Искусственный интеллект значительно улучшил диагностику рака кожи за последнее десятилетие
Исследователи из Северо-Кавказского Федерального университета проанализировали более 10 тысяч научных статей о диагностике рака кожи с помощью искусственного интеллекта. Результаты исследования, поддержанного грантом Российского научного фонда, опубликованы в журнале Computers in Biology and Medicine.
Рак кожи составляет более 40% всех онкологических заболеваний. Его ранняя диагностика критически важна: при выявлении на начальных стадиях выживаемость пациентов достигает 99%, тогда как на поздних стадиях она падает до 27%.
Анализ показал, что наиболее эффективными для диагностики рака кожи являются алгоритмы машинного обучения, достигающие 93% точности. За последние 10 лет точность таких алгоритмов повысилась более чем на 9%. При этом сверточные нейронные сети, которые используются чаще всего (в 39% случаев), показывают несколько меньшую точность.
Исследователи выявили ряд проблем в существующих методах:
- В 39% исследований алгоритм сравнивал фотографию с базой данных, содержащей менее 1000 изображений, что недостаточно для качественной выборки.
- Лишь в 7% работ использовались мультиклассовые базы данных, включающие не только фотографии пигментных пятен, но и результаты биопсии.
- Отсутствие стандартизации фотографий и единых стандартов наборов данных.
Авторы рекомендуют включать в базы данных дополнительную информацию о пациентах (возраст, пол, тип кожи, анатомическое расположение родинки) для повышения точности диагностики.
Исследование также показало, что наиболее часто используемая база данных HAM10000, содержащая 10 тысяч фотографий семи типов новообразований кожи, повышает среднюю точность диагностики. За последние пять лет качество диагностики с использованием этой базы возросло на 6,9% до 92,3% в среднем для разных алгоритмов.
Павел Ляхов, руководитель проекта, отмечает: "Результаты показывают огромный потенциал автоматизированной ранней диагностики рака кожи на основе ИИ. Однако подобные системы все еще несут в себе этическую и юридическую двусмысленность, а также проблему отсутствия большого количества стандартизированных клинических баз данных. В дальнейшем нужны исследования, которые помогут понять, как внедрить алгоритмы ИИ для вспомогательной медицинской диагностики."