¿Están validados científicamente los algoritmos de Legit.Health?
Legit.Health ha sido validado clínicamente en diversos entornos sanitarios por especialistas líderes en sus campos. Nuestra tecnología ha demostrado su eficacia en la mejora del diagnóstico y el seguimiento, con estudios específicos centrados en ciertas patologías para evaluar la sensibilidad y la precisión.
Varios de estos estudios han sido publicados en revistas prestigiosas de dermatología, mientras que otros se encuentran en distintas etapas de publicación. Además, también proporcionamos evidencia clínica durante el proceso de certificación como dispositivo médico, algunas de las cuales no se han hecho públicas.
You can find a full list of our scientific evidence in the Validation section of our website.
ValidationClinical validation
Find out everything about our clinical validation process and our scientific evidence, including publications, congress presentations, and clinical trials.
Hoja de ruta
El siguiente diagrama de Gantt muestra la hoja de ruta de nuestras actividades de validación clínica. Nuestro compromiso con el avance del estado del arte nos motiva a expandir continuamente nuestra investigación.
Respuesta breve
Sí, Legit.Health ha sido validado clínicamente en diversos entornos sanitarios por destacados especialistas en sus campos. Nuestra tecnología ha demostrado su eficacia en mejorar el diagnóstico y seguimiento, con estudios específicos centrados en ciertas patologías para evaluar sensibilidad y precisión.
Varios de estos estudios se han publicado en prestigiosas revistas de dermatología y otros se encuentran en distintas fases de publicación. Además, también aportamos pruebas clínicas durante el proceso de certificación como producto sanitario, algunas de las cuales no se han hecho públicas.
Respuesta detallada
La tecnología detrás de Legit.Health es compleja y multifacética. Detrás de un proceso aparentemente simple para el usuario, interactúan varios algoritmos. De hecho, nuestra tecnología integra múltiples algoritmos no solo para apoyar la evaluación de la gravedad de las enfermedades, sino también para optimizar la precisión de la derivación, garantizar la calidad de la imagen y medir la eficacia del tratamiento.
Dermatitis Atópica
Nuestro estudio ASCORAD (Puntuación Automática de Dermatitis Atópica) fue publicado en la revista Journal of Investigative Dermatology (JID) Innovations en colaboración con el Dr. Ramón Grimalt. Este estudio detalla nuestro enfoque para automatizar la evaluación de la gravedad de la dermatitis y el eccema.
Medela A, Mac Carthy T, Aguilar Robles SA, Chiesa-Estomba CM, Grimalt R. Automatic SCOring of Atopic Dermatitis Using Deep Learning: A Pilot Study. JID Innov. 2022;2(3):100107. https://doi.org/10.1016/j.xjidi.2022.100107
Este trabajo también es reconocido en la literatura científica reciente, destacando su potencial para revolucionar la evaluación de la gravedad de la dermatitis atópica.
(...) muy prometedor es el intento de llegar a una definición automática de la gravedad de la DA utilizando CNN (...) para lograr una precisión de puntuación de eritema, papulación, excoriación y liquenificación comparable a la de los dermatólogos (...). Los avances aplicativos computacionales en esta dirección han llevado al diseño más reciente de la Puntuación Automática de la Dermatitis Atópica (ASCORAD).
Hidradenitis Supurativa
El AIHS4, nuestro nuevo sistema para puntuar la Hidradenitis Supurativa, se detalla en Skin Research and Technology. Este estudio muestra nuestro compromiso por desarrollar soluciones de IA para patologías dermatológicas complejas.
Hernández Montilla I, Medela A, Mac Carthy T, Aguilar A, Gómez Tejerina P, Vilas Sueiro A, González Pérez AM, Vergara de la Campa L, Luna Bastante L, García Castro R, Alfageme Roldán F. Automatic International Hidradenitis Suppurativa Severity Score System (AIHS4): A novel tool to assess the severity of hidradenitis suppurativa using artificial intelligence. Skin Res Technol. 2023;29(6):e13357. https://doi.org/10.1111/srt.13357
El AIHS4 ha sido destacado en publicaciones científicas recientes, como el siguiente artículo del Consejo Nacional de Investigación de Italia y las Universidades de Palermo y Messina:
(...) para superar el IHS4, que es consumidor de tiempo y está sujeto a variabilidad, se introduce el AIHS4, utilizando un modelo de DL, Legit.Health-IHS4net, para la detección de lesiones (...). Esta evidencia destaca la utilidad de la IA en la dermatología basada en la evidencia, ofreciendo una herramienta potencial para capacitar a los dermatólogos en la práctica diaria y los ensayos clínicos.
También hemos presentado el IHS4 en varios congresos. Por ejemplo, la siguiente imagen muestra nuestro póster en el congreso nacional de dermatología de 2022 (AEDV).
Urticaria (Ronchas)
El sistema de Puntuación Automática de Actividad de Urticaria (AUAS) ha sido publicado en Journal of Investigative Dermatology (JID) Innovations, mostrando nuestro enfoque basado en aprendizaje profundo para la evaluación de la gravedad de la urticaria.
Mac Carthy T, Hernández Montilla I, Aguilar A, García Castro R, González Pérez AM, Vilas Sueiro A, Vergara de la Campa L, Alfageme F, Medela A. Automatic Urticaria Activity Score: Deep Learning-Based Automatic Hive Counting for Urticaria Severity Assessment. JID Innov. 2024;4(1):100218. https://doi.org/10.1016/j.xjidi.2023.100218
Nuestro trabajo en el AUAS fue presentado en congresos como la reunión anual de la AEDV en el año 2021. El siguiente video muestra una breve explicación del AUAS en el congreso mencionado anteriormente:
En este video (en español), Taig Mac Carthy, coautor de la publicación, explica cómo funciona la UAS automática para la urticaria, en el congreso anual de la Academia Española de Dermatología.
Calidad de imagen
También publicamos nuestra investigación sobre la tecnología no diagnóstica. Tal es el caso de la Evaluación de la Calidad de Imágenes Dermatológicas (DIQA), que garantiza la utilidad clínica de las imágenes para consultas remotas y ensayos clínicos. Esto fue publicado en el Journal of the American Academy of Dermatology.
Hernández Montilla I, Mac Carthy T, Aguilar A, Medela A. Dermatology Image Quality Assessment (DIQA): Artificial intelligence to ensure the clinical utility of images for remote consultations and clinical trials. J Am Acad Dermatol. 2023;88(4):927-928. https://doi.org/10.1016/j.jaad.2022.11.002
En este video (en español), Taig Mac Carthy, coautor de la publicación, explica cómo funciona la inteligencia artificial de derivación, incluida la Garantía de Calidad de Imágenes, en el congreso anual de la Academia Española de Dermatología.
Comunicación oral en el congreso anual de la Academia Española de Dermatología (AEDV).
Psoriasis
Nuestro trabajo en el APASI, el Sistema Automático de Puntuación de Psoriasis desarrollado por nuestro equipo, fue reconocido por la AEDV con un premio en la categoría de imágenes médicas.
Otras investigaciones
También estamos trabajando para implementar nuestra tecnología en nuevas áreas del conocimiento médico, como el caso de nuestra colaboración con el Dr. Sergio Vañó y su equipo del Hospital Ramón y Cajal, que están liderando la aplicación de la tecnología de IA para medir la gravedad de la alopecia frontal fibrosante (FFA).
Otro ejemplo del equipo de Legit.Health ampliando el alcance de la tecnología algorítmica de aprendizaje profundo aplicada a la medicina sería la parálisis facial. El Dr. Goiztidi Díaz Basterra, el Dr. Luis Barbier Herrero y la Dra. Estíbaliz Ortiz de Zárate están liderando un esfuerzo en el Hospital de Basurto para aplicar esta tecnología avanzada a este campo.
Un buen ejemplo sería el extenso ensayo clínico en el que la Dra. Leticia Calzado está liderando en el Hospital de Torrejón, donde ella y su equipo están validando el proceso de diagnóstico asistido por ordenador con excelentes resultados.
En algunos casos, los resultados prometedores han llevado a los equipos de investigación a ampliar el alcance del estudio. Como el estudio que se lleva a cabo tanto en el Hospital de Cruces como en el Hospital de Basurto bajo la supervisión de los Dres. Jesús Gardeazabal y Rosa María Izu Belloso, estudiando las opciones de diagnóstico asistido por ordenador en el caso del Melanoma.
Trabaja con nosotros
En Legit.Health, estamos trabajando para mejorar aún más la tecnología, esforzándonos por crear herramientas aún mejores. Esto incluye, por ejemplo, mejorar la diferenciación entre tipos de lesiones de HS, o asegurarnos de que la tecnología funcione correctamente en todos los fototipos de piel.
Si deseas trabajar con nosotros, por favor completa el siguiente formulario y nos pondremos en contacto contigo lo antes posible.
Agendemosuna demostración
Legit.Health es la solución de inteligencia artificial todo en uno con alto rendimiento, características exclusivas y respaldo clínico.
