DERMATOLOGIA
Rak skóry
 
Specjalizacje, Kategorie, Działy

Sztuczna inteligencja w diagnostyce zmian melanocytowych

Udostępnij:
Dostępne są już pierwsze doniesienia potwierdzające wysoką skuteczność sztucznej inteligencji opartej na połączonych, splotowych sieciach neuronowych (ang. convolutional neural networks) w diagnostyce zmian melanocytowych. Ostatnio w JAMA Dermatology ukazała się publikacja przedstawiająca skuteczność sztucznej inteligencji w rozpoznawaniu raków skóry pozbawionych pigmentu (ang. nonpigmented skin cancers).
Sieć neuronowa została oparta na zbiorze danych z ponad 14 tys. zdjęć dermoskopowych lub wykonanych aparatem w dużym przybliżeniu przedstawiających raki skóry. Utworzoną sieć neuronową przetestowano na zbiorze 2072 przypadków oraz porównano wyniki sieci z wynikami uzyskanymi na tym samym zbiorze przez 95 lekarzy z różnych doświadczeniem w wykonywaniu dermoskopii (trzy grupy: < 3 lat doświadczenia - „początkujący”, 3-10 lat doświadczenia - „zaawansowani”, >10 lat doświadczenia - „eksperci”).

Obszar pod krzywą (ang. Area Under the Curve) był wyższy w przypadku sieci neuronowej niż w przypadku ludzi (odpowiednio: 0,742; 95% CI: 0,729-0,755 vs. 0,695; 95% CI: 0,676-0,713; p < 0,01). Sieć neuronowa osiągnęła wyższą skuteczność w postawieniu konkretnej diagnozy w porównaniu ze wszystkimi lekarzami (odpowiednio: 37,6% vs. 33,5%; p = 0,001), ale w porównaniu z ekspertami w dermoskopii różnica była nieistotna statystycznie (sieć vs. eksperci: 37,3% vs. 40,0%; p = 0,18), co wskazuje, że trafność diagnoz stawianych przez model sztucznej inteligencji dorównywał najbardziej doświadczonym dermatologom.

Przedstawione wyniki eksperymentalnej sieci neuronowej dają nadzieję, na stworzenie precyzyjnego narzędzia diagnostycznego pomagającego klinicystom w rozpoznawaniu raków skóry.
 
 
© 2024 Termedia Sp. z o.o. All rights reserved.
Developed by Bentus.