Un lunar en la piel se parece a un mosaico de piezas de colores. Cada pieza es una pequeña región de la imagen donde el color y la textura apenas cambian. Estas piezas se llaman superpíxeles. Si las conectamos con líneas, obtenemos una red parecida a un mapa de metro: las estaciones son las piezas y las líneas son las conexiones entre ellas. El peso de cada línea indica cuán fuertemente relacionadas están dos piezas. Los científicos probaron dos formas de asignar estos pesos: o bien mediante una fórmula predefinida, por ejemplo según la distancia entre colores, o bien dejando que la computadora ajustara los pesos por sí misma para que la red distinguiera mejor el melanoma de un lunar común.
No construyeron una sola red, sino varias, con distinto número de piezas, de 20 a 100. Así se obtiene un conjunto: una red ve detalles grandes, otra ve detalles pequeños. Además, se eliminaron las conexiones débiles, dejando solo las más importantes, y se comprobó cómo afectaba esto al resultado. Resultó que las mejores redes eran aquellas con pesos ajustados por la computadora y con señales que describen la textura de la pieza, no solo el color. La precisión en las imágenes de prueba alcanzó el 99%, es decir, de cada cien lunares, la computadora se equivocaba solo en uno.
Este enfoque se puede integrar en programas para dermatólogos: el médico fotografía el lunar y el sistema le sugiere de inmediato si vale la pena enviar al paciente a una biopsia. Esto es más rápido y más barato que esperar la consulta con un especialista.
Los superpíxeles son como un rompecabezas donde las piezas se adaptan a los bordes de los objetos en la foto. Cuantas más piezas, más pequeños son los detalles que la computadora puede ver.