Алгоритм, который работает так же точно, как дерматологи

Представлено исследование, подтверждающее возможность использования решений искусственного интеллекта в диагностике рака кожи. С помощью алгоритма, который они разработали сами, ученые из Гетеборгского университета демонстрируют способность технологий оценивать серьезность меланомы кожи на том же уровне, что и дерматологи.

Исследование, опубликованное в Журнале Американской академии дерматологии , и его результаты являются результатом работы исследовательской группы на кафедре дерматологии и венерологии Академии Сальгренска Гетеборгского университета. / p>

Исследование проводилось в больнице Сальгренского университета в Гетеборге. Его цель состояла в том, чтобы с помощью машинного обучения (ML) обучить алгоритм для определения, является ли меланома кожи инвазивной и существует ли риск ее распространения (метастатирования), или остается ли она на стадии роста, при которой она ограничена эпидермисом. , без риска метастазирования.

Алгоритм был обучен и проверен на 937 дерматоскопических изображениях меланомы, а затем протестирован на 200 случаях. Все включенные случаи были диагностированы дерматопатологом.

Большинство меланом обнаруживают не врачи, а пациенты. Это говорит о том, что в большинстве случаев диагностика относительно проста. Однако до операции зачастую бывает гораздо сложнее определить стадию меланомы.

Чтобы сделать классификации более точными, дерматологи используют дерматоскопы — инструменты, сочетающие в себе вид увеличительного стекла с ярким освещением. В последние годы возрос интерес к использованию ML для классификации опухолей кожи, и несколько публикаций показали, что алгоритмы ML могут работать на уровне или даже лучше, чем у опытных дерматологов.

Текущее исследование дает дополнительный импульс исследованиям в этой области. Когда одна и та же задача классификации была выполнена алгоритмом, с одной стороны, и семью независимыми дерматологами, с другой, результат был ничейным.

«Ни один из дерматологов существенно не превзошел алгоритм машинного обучения», — заявляет Сэм Полесье, исследователь из Гетеборгского университета и врач-специалист из университетской больницы Сальгренска, который является автором исследования.

В развитой форме алгоритм может служить вспомогательным средством при оценке степени тяжести меланомы кожи до операции. От классификации зависит, насколько обширной должна быть операция, и поэтому она важна как для пациента, так и для хирурга.

«Результаты исследования интересны, и есть надежда, что этот алгоритм можно будет использовать в качестве поддержки принятия клинических решений в будущем. Но он нуждается в дальнейшей доработке, а также необходимы проспективные исследования, позволяющие контролировать пациентов во времени» Полесье заключает.