmo al analizar la imagen y sus puntuaciones.
La aplicación también proporciona un gráfico que muestra la evolución de la enfermedad a lo largo del tiempo, haciendo que el seguimiento del proceso de recuperación con el tratamiento sea muy sencillo de evaluar.
¿Quieres probar la inteligencia artificial por ti mismo?
En conclusión
El revolucionario e innovador sistema APASI representa el futuro de la dermatología. El revolucionario e innovador sistema APASI representa el futuro de la dermatología. Dando a los médicos acceso a la mejor herramienta para el diagnóstico de la psoriasis y permitiéndoles practicar una medicina basada en la evidencia, y mejorando la comunicación entre médico y paciente.
Gracias a Legit.Health, médicos de todo el mundo pueden mejorar su ratio de diagnóstico correcto en un 23%, y hacer el seguimiento más fácil consiguiendo que el paciente se convierta en un participante activo de su propio tratamiento.
No se puede negar que el uso de algoritmos que miden la gravedad de una enfermedad cutánea representa el futuro de la dermatología, y que sin lugar a duda, ayudará a mejorar este campo.
Consigue acceso ahora
Esta prueba gratuita de 23 días de Legit.Health otorga a las clínicas y hospitales una visión práctica de cómo impulsar una mayor adherencia y mejorar los resultados de los pacientes, así como mejorar la eficiencia y la calidad de vida.
