Forscher in Korea haben entwickelt eine Tiefe learning-basierten künstlichen Intelligenz (KI) – Algorithmus, der genau zu klassifizieren, Haut-Erkrankungen der Haut, vorherzusagen, Malignität, schlagen primären Behandlung Optionen, und dienen als zusätzliches Instrument zur Verbesserung der diagnostischen Genauigkeit der Kliniker. Mit Hilfe dieses Systems, die diagnostische Genauigkeit eines Dermatologen sowie der Allgemeinen öffentlichkeit wurde deutlich verbessert. Diese neue Studie wird berichtet in der Journal of Investigative Dermatology.
Erkrankungen der Haut sind Häufig, aber nicht immer ist es einfach, besuchen Sie einen Dermatologen oder schnell Unterscheidung bösartiger von gutartigen Bedingungen. „In letzter Zeit gab es Bemerkenswerte Fortschritte in der Nutzung von AI in der Medizin. Für bestimmte Probleme, wie die Unterscheidung zwischen Melanomen und Nävi, AI hat gezeigt, Ergebnisse vergleichbar mit denen des menschlichen Dermatologen. Jedoch, für diese Systeme praktisch nützlich, Ihre Leistung getestet werden muss in einer Umgebung ähnlich der realen Praxis, die erfordert nicht nur die Klassifizierung von malignen versus benignen Läsion, sondern auch die Unterscheidung Hautkrebs aus zahlreichen anderen Erkrankungen der Haut, einschließlich entzündlichen und infektiösen Bedingungen“, erklärt der Studienleiter Jung-Im, Na, MD, Ph. D., Department of Dermatology, Seoul National University, Seoul, Korea.
Mit einem „convolutional neural network“, eine spezielle KI-Algorithmus, haben Forscher entwickelt ein AI system werden Sie in der Lage, die Vorhersage Malignität, was darauf hindeutet, Behandlungsmöglichkeiten und Klassifizierung von Hautkrankheiten. Die Ermittler gesammelt, die 220.000 Bilder von Asiaten und kaukasier mit 174 Erkrankungen der Haut und trainierte neuronale Netze zu interpretieren die Bilder. Sie fanden heraus, dass der Algorithmus könnte diagnostizieren 134 Erkrankungen der Haut und schlage vor, die primäre Behandlung Optionen, machen multi-class-Klassifizierung unter Störungen und verbessern die Leistung von medizinischen Fachkräften durch Augmented Intelligence. Die meisten vorherigen Studien waren begrenzt auf bestimmte binäre Aufgaben, wie die Unterscheidung Melanom von Nävi.
Der Algorithmus wurde die Leistung zunächst im Vergleich mit der Leistung von 21 Dermatologen, 26 Dermatologie Bewohner, und 23 Mitglieder der Allgemeinen öffentlichkeit. Seine Leistung war ähnlich wie die der Dermatologie Bewohner, sondern leicht unterhalb, die des Dermatologen. Nach dem ersten test, dem test wurden die Teilnehmer über die Ergebnisse des Algorithmus und später geändert, Ihre Antworten. Die Empfindlichkeit der Malignität Diagnose der 47 Kliniker verbessert von 77.4 Prozent auf 86.8 Prozent. Ebenso die Sensitivität der Diagnose von malignen Erkrankungen durch die 23 Mitglieder der öffentlichkeit verbesserte sich deutlich von 47.6 Prozent auf 87,5 Prozent. Insbesondere, basierend auf dem ersten Ergebnis, die Hälfte der Malignome gewesen wäre, verpasst von der öffentlichkeit ohne überweisung an Spezialisten.
„Unsere Ergebnisse deuten darauf hin, dass unser Algorithmus dienen können, wie eine Augmented Intelligence, ermächtigen können medizinische Fachkräfte in der Diagnose der Dermatologie“, sagte Dr. Na. „Anstatt die KI ersetzen, die Menschen, die wir erwarten, dass die KI zur Unterstützung von Menschen, die als Augmented Intelligence zu erreichen, Diagnosen schneller und genauer.“
Die Forscher warnen, dass AI nicht endgültig interpretieren Bilder, es ist nicht ausgebildet, um zu interpretieren, auch wenn das problem präsentiert wird, ist einfach. Zum Beispiel, ein Algorithmus trainiert nur zur Differenzierung zwischen Melanomen und Nävi können nicht unterscheiden, zwischen einem Bild von einem Nagel ein Bluterguss und entweder ein Melanom oder Muttermal. Wenn die Form der Hämatome unregelmäßig ist, kann der Algorithmus kann diagnostizieren es als Melanom. Sie weisen auch darauf hin, dass der Algorithmus wurde ausgebildet und geprüft werden unter Verwendung hochwertiger Bilder und deren Leistung ist in der Regel suboptimal, wenn die input-Bilder von geringer Qualität sind.
Darüber hinaus ist eine Diagnose gemacht, mit nur einem Bild mit der optimalen Zusammensetzung vorhanden inhärenten Einschränkungen im Vergleich zur Diagnose in einer klinischen Einstellung. In einer realen Praxis, eine dermatologische Diagnose gestellt wird, basierend auf der Kombination von Informationen aus mehreren Quellen, einschließlich Anamnese, Symptome, Erscheinungsbild im Vergleich zu anderen Verletzungen des Patienten und die textur der Läsion beurteilt durch körperlichen Kontakt.
„Wir erwarten, dass die Verwendung unseres Algorithmus mit einem smartphone ermutigen könnte, die öffentlichkeit zu besichtigen Spezialisten für krebsartige Läsionen wie Melanome, die möglicherweise vernachlässigt worden anders“, kommentierte Dr. Na. „Es gibt jedoch Probleme mit der Qualität oder Zusammensetzung von Fotografien, die von der Allgemeinheit beeinflussen können, dass die Ergebnisse des Algorithmus. Wenn der Algorithmus die Leistung reproduziert werden kann, in der klinischen Einstellung, es wird vielversprechend für die Früherkennung von Hautkrebs mit dem smartphone. Wir hoffen, dass zukünftige Studien bewerten den nutzen und die performance unserer algorithmen in einer klinischen Einstellung.“