Новая система искусственного интеллекта может помочь медицинским работникам в диагностике заболеваний кожи
Исследователи из Кореи разработали алгоритм искусственного интеллекта (AI), основанный на глубоком обучении, который может точно классифицировать кожные заболевания кожи, прогнозировать злокачественные новообразования, предлагать варианты первичного лечения и служить вспомогательным инструментом для повышения точности диагностики клиницистов. С помощью этой системы была значительно улучшена диагностическая точность дерматологов, а также широкой общественности. Об этом новом исследовании сообщается в Журнал Исследовательской Дерматологии,
Заболевания кожи распространены, но не всегда легко посетить дерматолога или отличить злокачественные заболевания от доброкачественных. «В последнее время были достигнуты замечательные успехи в использовании ИИ в медицине. Для конкретных проблем, таких как различие между меланомой и невусами, ИИ показал результаты, сопоставимые с результатами дерматологов-людей. Однако для того, чтобы эти системы были практически полезны, их «Производительность должна быть проверена в среде, аналогичной реальной практике, которая требует не только классификации злокачественных и доброкачественных поражений, но и отличия рака кожи от множества других кожных заболеваний, включая воспалительные и инфекционные состояния», — объяснил 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 прогнозировать злокачественные новообразования, предлагать варианты лечения и классифицировать кожные заболевания. Следователи собрали 220 000 изображений азиатов и кавказцев с 174 кожными заболеваниями и обучили нейронные сети интерпретировать эти изображения. Они обнаружили, что алгоритм может диагностировать 134 кожных заболевания и предлагать первичные варианты лечения, проводить мультиклассовую классификацию среди расстройств и повышать эффективность работы медицинских работников с помощью расширенного интеллекта. Большинство предыдущих исследований были ограничены конкретными бинарными задачами, такими как дифференциация меланомы от невуса.
Производительность алгоритма первоначально сравнивалась с показателями 21 дерматолога, 26 жителей дерматологии и 23 представителей широкой общественности. Его показатели были аналогичны показателям жителей дерматологии, но несколько ниже показателей дерматологов. После первоначального теста участники теста были проинформированы о результатах алгоритма и впоследствии изменили свои ответы. Чувствительность диагноза малигнизации у 47 врачей увеличилась с 77,4 до 86,8 процента. Аналогичным образом, 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 обращения к специалистам.
«Наши результаты показывают, что наш алгоритм может служить расширенным интеллектом, который может расширить возможности медицинских работников в области диагностической дерматологии», — отметил доктор На. «Вместо того, чтобы заменять людей ИИ, мы ожидаем, что ИИ будет поддерживать людей, поскольку дополненный интеллект будет быстрее и точнее достигать диагнозов».
Исследователи предупреждают, что ИИ не может окончательно интерпретировать изображения, которые он не обучен интерпретировать, даже если представленная проблема проста. Например, алгоритм, обученный только различать меланому и невус, не может различить изображение гематомы ногтя и меланому или невус. Если форма гематомы неправильная, алгоритм может диагностировать ее как меланому. Они также указывают, что алгоритм был обучен и протестирован с использованием высококачественных изображений, и его производительность, как правило, неоптимальна, если входные изображения имеют низкое качество.
Кроме того, диагноз, поставленный только с одним изображением с наиболее оптимальным составом, может иметь внутренние ограничения по сравнению с диагнозами, установленными в клинических условиях. В реальной практике дерматологический диагноз ставится на основе комбинации нескольких источников информации, включая историю болезни в прошлом, симптомы, внешний вид по сравнению с другими повреждениями на пациенте и текстуру повреждения, оцененную при физическом контакте.
«Мы ожидаем, что использование нашего алгоритма со смартфоном может побудить публику посещать специалистов по раковым заболеваниям, таким как меланома, которой в противном случае можно было бы пренебречь», — прокомментировал доктор На. «Однако существуют 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 производительность наших алгоритмов в клинических условиях ».
Ранняя демо-версия подхода глубокого обучения команды доступна через интернет сайт, Анализируя данные через веб-сайт, исследователи надеются выявить возможные проблемы, которые все еще могли бы возникнуть, если бы ИИ использовался с помощью телемедицины, которая в большей степени зависит от клинической фотографии для диагностики кожных заболеваний. Однако такие диагнозы все еще должны быть проверены дерматологами. наряду с историей болезни пациента и медицинским осмотром.
Исследователи из Кореи разработали алгоритм искусственного интеллекта (AI), основанный на глубоком обучении, который может точно классифицировать кожные заболевания кожи, прогнозировать злокачественные новообразования, предлагать варианты первичного лечения и служить вспомогательным инструментом для повышения точности диагностики клиницистов. С помощью этой системы была значительно улучшена диагностическая точность дерматологов, а также широкой общественности. Об этом новом исследовании сообщается в Журнал Исследовательской Дерматологии,
Заболевания кожи распространены, но не всегда легко посетить дерматолога или отличить злокачественные заболевания от доброкачественных. «В последнее время были достигнуты замечательные успехи в использовании ИИ в медицине. Для конкретных проблем, таких как различие между меланомой и невусами, ИИ показал результаты, сопоставимые с результатами дерматологов-людей. Однако для того, чтобы эти системы были практически полезны, их «Производительность должна быть проверена в среде, аналогичной реальной практике, которая требует не только классификации злокачественных и доброкачественных поражений, но и отличия рака кожи от множества других кожных заболеваний, включая воспалительные и инфекционные состояния», — объяснил 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 прогнозировать злокачественные новообразования, предлагать варианты лечения и классифицировать кожные заболевания. Следователи собрали 220 000 изображений азиатов и кавказцев с 174 кожными заболеваниями и обучили нейронные сети интерпретировать эти изображения. Они обнаружили, что алгоритм может диагностировать 134 кожных заболевания и предлагать первичные варианты лечения, проводить мультиклассовую классификацию среди расстройств и повышать эффективность работы медицинских работников с помощью расширенного интеллекта. Большинство предыдущих исследований были ограничены конкретными бинарными задачами, такими как дифференциация меланомы от невуса.
Производительность алгоритма первоначально сравнивалась с показателями 21 дерматолога, 26 жителей дерматологии и 23 представителей широкой общественности. Его показатели были аналогичны показателям жителей дерматологии, но несколько ниже показателей дерматологов. После первоначального теста участники теста были проинформированы о результатах алгоритма и впоследствии изменили свои ответы. Чувствительность диагноза малигнизации у 47 врачей увеличилась с 77,4 до 86,8 процента. Аналогичным образом, 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 обращения к специалистам.
«Наши результаты показывают, что наш алгоритм может служить расширенным интеллектом, который может расширить возможности медицинских работников в области диагностической дерматологии», — отметил доктор На. «Вместо того, чтобы заменять людей ИИ, мы ожидаем, что ИИ будет поддерживать людей, поскольку дополненный интеллект будет быстрее и точнее достигать диагнозов».
Исследователи предупреждают, что ИИ не может окончательно интерпретировать изображения, которые он не обучен интерпретировать, даже если представленная проблема проста. Например, алгоритм, обученный только различать меланому и невус, не может различить изображение гематомы ногтя и меланому или невус. Если форма гематомы неправильная, алгоритм может диагностировать ее как меланому. Они также указывают, что алгоритм был обучен и протестирован с использованием высококачественных изображений, и его производительность, как правило, неоптимальна, если входные изображения имеют низкое качество.
Кроме того, диагноз, поставленный только с одним изображением с наиболее оптимальным составом, может иметь внутренние ограничения по сравнению с диагнозами, установленными в клинических условиях. В реальной практике дерматологический диагноз ставится на основе комбинации нескольких источников информации, включая историю болезни в прошлом, симптомы, внешний вид по сравнению с другими повреждениями на пациенте и текстуру повреждения, оцененную при физическом контакте.
«Мы ожидаем, что использование нашего алгоритма со смартфоном может побудить публику посещать специалистов по раковым заболеваниям, таким как меланома, которой в противном случае можно было бы пренебречь», — прокомментировал доктор На. «Однако существуют 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 производительность наших алгоритмов в клинических условиях ».
Ранняя демо-версия подхода глубокого обучения команды доступна через интернет сайт, Анализируя данные через веб-сайт, исследователи надеются выявить возможные проблемы, которые все еще могли бы возникнуть, если бы ИИ использовался с помощью телемедицины, которая в большей степени зависит от клинической фотографии для диагностики кожных заболеваний. Однако такие диагнозы все еще должны быть проверены дерматологами. наряду с историей болезни пациента и медицинским осмотром.
