Avances Recientes en el Diagnóstico del Cáncer de Piel: Eficacia Comparativa de Diferentes Métodos Diagnósticos
DOI:
https://doi.org/10.36489/nursing.2025v30i329p11872-11895Palabras clave:
cáncer de piel, diagnóstico, dermatoscopia, inteligencia artificial, biopsia líquidaResumen
Introducción: El cáncer de piel es uno de los tumores malignos más comunes en todo el mundo, y el melanoma sigue siendo su forma más agresiva. El diagnóstico precoz es fundamental, y las tecnologías emergentes han mejorado la precisión diagnóstica. Métodos: Se realizó una revisión sistemática de la literatura en PubMed, Scopus, Web of Science, ScienceDirect y SciELO, que abarcó estudios publicados entre 2020 y 2025 sobre métodos de diagnóstico
del cáncer de piel. Resultados: Dieciséis estudios cumplieron los criterios de inclusión. Las técnicas ópticas, como la dermatoscopia de gran aumento y la imagen multiespectral, alcanzaron una sensibilidad del 91-94 % y una especificidad del 87-90 %. La biopsia líquida mostró una precisión superior al 85 %, mientras que los métodos
basados en la inteligencia artificial superaron el 90 %, en particular los modelos de aprendizaje profundo. Los
enfoques integrados y educativos mejoraron la sensibilidad diagnóstica en la atención primaria. Conclusión: Los avances en el diagnóstico óptico, molecular y computacional están transformando la detección del cáncer de piel, ofreciendo una mayor precisión y accesibilidad. La integración de estas tecnologías en la práctica clínica mejora la detección precoz y los resultados de los pacientes.
Métricas
Citas
Winkler, J. K., Kommoss, K. S., Vollmer, A. S., Enk, A. H., Haenssle, H. A., & Toberer, F. (2025). Optical super-high magnification dermoscopy of benign and malignant melanocytic lesions in correlation with histopathology. Journal der Deutschen Dermatologischen Gesellschaft = Journal of the German Society of Dermatology : JDDG, 23(5), 610–619. https://doi.org/10.1111/ddg.15640
Troiani, T., De Falco, V., Napolitano, S., Trojaniello, C., & Ascierto, P. A. (2021). How we treat locoregional melanoma. ESMO open, 6(3), 100136. https://doi.org/10.1016/j.esmoop.2021.100136
Ilișanu, M. A., Moldoveanu, F., & Moldoveanu, A. (2023). Multispectral Imaging for Skin Diseases Assessment-State of the Art and Perspectives. Sensors (Basel, Switzerland), 23(8), 3888. https://doi.org/10.3390/s23083888
Kamińska, P., Buszka, K., Zabel, M., Nowicki, M., Alix-Panabières, C., & Budna-Tukan, J. (2021). Liquid Biopsy in Melanoma: Significance in Diagnostics, Prediction and Treatment Monitoring. International journal of molecular sciences, 22(18), 9714. https://doi.org/10.3390/ijms22189714
Chen JY, Fernandez K, Fadadu RP, et al. Skin Cancer Diagnosis by Lesion, Physician, and Examination Type: A Systematic Review and Meta-Analysis. JAMA Dermatol. 2025;161(2):135–146. doi:10.1001/jamadermatol.2024.4382
Gupta, A., Bansal, K., Arti, Anand, R., Sabharwal, A., Reddy, S.R.N. (2025). Comprehensive Review of Deep Learning Techniques for Skin Cancer Diagnosis. In: Hassanien, A.E., Anand, S., Jaiswal, A., Kumar, P. (eds) Innovative Computing and Communications. ICICC 2025. Lecture Notes in Networks and Systems, vol 1431. Springer, Singapore. https://doi.org/10.1007/978-981-96-6681-2_36
Gonna, N., Tran, T., Bassett, R. L., Farris, D. P., & Nelson, K. C. (2022). Sensitivity and specificity for skin cancer diagnosis in primary care providers: a systematic literature review and meta-analysis of educational interventions and diagnostic algorithms. Journal of Cancer Education, 37(5), 1563-1572.
Varga, N. N., Gulyás, L., Meznerics, F. A., Barkovskij-Jakobsen, K. S., Szabó, B., Hegyi, P., Bánvölgyi, A., Medvecz, M., & Kiss, N. (2025). Diagnostic Accuracy of Novel Optical Imaging Techniques for Melanoma Detection: A Systematic Review and Meta-Analysis. International journal of dermatology, 64(10), 1813–1824. https://doi.org/10.1111/ijd.17828
Saeed, W., Shahbaz, E., Maqsood, Q., Ali, S. W., & Mahnoor, M. (2024). Cutaneous Oncology: Strategies for Melanoma Prevention, Diagnosis, and Therapy. Cancer control : journal of the Moffitt Cancer Center, 31, 10732748241274978. https://doi.org/10.1177/10732748241274978
Naseri, H., & Safaei, A. A. (2025). Diagnosis and prognosis of melanoma from dermoscopy images using machine learning and deep learning: a systematic literature review. BMC cancer, 25(1), 75. https://doi.org/10.1186/s12885-024-13423-y
Höhn, J., Hekler, A., Krieghoff-Henning, E., Kather, J. N., Utikal, J. S., Meier, F., Gellrich, F. F., Hauschild, A., French, L., Schlager, J. G., Ghoreschi, K., Wilhelm, T., Kutzner, H., Heppt, M., Haferkamp, S., Sondermann, W., Schadendorf, D., Schilling, B., Maron, R. C., Schmitt, M., … Brinker, T. J. (2021). Integrating Patient Data Into Skin Cancer Classification Using Convolutional Neural Networks: Systematic Review. Journal of medical Internet research, 23(7), e20708. https://doi.org/10.2196/20708
Alsaade, F. W., Aldhyani, T. H. H., & Al-Adhaileh, M. H. (2021). Developing a Recognition System for Diagnosing Melanoma Skin Lesions Using Artificial Intelligence Algorithms. Computational and mathematical methods in medicine, 2021, 9998379. https://doi.org/10.1155/2021/9998379
Koizumi, S., Inozume, T., & Nakamura, Y. (2024). Current surgical management for melanoma. The Journal of dermatology, 51(3), 312–323. https://doi.org/10.1111/1346-8138.17086
Ricci Lara, M. A., Rodríguez Kowalczuk, M. V., Lisa Eliceche, M., Ferraresso, M. G., Luna, D. R., Benitez, S. E., & Mazzuoccolo, L. D. (2023). A dataset of skin lesion images collected in Argentina for the evaluation of AI tools in this population. Scientific data, 10(1), 712. https://doi.org/10.1038/s41597-023-02630-0
Salih, R., Ismail, F., & Orchard, G. E. (2024). Double Immunohistochemical Labelling of PRAME and Melan A in Slow Mohs Biopsy Margin Assessment of Lentigo Maligna and Lentigo Maligna Melanoma. British journal of biomedical science, 81, 12319. https://doi.org/10.3389/bjbs.2024.12319
Nava Blanco, M. Á., & Castañón Ávila, G. A. (2025). Numerical Analysis of a SiN Digital Fourier Transform Spectrometer for a Non-Invasive Skin Cancer Biosensor. Sensors (Basel, Switzerland), 25(12), 3792. https://doi.org/10.3390/s25123792
Publicado
Cómo citar
Licencia
Derechos de autor 2025 Louise Muricy Doetzer, Leonardo Bueno Anastácio, Marina Rosan Costa, Isabelle Santiago Silva, Ingrid Lehmkuhl Rinaldi, Amanda Cavalcante de Carvalho, Geovana Carla de Godoy Costa
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
