Исследователи в Корее разработали глубокого обучения на основе алгоритмов искусственного интеллекта (AI), которые можно точно классифицировать нарушения кожей, прогнозирования злокачественности, предложить варианты первичного лечения, и служить в качестве вспомогательного инструмента для повышения точности диагностики врачей. С помощью этой системы, диагностическая точность дерматологов, а также широкой общественности была значительно улучшена. Этот роман исследовании сообщается в журнале Следственного дерматологии.
Кожные заболевания являются общими, но это не всегда легко и быстро посетить дерматолога или отличить злокачественную от доброкачественной условия. «В последнее время произошли заметные сдвиги в применение ИИ в медицине. Для конкретных проблем, таких, как различия между меланома и невусы, А. И. показал результаты, сравнимые с человеческой дерматологов. Однако для этих систем, чтобы быть практически полезными, их эффективность должна быть испытана в среде близкой к реальной практике, которая требует не только классификации злокачественных по сравнению с доброкачественным поражением, но и отличить рак кожи от множества других кожных заболеваний, включая воспалительные и инфекционные заболевания», — пояснил ведущий исследователь Юнг-им на, доктор медицинских наук, отделение дерматологии, Сеульский национальный университет, Сеул, Корея.
С помощью «сверточные нейронные сети» специализированная алгоритм AI, следователи разработали систему ИИ, способную прогнозирования злокачественности, предложив варианты обработки и классификации расстройств кожи. Следователи собрали 220 000 изображений азиатов и кавказцев с 174 заболеваний кожи и обученной нейронной сети для интерпретации этих изображений. Они обнаружили, что алгоритм может диагностировать 134 кожных и предложить варианты первичной обработки, визуализации многоклассовая классификация среди нарушений, и повышение производительности медицинских работников за счет расширенной аналитики. Большинство предыдущих исследований были ограничены конкретными бинарные задач, таких как дифференциации меланомы из невусов.
Эффективность алгоритма была изначально по сравнению с производительностью 21 дерматологов, 26 жителей дерматологии, и 23 представителей общественности. Его производительность была похожа на жителей дерматологии, но немного ниже, чем дерматологи. После первоначального тестирования, участники тестирования были ознакомлены с результатами алгоритма и впоследствии изменили свои ответы. Чувствительность диагностики злокачественных новообразований из 47 врачей улучшилось с 77,4% до 86,8 процента. Аналогично, чувствительность диагностики злокачественных новообразований по 23 членов широкой публики заметно улучшилось с 47,6% до 87,5 процента. В частности, на основе первоначальных результатов, половина злокачественных опухолей могли бы быть пропущены широкой общественности без обращения к специалистам.
«Наши результаты показывают, что наш алгоритм может служить расширенной аналитики, которые могут дать медицинские специалисты в диагностических Дерматология», — отметил д-р н. «А чем ИИ заменить человека, мы ожидаем, что AI в поддержку людей, как расширенная аналитика для ставить диагноз быстрее и точнее.»
Исследователи предупреждают, что AI не может точно интерпретировать образы, которые он не обучен интерпретировать, даже если представленная проблема очень проста. Например, алгоритм, обученный только для различения меланома и невусы не может различать изображения ногтевой гематомы и меланома или родинка. Если форма гематома неправильной формы, алгоритм может диагностировать это как меланома. Они также отмечают, что алгоритм был обучен и протестирован с использованием высокого качества изображения и его производительность, как правило, неоптимальное, если исходные изображения имеют низкое качество.
Кроме того, диагноз, поставленный с единственной изображения с наиболее оптимальный состав может представить ограничения по сравнению с постановкой диагноза в клинических условиях. В реальной практике, дерматологии диагноз ставится на основе сочетания различных источников информации, включая анамнез, симптомы, внешний вид по сравнению с другими поражениями на пациента и текстуры поражения оценивали путем физического контакта.
«Мы предполагаем, что использование алгоритма со смартфоном может призывать общественность, чтобы посетить специалистов для раковых новообразований, таких как меланомы, которые могли быть заброшенные иначе», — прокомментировал доктор на. «Однако есть проблемы с качеством или композиции фотографий, сделанных широкой общественности, что может повлиять на результаты работы алгоритма. Если работы этого алгоритма могут быть воспроизведены в клинических условиях, то это будет перспективным для раннего выявления рака кожи с помощью смартфона. Мы надеемся, что будущие исследования позволят оценить полезность и эффективность наших алгоритмов в клинической практике».
Ранняя демо-версия глубокий подход к обучению команды доступны через его веб-сайт. Анализируя данные через веб-сайт, исследователи надеются выявить возможные проблемы, которые еще могли возникнуть, если бы ИИ были использованы с помощью телемедицины, которая опирается в большей степени на клинические фотографии для диагностики кожных заболеваний.Однако, такие диагнозы по-прежнему должны быть проверены дерматологами вместе с историей болезни пациента и физическое обследование.
сделать разницу: спонсорские возможности
Ответить
Хотите присоединиться к обсуждению?Не стесняйтесь вносить свой вклад!