Desarrollo y evaluación de una herramienta basada en inteligencia artificial para puntuar la gravedad de las lesiones en imágenes clínicas de psoriasis pustulosa generalizada
Publicado en JID Innovations, este estudio revisado por pares presenta el Generalized Pustular Psoriasis Physician Global Assessment automático (AGPPGA), una herramienta basada en inteligencia artificial que puntúa la pustulación, el eritema y la descamación a partir de imágenes clínicas de psoriasis pustulosa generalizada (PPG), una enfermedad rara y potencialmente mortal cuya gravedad es difícil de evaluar de forma homogénea.
Sabater A, Medela A, Hernández Montilla I, Aguilar Robles SA, Mac Carthy T, Mollet Sanchez J, Baniandrés O, Izu-Belloso R, Mataix Díaz J, Rueda JM, Sanz-Motilva V, Chowdhry GSS, Semeco J, Martorell A. Development and assessment of an artificial intelligence–based tool for scoring lesion severity in generalized pustular psoriasis clinical images. JID Innovations. 2026;6:100521. https://doi.org/10.1016/j.xjidi.2026.100521
Resumen
- Tipo de estudio: Desarrollo y validación retrospectiva de una herramienta de puntuación de gravedad basada en IA
- Revista: JID Innovations (2026)
- DOI: https://doi.org/10.1016/j.xjidi.2026.100521
- Conjuntos de datos: 2 conjuntos de imágenes de PPG, V1 (332 imágenes) y V2 (4296 imágenes de 46 pacientes), con diversidad de sexos, edades y tonos de piel
- Estándar de referencia: consenso de 2 paneles de dermatólogos con certificación europea y experiencia en psoriasis y PPG (3 anotadores para V1 y 4 para V2)
- Objetivo: Evaluar automáticamente los 3 signos visuales del GPPGA (pústulas, eritema y descamación) y comparar la concordancia de la herramienta con el consenso de expertos frente a la de los propios dermatólogos
Antecedentes y justificación
La psoriasis pustulosa generalizada es una enfermedad inflamatoria sistémica, crónica y rara, con un curso clínico impredecible y heterogéneo, caracterizada por pústulas, eritema y periodos de brote. Una evaluación precisa de la gravedad de la enfermedad ayuda a los médicos a definir los objetivos terapéuticos y a valorar la respuesta al tratamiento.
El GPPGA gradúa las pústulas, el eritema y la descamación en una escala de 5 puntos (0 = ausente, 1 = casi ausente, 2 = leve, 3 = moderado y 4 = grave), y la puntuación global es la media de los 3 componentes. Como otras escalas de puntuación, está limitado por la subjetividad de la evaluación manual y por el tiempo que requiere completarla, y estas dificultades son mayores para los médicos que no son dermatólogos. AGPPGA se diseñó dentro del paradigma de la inteligencia aumentada: no para sustituir el juicio clínico, sino para ofrecer una referencia objetiva y reproducible que aumente la confianza y la homogeneidad de los médicos que tratan esta enfermedad rara.
Diseño
AGPPGA es un modelo de visión artificial basado en aprendizaje profundo que combina un codificador de imagen (CAFormer-S), un bloque multitarea de mezcla de expertos y 3 cabezales específicos, uno para cada signo visual del GPPGA. Este diseño evalúa los 3 signos a partir de una sola imagen y evita la pérdida de rendimiento que puede producirse cuando una tarea interfiere con otra.
El modelo se entrenó y evaluó con validación cruzada de 4 particiones sobre 2 conjuntos de datos:
- V1: 332 imágenes centradas en la lesión, 101 del ensayo clínico EFFISAYIL 1 y el resto de atlas dermatológicos públicos, con predominio de tonos de piel claros
- V2: 4296 imágenes de alta resolución de amplias zonas corporales de 46 pacientes del ensayo clínico EFFISAYIL 2, con predominio de tonos de piel medios a oscuros y con particiones estrictas a nivel de paciente
Se añadió un tercer conjunto de 50 imágenes de piel sana o de lesiones inespecíficas para fijar la referencia de ausencia de enfermedad (GPPGA = 0). El rendimiento se midió con la exactitud, el kappa de Cohen con ponderación cuadrática y el error absoluto medio (MAE) de la puntuación final del GPPGA.
Figura 5: Mapas de saliencia calculados sobre imágenes de los conjuntos V1 y V2
Cada fila muestra una imagen clínica original seguida de los mapas de saliencia de pustulación, eritema y descamación, con el grado de gravedad evaluado por AGPPGA. El modelo se centra de forma sistemática en las lesiones de PPG y en sus bordes, y no en el fondo ni en otros artefactos del contexto: por ejemplo, atiende a los píxeles más claros para evaluar la descamación y a la transición entre piel sana y piel eritematosa para evaluar el eritema.
Resultados
Concordancia con el consenso de expertos
Tabla 1: Rendimiento de AGPPGA y de los dermatólogos anotadores con respecto al consenso de expertos
| Conjunto | Evaluador | Exactitud | Kappa de Cohen | MAE del GPPGA |
|---|---|---|---|---|
| V1 | AGPPGA | 0.62 ± 0.04 | 0.74 ± 0.04 | 0.30 ± 0.01 |
| V1 | Dermatólogos | 0.70 ± 0.01 | 0.79 ± 0.02 | 0.32 ± 0.02 |
| V2 | AGPPGA | 0.64 ± 0.02 | 0.82 ± 0.02 | 0.31 ± 0.01 |
| V2 | Dermatólogos | 0.65 ± 0.02 | 0.80 ± 0.02 | 0.33 ± 0.02 |
Resultados agregados de los 3 signos visuales del GPPGA, expresados como media ± DE de las 4 particiones de validación cruzada. En la exactitud y el kappa de Cohen, un valor más alto es mejor; en el MAE de la puntuación final del GPPGA, un valor más bajo es mejor. AGPPGA obtiene un MAE del GPPGA inferior al de los dermatólogos en ambos conjuntos y un kappa de Cohen superior en el conjunto V2, más estandarizado.
Tabla 2: Kappa de Cohen por signo visual del GPPGA
| Conjunto | Evaluador | Pústulas | Eritema | Descamación |
|---|---|---|---|---|
| V1 | AGPPGA | 0.76 | 0.75 | 0.72 |
| V1 | Dermatólogos | 0.78 | 0.80 | 0.79 |
| V2 | AGPPGA | 0.71 | 0.86 | 0.88 |
| V2 | Dermatólogos | 0.68 | 0.86 | 0.86 |
Kappa de Cohen medio con ponderación cuadrática en las 4 particiones de validación cruzada. En el conjunto V2, AGPPGA iguala o supera a los dermatólogos en todos los signos visuales, con mejoras significativas en pustulación y descamación.
En cuanto a la significación estadística, AGPPGA fue estadísticamente indistinguible del panel de expertos agregado en el conjunto V1, más heterogéneo, y estadísticamente superior en el conjunto V2, más estandarizado, tanto en los signos visuales agregados como en la puntuación final del GPPGA. La gran mayoría de las clasificaciones erróneas correspondieron a categorías de gravedad adyacentes, por lo que los errores grandes y clínicamente peligrosos, como clasificar un caso grave como ausente, fueron excepcionalmente raros.
Rendimiento según las características demográficas de los pacientes
Tabla 3: Rendimiento en el conjunto V2 estratificado por sexo y edad del paciente
| Subgrupo | Pacientes | Muestras | Kappa de Cohen de AGPPGA | Kappa de Cohen de los dermatólogos | MAE del GPPGA de AGPPGA | MAE del GPPGA de los dermatólogos |
|---|---|---|---|---|---|---|
| Mujeres | 32 | 760 | 0.80 | 0.78 | 0.29 | 0.33 |
| Hombres | 14 | 328 | 0.74 | 0.73 | 0.35 | 0.41 |
| De 21 a 34 años | 11 | 384 | 0.77 | 0.81 | 0.32 | 0.34 |
| De 35 a 49 años | 22 | 544 | 0.81 | 0.76 | 0.29 | 0.35 |
| De 50 a 66 años | 13 | 160 | 0.73 | 0.68 | 0.35 | 0.44 |
Valores correspondientes a la primera partición de validación cruzada. El rendimiento fue comparable entre sexos y grupos de edad, y AGPPGA obtuvo un MAE del GPPGA inferior al de los dermatólogos en todos los subgrupos.
Tabla 4: Rendimiento en los conjuntos V1 y V2 estratificado por fototipo de Fitzpatrick
| Conjunto | Fototipo de Fitzpatrick | Kappa de Cohen de AGPPGA | Kappa de Cohen de los dermatólogos | MAE del GPPGA de AGPPGA | MAE del GPPGA de los dermatólogos |
|---|---|---|---|---|---|
| V1 | I-II | 0.74 | 0.78 | 0.30 | 0.31 |
| V1 | III-IV | 0.78 | 0.82 | 0.35 | 0.35 |
| V1 | V-VI | - | - | 0.17 | 0.33 |
| V2 | I-II | 0.68 | 0.74 | 0.31 | 0.34 |
| V2 | III-IV | 0.77 | 0.76 | 0.30 | 0.35 |
| V2 | V-VI | 0.81 | 0.77 | 0.32 | 0.37 |
Valores correspondientes a la primera partición de validación cruzada. El kappa de Cohen no puede calcularse cuando todas las muestras pertenecen a una sola categoría, como ocurre en el pequeño subgrupo V-VI de V1. AGPPGA obtuvo un MAE del GPPGA inferior o igual al de los dermatólogos en todos los fototipos de ambos conjuntos.
Conclusiones
AGPPGA alcanzó una concordancia sustancial con los dermatólogos expertos (kappa de Cohen de 0.74 o superior) y un cálculo preciso de la puntuación del GPPGA (MAE de 0.31 o inferior) en todos los signos visuales y en una amplia diversidad de sexos, edades y tonos de piel. Su rendimiento fue estadísticamente indistinguible del panel de expertos en el conjunto V1 y estadísticamente superior en el conjunto V2, más estandarizado.
La herramienta está pensada para graduar la gravedad de las lesiones de PPG, no para diagnosticarlas, y su rendimiento depende de la calidad de las imágenes: buena iluminación, ausencia de desenfoque por movimiento e imágenes de alta resolución tomadas a una distancia adecuada para que las pústulas pequeñas sigan siendo visibles. Al proporcionar evaluaciones objetivas y reproducibles, AGPPGA puede apoyar a los profesionales no especialistas, reducir la variabilidad inter e intraobservador entre los dermatólogos expertos y ayudar a estandarizar la puntuación de la gravedad en la investigación de enfermedades raras y en los ensayos clínicos multicéntricos.
El GPPGA automático ofrece un método reproducible que puede abordar la subjetividad de la evaluación manual y facilitar la estandarización de la evaluación de la gravedad de la PPG.