По мнению профессора дерматологии Светтер из Института рака Стэнфордского университета использование искусственного интеллекта (ИИ) в качестве вспомогательного инструмента может открыть возможности для оптимизации диагностики меланомы, расширения сферы применения и улучшения ухода за пациентами. ИИ обладает большим потенциалом для улучшения выявления меланомы, а также оказания помощи пациентам и результатов лечения. Заглядывая вперед, доктор Светтер предположила, что широкомасштабное внедрение алгоритмов глубокого обучения и ИИ может стать реальностью в течение ближайших 5 лет. Это может привести к более стандартизированному уровню диагностической точности и обеспечить более надежную сортировку и уход за пациентами. Расширяя доступ к экспертным знаниям дерматологов, ИИ может демократизировать уход и привести к обнаружению меланомы на более ранней, более излечимой стадии. Сократив время, затрачиваемое на выполнение более приземленных задач, врачи могли бы уделять больше времени отношениям между врачом и пациентом. Учитывая ограничения ИИ, нет никаких опасений, что он заменит клиницистов. Сверточные нейронные сети (CNNs) намного превосходят возможности человеческого мозга в плане распознавания образов, но они не могут воспроизвести человеческие навыки принятия решений. Компьютеры плохо работают в ”серой зоне" диагностической неопределенности, что имеет решающее значение, поскольку диагнозы и клиническое руководство не всегда четко определены. Они не способны управлять пациентом после постановки диагноза или проявлять сочувствие или сострадание, включать контекст, отличный от визуальных и дерматоскопических особенностей, которые они были обучены оценивать, и поэтому они никогда не смогут заменить человеческие взаимодействия в медицине. То, что может сделать ИИ, - это взять на себя некоторые из рутинных аспектов классификации кожных поражений. В 2017 году исследователи разработали дерматологическую таксономию более чем 2000 заболеваний, что позволило им создать набор данных глубокого обучения, охватывающий широкий спектр дерматологических диагнозов. ИИ был обучен общей классификации кожных поражений с использованием почти 130 000 клинических изображений. Сеть была построена с учетом вариаций освещения, масштабирования и угла обзора, присущих фотографическим изображениям. Алгоритм, который генерировал вероятность злокачественности для данного изображения, был подготовлен к тестированию за 1 год. Компьютерное "обучение" заняло всего несколько недель. Использование клинических изображений подтвержденных биопсией поражений позволило проверить эффективность ИИ на способность к дифференцированию кератиноцитарных карцином от доброкачественных себорейных кератозов и злокачественных меланом от доброкачественных невусов. Тестирование показало, что ИИ обладает высокой специфичностью и чувствительностью. По сравнению с советом, включавшим 21 сертифицированного дерматолога, ИИ распознавал рак кожи также, если не лучше, чем эксперты. При тестировании с помощью дерматоскопических изображений ИИ превзошел дерматологов, хотя большинство участвующих клиницистов не были экспертами в области пигментных поражений или дерматоскопии. ИИ оценивает, является ли сфотографированное поражение кожи подозрительным на рак кожи или нет, что может позволить клиницисту решить, следует ли пациенту пройти биопсию или его можно успокоить. Пока еще ИИ не разработан для внедрения в клиническую практику или на рынок потребительских приложений для смартфонов. Но в будущем эта концепция может быть включена в различные алгоритмы ИИ. Кроме этого примеры изображений не учитывали цвет кожи. Будущие наборы данных должны будут включать повреждения от людей всех типов кожи по Фитцпатрику. Другие исследовательские команды опубликовали работы, описывающие ИИ для диагностики меланомы, немеланомного рака кожи и онихомикоза с использованием патогистологии, дерматоскопии и/или клинических изображений. В целом было обнаружено, что алгоритмы работают аналогично или лучше, чем дерматологи. Но большинство из них были апробированы в искусственной среде, и, прежде чем они могут быть включены в передовую практику, необходима строгая проспективная клиническая проверка. Клиницистам все еще нужно использовать свое суждение о правильности результата ИИ, а затем решить, как применить эту информацию для обеспечения наилучшего ухода за пациентом. «Мы должны помнить, что ИИ не заменит человеческую сторону медицины», заключает Светтер.