Предоставление врачам преимущества на основе искусственного интеллекта в борьбе с раком кожи
Выявление меланомы и ряда других заболеваний кожи станет более быстрым и точным благодаря новому инструменту на базе искусственного интеллекта, который одновременно анализирует несколько типов изображений. Инструмент разработан международной группой исследователей под руководством Университета Монаша.
Представленная в статье, опубликованной в журнале Nature Medicine , PanDerm является одной из первых моделей искусственного интеллекта, специально созданных для оказания помощи в реальной дерматологической медицинской практике путем анализа различных типов изображений, включая фотографии крупным планом, дерматоскопические изображения, слайды патологий и фотографии всего тела.
Серия оценок показала, что PanDerm повысила точность диагностики рака кожи на 11% при использовании врачами. Модель помогла медицинским работникам, не являющимся дерматологами, повысить точность диагностики различных других кожных заболеваний на 16,5%.
Он также продемонстрировал способность обнаруживать рак кожи на ранней стадии, выявляя тревожные новообразования до того, как их обнаружит врач.
Данные для модели, обученной на более чем 2 миллионах изображений кожи, были получены из 11 учреждений в разных странах по четырем типам медицинских изображений.
Эксперт в области искусственного интеллекта и компьютерного зрения, а также один из ведущих соавторов исследования, доцент факультета информационных технологий Университета Монаша Цзунъюань Ге, отметил, что существующие модели искусственного интеллекта для дерматологии по-прежнему ограничены отдельными задачами, такими как диагностика рака кожи с помощью дерматоскопических изображений — увеличенных изображений кожи, полученных с помощью дерматоскопа.
«Предыдущие модели ИИ испытывали трудности с интеграцией и обработкой различных типов данных и методов визуализации, что снижало их полезность для врачей в различных реальных условиях», — сказал доцент Ге.
«PanDerm — это инструмент, разработанный для совместной работы с врачами, помогающий им интерпретировать сложные данные визуализации и принимать обоснованные решения с большей уверенностью».
В отличие от существующих моделей, которые обучены выполнять одну задачу, PanDerm оценивался по широкому спектру клинических задач, таких как скрининг рака кожи, прогнозирование вероятности рецидива или распространения рака, оценка типа кожи, подсчет родинок, отслеживание изменений поражений, диагностика широкого спектра кожных заболеваний и сегментация поражений.
Он неизменно обеспечивал лучшие в своем классе результаты, зачастую при этом требовалось всего 5–10 % от обычно требуемых маркированных данных.
В клинических условиях PanDerm функционирует как вспомогательный инструмент, который анализирует спектр изображений кожи, которые врачи обычно используют. Система обрабатывает эти изображения и предоставляет оценки диагностической вероятности, помогая врачам интерпретировать визуальные данные с большей уверенностью.
Такая интеграция особенно ценна для повышения точности диагностики среди неспециалистов, обнаружения незначительных изменений поражений с течением времени и оценки уровней риска для пациентов.
Первый автор и аспирант инженерного факультета Университета Монаша Сиюань Янь сказал, что мультимодальный подход стал ключом к успеху системы.
«Обучая PanDerm на основе разнообразных данных, полученных с помощью разных методов визуализации, мы создали систему, которая может понимать состояния кожи так же, как это делают дерматологи, синтезируя информацию из различных визуальных источников», — сказал г-н Ян.
«Это позволяет проводить более целостный анализ кожных заболеваний, чем предыдущие одномодальные системы ИИ».
Поскольку в настоящее время кожными заболеваниями страдают 70% населения мира, ранняя диагностика имеет решающее значение и может привести к лучшим результатам лечения.
Ведущий соавтор статьи, директор службы по лечению меланомы в Виктории при больнице Alfred Health, профессор Виктория Мар, отметила, что PanDerm демонстрирует многообещающие результаты в выявлении едва заметных изменений в поражениях с течением времени и предоставлении информации о биологии поражений и будущем риске их распространения.
«Такого рода помощь может способствовать более ранней диагностике и более последовательному наблюдению за пациентами с риском меланомы», — сказал профессор Мар.
«В больницах и клиниках врачи используют различные способы и типы изображений для диагностики рака кожи или других кожных заболеваний ».
Директор Центра исследований дерматологии Университета Квинсленда и один из ведущих соавторов исследования профессор Х. Питер Сойер отметил, что различия в методах визуализации и диагностики также могут возникать из-за разного уровня ресурсов, доступных в городских, региональных и сельских учреждениях здравоохранения.
«Сила PanDerm заключается в его способности поддерживать существующие клинические рабочие процессы», — сказал профессор Сойер.
«Это может быть особенно ценно в условиях загруженности или ограниченных ресурсов, а также в учреждениях первичной медико-санитарной помощи, где доступ к дерматологам может быть ограничен.
«Мы увидели, что инструмент также может показывать высокие результаты даже при обучении на небольшом количестве размеченных данных, что является ключевым преимуществом в различных медицинских учреждениях, где стандартные аннотированные данные часто ограничены».
Старший соавтор, профессор Харальд Киттлер с кафедры дерматологии Венского медицинского университета, отметил, что PanDerm продемонстрировал, как глобальное сотрудничество и разнообразные клинические данные могут использоваться для создания инструментов ИИ, которые не только технически эффективны, но и клинически значимы в различных системах здравоохранения.
«Его способность поддерживать диагностику в различных реальных условиях, в том числе в Европе, является шагом вперед на пути к тому, чтобы сделать дерматологическую экспертизу более доступной и единообразной во всем мире», — сказал профессор Киттлер.
Несмотря на многообещающие результаты исследований, в настоящее время PanDerm находится на этапе оценки перед более широким внедрением в здравоохранение.
Заглядывая в будущее, исследователи намерены разработать более комплексные системы оценки, охватывающие более широкий спектр дерматологических состояний и клинических вариантов.
Группа планирует разработать стандартизированные протоколы для кросс-демографических оценок и дополнительно изучить эффективность модели в различных реальных клинических условиях, уделяя особое внимание обеспечению равной эффективности для различных групп пациентов и условий оказания медицинской помощи.