[Translated article] Artificial intelligence in dermatology: A threat or an opportunity?

The worldwide explosion of interest in artificial intelligence (AI) has created a before-and-after moment in our lives by generating great improvements in such sectors as the automotive and food production industries. AI has even been called the fourth industrial revolution. Machine learning through AI is helping to improve professional processes and promises to transform the health care sector as we know it in various ways: 1) through applications able to promote health in the general population by providing high-quality information and offering advice for different segments of the population based on prediction models; 2) by developing prediction models based on anonymized clinical data, for preventive purposes in primary care; 3) by analyzing images to provide additional decision-making support for health care providers, for improving specialist care at the secondary level; and 4) through robotics applied to processes that promote health and well-being. However, the medical profession harbors doubts about whether this revolution is a threat or an opportunity owing to a lack of understanding of AI technology and the methods used to validate its applications. This article outlines basic aspects of AI as it is applied in dermatology and reviews the main advances achieved in the last 5 years. La irrupción de la inteligencia artificial (IA) a nivel mundial ha supuesto un antes y un después en nuestras vidas, generando grandes mejoras en diferentes sectores, como el de la automoción y el agroalimentario, entre otros, lo que ha llevado a denominarla la cuarta revolución industrial. La AI, capaz de aprender de forma automatizada y de ayudar al profesional a mejorar sus procesos, promete cambiar el ámbito sanitario tal y como lo conocemos mediante: 1) aplicaciones capaces de generar salud en la población general a partir del uso de información de calidad y de segmentación de consejos basados en modelos de predicción; 2) modelos capaces de generar algoritmos de predicción a partir de datos anonimizados procedentes de información clínica, a fin de mejorar la prevención primaria; 3) sistemas de análisis de imagen capaces de dar a los profesionales de la salud un soporte extra en la toma de decisiones, mejorando la prevención secundaria; y 4) aplicación de robótica combinada en la mejora de procesos ligados al ámbito de salud y bienestar. Sin embargo, la falta de conocimiento tanto en este tipo de tecnología, como en los términos y la metodología de validación de la