Кожные заболевания являются обычным явлением, но не всегда легко быстро посетить дерматолога или отличить злокачественные заболевания от доброкачественных. "В последнее время были достигнуты заметные успехи в использовании ИИ в медицине. Для конкретных проблем, таких как различение меланомы и невусов, ИИ показал результаты, сопоставимые с результатами дерматологов. Однако для того, чтобы эти системы были практически полезными, их работа должна быть протестирована в среде, аналогичной реальной практике, что требует не только классификации злокачественных и доброкачественных поражений, но и отделения рака кожи от множества других кожных заболеваний, включая воспалительные и инфекционные состояния. "объяснил ведущий исследователь Чон Им На, доктор медицинских наук, факультет дерматологии, Сеульский национальный университет, Сеул, Корея.
Используя «сверточную нейронную сеть», специализированный алгоритм ИИ, исследователи разработали систему ИИ, способную предсказывать злокачественные новообразования, предлагать варианты лечения и классифицировать кожные заболевания. Исследователи собрали 220 000 изображений азиатов и европеоидов со 174 кожными заболеваниями и обучили нейронные сети интерпретировать эти изображения. Они обнаружили, что алгоритм может диагностировать 134 кожных заболевания и предлагать варианты первичного лечения, отображать мультиклассовую классификацию заболеваний и повышать эффективность медицинских работников с помощью расширенного интеллекта. Большинство предыдущих исследований были ограничены конкретными бинарными задачами, такими как дифференциация меланомы от невусов.
Первоначально эффективность алгоритма сравнивалась с показателями 21 дерматолога, 26 врачей-дерматологов и 23 представителей широкой общественности. Его эффективность была аналогична показателям врачей-дерматологов, но немного ниже, чем у дерматологов. После первоначального теста участники теста были проинформированы о результатах алгоритма и впоследствии изменили свои ответы.
Чувствительность диагностики злокачественных новообразований у 47 врачей улучшилась с 77.4 процента до 86.8 процентов. Точно так же чувствительность диагностики злокачественных новообразований у 23 представителей широкой общественности заметно улучшилась по сравнению с 47.6 процентов до 87.5 процентов.
Примечательно, что исходя из первоначального результата, половина злокачественных новообразований была бы пропущена широкой общественностью без направления к специалистам.
«Наши результаты показывают, что наш алгоритм может служить в качестве расширенного интеллекта, который может расширить возможности медицинских специалистов в диагностической дерматологии», – отметил д-р. Na. «Вместо того, чтобы ИИ заменял людей, мы ожидаем, что ИИ будет поддерживать людей в качестве дополненного интеллекта, чтобы ставить диагнозы быстрее и точнее."
Исследователи предупреждают, что ИИ не может окончательно интерпретировать изображения, которые он не обучен интерпретировать, даже если представленная проблема очевидна. Например, алгоритм, обученный только различать меланому и невус, не может отличить изображение гематомы ногтя от меланомы или невуса. Если форма гематомы неправильная, алгоритм может диагностировать ее как меланому.
Они также отмечают, что алгоритм был обучен и протестирован с использованием высококачественных изображений, и его производительность, как правило, неоптимальна, если входные изображения низкого качества.
Кроме того, диагноз, поставленный только на одном изображении с наиболее оптимальной композицией, может иметь определенные ограничения по сравнению с диагнозами, сделанными в клинических условиях. В реальной практике дерматологический диагноз ставится на основе комбинации нескольких источников информации, включая прошлый медицинский анамнез, симптомы, внешний вид по сравнению с другими поражениями пациента и текстуру поражения, оцениваемую при физическом контакте.
«Мы ожидаем, что использование нашего алгоритма со смартфоном может побудить общественность посещать специалистов по раковым поражениям, таким как меланома, которыми в противном случае могли бы пренебречь», – прокомментировал доктор. Na. "Однако есть проблемы с качеством или композицией фотографий, сделанных широкой публикой, которые могут повлиять на результаты алгоритма.
Если производительность алгоритма может быть воспроизведена в клинических условиях, он будет многообещающим для раннего обнаружения рака кожи с помощью смартфона. Мы надеемся, что будущие исследования позволят оценить полезность и эффективность наших алгоритмов в клинических условиях."
Ранняя демонстрационная версия подхода команды к глубокому обучению доступна на ее веб-сайте. Анализируя данные через веб-сайт, исследователи надеются определить возможные проблемы, которые все еще могли бы возникнуть, если бы ИИ использовался с помощью телемедицины, которая в большей степени опирается на клиническую фотографию для диагностики кожных заболеваний.Тем не менее, такие диагнозы все равно должны быть проверены дерматологами вместе с историей болезни пациента и физическим осмотром.