19.07.2024

Искусственный интеллект стал точнее выявлять рак кожи

Искусственный интеллект стал точнее выявлять рак кожи

Ученые из Северо-Кавказского федерального университета проанализировали научные статьи о диагностике рака кожи с помощью ИИ и выяснили, что чаще всего для этой цели используются сверточные нейросети, основанные на глубоком обучении, за последние 5 лет точность таких алгоритмов выросла более чем на 9%, а самый точный результат (93% точности) дают системы, основанные на машинном обучении. Результаты исследования описаны в статье, опубликованной в журнале Computers in Biology and Medicine

Рак кожи — один из самых распространенных видов онкозаболеваний. В основном его диагностируют с помощью дерматоскопа, и точность такого анализа составляет 65–75%. Для помощи врачам в ранней диагностике иногда применяются системы искусственного интеллекта: они сравнивают родинку, которую «видят» у пациента, с набором из десятков тысяч фотографий пигментных пятен из медицинских баз. Чаще всего для этого используются сверточные нейросети, хотя они не всегда дают высокую точность. Отчасти проблема связана с тем, что не во всех базах данных изображения уже отмечены как злокачественные или доброкачественные.

Авторы новой работы проанализировали более 10 000 научных статей, выпущенных с 2019 по 2023 год, выбрали 171 статью, в которой была четко прописана методология диагностики рака по фотографиям пигментных пятен, и сгруппировали статьи по тому, какой алгоритм искусственного интеллекта использовался. Они выделили 5 групп: алгоритмы машинного обучения, сверточные нейросети, ансамбли нейронных сетей, мультимодальные нейросети и продвинутые интеллектуальные методы.

Оказалось, что лишь в 7% работ ученые использовали мультиклассовые базы данных, в которые входили не только фотографии пигментных пятен, но и результаты биопсии. Авторы заключили, что для повышения точности диагностики база данных должна включать также информацию о пациенте: возраст, пол, тип кожи и анатомическое расположение родинки.

В 39% исследований алгоритм сравнивал фотографию с базой данных, в которой содержалось менее 1000 изображений — в 10 раз меньше, чем нужно для качественной выборки. Поэтому даже если точность диагностики рака у алгоритма в самом исследовании высокая, на практике, когда через алгоритм будут проходить данные сотен пациентов, возможно, точность будет ниже. Ученые также установили, что чаще всего для диагностики рака кожи — в 39% случаев — используются сверточные нейронные сети, тогда как самая высокая точность (на 3% выше, чем у сверточных нейросетей) достигается алгоритмами с машинным обучением.

Авторы выяснили, что за последние пять лет средняя точность распознавания рака кожи у моделей, основанных на машинном обучении, увеличилась на 9,2%, достигнув 93%, а ансамблевых — только на 3%.  При этом точность мультимодальных нейронных сетей упала на 9,7%, а сверточных нейросетей — на 1%.

Полученные результаты показывают огромный потенциал автоматизированной ранней диагностики рака кожи на основе ИИ. Но использование подобных систем все еще связано с большими сложностями. Иногда модель диагностирует предвзято, опираясь на диагноз, преобладающий в используемой базе данных, в результате обобщить критерии диагностики с помощью искусственного интеллекта пока нельзя. В дальнейшем нужны исследования, которые помогут понять, как внедрить алгоритмы искусственного интеллекта для вспомогательной медицинской диагностики.



СМОТРИТЕ ТАКЖЕ