Systém hlubokého učení by mohl transformovat detekci rakoviny kůže s téměř dokonalou přesností

Melanom zůstává jednou z nejobtížněji diagnostikovatelných rakovin kůže, protože často napodobuje neškodné znaménka nebo léze. Zatímco většina nástrojů umělé inteligence (AI) se spoléhá pouze na dermoskopické snímky, často přehlíží klíčové informace o pacientovi (jako je věk, pohlaví nebo kde na těle se léze vyskytuje), které mohou zlepšit diagnostickou přesnost. To zdůrazňuje význam multimodálních fúzních modelů, které mohou umožnit vysoce přesnou diagnostiku.

Aby překlenul tuto propast, profesor Gwangill Jeon z katedry inženýrství vestavěných systémů, Incheon National University, Jižní Korea, ve spolupráci s University of West of England (UK), Anglia Ruskin University (UK) a Royal Military College of Canada vytvořil model hlubokého učení která integruje data pacientů a dermoskopické snímky.

Studie je publikována v časopise Informační fúze.

„Zejména rakovina kůže melanomje onemocnění, u kterého je pro určení kriticky důležité včasné odhalení míry přežití“ říká profesor Jeon.

„Vzhledem k tomu, že melanom je obtížné diagnostikovat pouze na základě vizuálních rysů, uznal jsem potřebu technologií konvergence umělé inteligence, které mohou brát v úvahu jak zobrazovací data, tak informace o pacientech.“

Jak byl vyvinut model AI

Pomocí rozsáhlého souboru dat o melanomu SIIM-ISIC, který obsahuje více než 33 000 dermoskopických snímků spárovaných s klinickými metadaty, tým vycvičil svůj model umělé inteligence, aby rozpoznal jemné vazby mezi tím, co se objevuje na kůži, a tím, kdo je pacient. Model dosáhl přesnosti 94,5 % a skóre F1 0,94, čímž překonal oblíbené modely pouze pro obrázky, jako jsou ResNet-50 a EfficientNet.

Výzkumníci také provedli analýzu důležitosti funkcí, aby byl systém transparentnější a robustnější. Bylo zjištěno, že faktory jako velikost léze, věk pacienta a anatomické místo významně přispívají k přesné detekci. Tyto poznatky mohou lékařům pomoci porozumět a poskytnout plán, jak důvěřovat diagnostice prováděné umělou inteligencí.

Potenciální vliv na screening melanomu

Prof. Jeon říká: „Model není určen pouze pro akademické účely. Mohl by být použit jako praktický nástroj, který by mohl transformovat screening melanomu v reálném světě. Tento výzkum lze přímo aplikovat na vývoj systému umělé inteligence, který analyzuje jak snímky kožních lézí, tak základní informace o pacientovi, aby umožnil včasnou detekci melanomu.“

V budoucnu by tento model mohl pohánět aplikace pro diagnostiku pleti založené na chytrých telefonech, telemedicínské systémy nebo nástroje asistované umělou inteligencí na dermatologických klinikách, což by pomohlo snížit počet chybných diagnóz a zlepšit přístup k péči.

Prof. Jeon vysvětluje: „Studie představuje krok vpřed směrem k personalizované diagnostice a preventivní medicíně prostřednictvím technologie konvergence umělé inteligence.“

Studie zdůrazňuje, jak může multimodální umělá inteligence překlenout propast mezi nimi strojové učení a klinické rozhodování, které připravuje cestu pro přesnější, přístupnější a důvěryhodnější rakovina kůže diagnostika.