Согласно недавнему исследованию новый диагностический инструмент с искусственным интеллектом Ros-NET был способен точно идентифицировать розацеа, открывая путь для дальнейшего развития технологии, помогающей в диагностике этого состояния кожи. Как правило, дерматологи диагностируют розацеа с помощью физикального обследования, но этот метод при оценке пациентов подвержен высокой вариабельности. Однако, согласно исследованию, финансируемому Национальным Обществом розацеа (NRS), исследователи обнаружили, что компьютерный диагностический инструмент Ros-NET способен точно идентифицировать розацеа. Исследование проводилось исследовательской группой из отделения дерматологии Университета штата Огайо (OSU) и Медицинской школы Уэйк Форест под руководством доктора медицины, адъюнкт-профессора дерматологии Медицинского центра Векснера Бенджамина Каффенбергера. Компьютерная диагностическая система Ros-NET идентифицирует поражения розацеа, объединяя количественную и качественную информацию из различных изображений. Первоначально, для наилучшей идентификации розацеа, исследователи стремились построить алгоритм, сходный с ранее созданным ими для акне. Однако, позже команда смогла создать искусственный интеллект для построения алгоритма «глубокого обучения», специально адаптированный для розацеа. Чтобы найти области на лице, пораженные розацеа, Ros-NET использует цифровые изображения, снятые в естественном белом свете. Кроме того, алгоритм не нуждается в помощи для поиска областей, которые могут быть затронуты розацеа, а скорее использует естественные черты лица для определения границ лица и освещения для распознавания областей, склонных к розацеа. Чтобы тренировать способности алгоритма к идентификации исследователи собрали из текущих баз данных более миллиона изображений пациентов с розацеа. В ходе исследования были собраны клинические данные, изображения и демографические данные 166 пациентов с диагнозом розацеа. Исследование показало, что Ros-NET был способен точно распознавать розацеа у пациентов примерно в 88-90% случаев. «Результаты этого исследования подтверждают, что алгоритм «глубокого обучения» может быть полезен при выявлении поражений розацеа. Хотя возможности алгоритма идентификации розацеа высоки, наши дальнейшие исследования будут включать расширение базы данных случаев с различной степенью характеристик заболевания», отметили исследователи.