Max Home IndustryИсследователи из Кореи разработали алгоритм искусственного интеллекта (ИИ), основанный на глубоком обучении, который может точно классифицировать кожные кожные заболевания, прогнозировать злокачественные новообразования, предлагать варианты первичного лечения и служить вспомогательным инструментом для повышения диагностической точности врачей. С помощью этой системы диагностическая точность дерматологов, а также широкой общественности была значительно улучшена. Это новое исследование опубликовано в Журнале исследовательской дерматологии .
Кожные заболевания являются обычным явлением, но не всегда легко сразу посетить дерматолога или отличить злокачественные заболевания от доброкачественных. «В последнее время были достигнуты заметные успехи в использовании искусственного интеллекта в медицине. Для решения конкретных проблем, таких как различение меланомы и невусов, искусственный интеллект показал результаты, сопоставимые с результатами, полученными от дерматологов. Однако для того, чтобы эти системы были практически полезными, их Работоспособность должна быть проверена 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 », — пояснил ведущий исследователь Юнг-Им На, доктор медицинских наук, Доктор философии, кафедра 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% до 86,8%. Точно так же чувствительность диагностики злокачественных новообразований у 23 представителей широкой общественности заметно улучшилась с 47,6% до 87,5%. 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 расширенным интеллектом, который может расширить возможности медицинских специалистов в области диагностической дерматологии», — отметила д-р На. «Вместо того, чтобы ИИ заменять 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 изображений высокого качества, 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 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 заболеваниям, таким как меланома, которые в противном случае могли бы остаться незамеченными», — прокомментировал доктор На. «Однако есть проблемы с качеством или составом фотографий, сделанных широкой публикой, которые могут повлиять на результаты алгоритма. Если производительность алгоритма может быть воспроизведена в клинических условиях, это будет многообещающим для раннего выявления рака кожи. со смартфоном. 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. Однако такие диагнозы все равно должны будут проверяться дерматологами. вместе с историей болезни пациента и медицинским осмотром.