Preprocesamiento y análisis comparativo de imágenes dermatoscópicas de lesiones cutáneas benignas y malignas usando herramientas de Python

Resumen

Introducción: El diagnóstico temprano de cáncer de piel requiere bases de datos de calidad. Avances en IA mejoran precisión, pero aún enfrentan desafíos en almacenamiento, representación y evaluación objetiva de imágenes dermatológicas. Objetivo: Explorar la utilización de metodologías cuantitativas de procesamiento y análisis de imágenes digitales para categorizar lesiones cutáneas, evaluando la idoneidad de la base de datos para su uso en modelos de entrenamiento. Metodología: Investigación exploratoria y descriptiva en la que se recopilaron y procesaron imágenes dermatoscópicas de lesiones benignas y malignas, empleando técnicas de segmentación, extracción de características y análisis estadístico mediante el desarrollo de código ejecutable en Python y librerías especializadas. Resultado: Se evidencian diferencias entre las imágenes de lesiones benignas y malignas. Las lesiones benignas presentan valores más elevados y homogéneos en los canales de color rojo, verde y azul, así como un brillo promedio superior y un contraste menor. Las lesiones malignas muestran mayor variabilidad cromática, menor brillo, mayor contraste y una textura más compleja. Discusión: Los resultados coinciden con hallazgos previamente descritos en la literatura, donde se observaron diferencias significativas de contraste entre lesiones malignas vs benignas y presencia de mayor heterogeneidad cromática en imágenes malignas. Conclusión: los resultados obtenidos refuerzan la importancia del análisis cuantitativo y automatizado en la evaluación de imágenes médicas, aportando objetividad y reproducibilidad al análisis de datos complejos. La identificación de patrones diferenciadores en color y textura permite identificar tipos de lesiones.