Новое исследование показало, что технологии искусственного интеллекта могут диагностировать рак кожи с точностью до 93%, что на 9% выше по сравнению с предыдущими результатами.
Исследователи из Северо-Кавказского федерального университета изучили более 10 000 научных статей за последние четыре года, чтобы выяснить, какие методы ИИ наиболее эффективны для диагностики рака кожи. Оказалось, что алгоритмы машинного обучения, основанные на глубоком обучении, показали наилучшие результаты. На их долю приходится 93% точности, что делает их предпочтительными для медицинских приложений. За последние 10 лет точность таких алгоритмов увеличилась более чем на 9%.
Рак кожи является одной из наиболее распространенных форм онкологических заболеваний, составляя более 40% всех выявленных случаев. Ранняя диагностика играет ключевую роль в успешном лечении, увеличивая выживаемость пациентов до 99%. Однако на поздних стадиях, когда симптомы становятся более очевидными, выживаемость резко падает до 27%.
«Результаты, которые мы получили, показывают огромный потенциал автоматизированной ранней диагностики рака кожи на основе искусственного интеллекта. Однако подобные системы все еще несут в себе этическую и юридическую двусмысленность, а также проблему отсутствия большого количества стандартизированных клинических баз данных»
— Павел Ляхов, кандидат физико-математических наук, заведующий кафедрой математического моделирования Северо-Кавказского федерального университета
Для диагностики рака кожи обычно используется дерматоскоп, позволяющий увеличить изображение потенциального новообразования. Точность такого метода составляет 65-75%. Искусственный интеллект может помочь врачам, сравнивая фотографии с базами данных, содержащими десятки тысяч изображений пигментных пятен.
Наиболее часто для диагностики рака кожи применяются сверточные нейросети. Однако их точность варьируется из-за недостатка качественных обучающих данных. В 39% исследований использовались базы данных с менее чем 1000 изображений, что недостаточно для высокой точности. В то же время, алгоритмы машинного обучения оказались на 3% точнее сверточных нейросетей.
За последние пять лет средняя точность распознавания рака кожи у моделей, основанных на машинном обучении, увеличилась на 9,2%. При этом точность ансамблевых нейронных сетей повысилась лишь на 3%, а мультимодальные нейронные сети показали снижение точности на 9,7%. Сверточные нейросети также продемонстрировали небольшое снижение точности на 1%.
Для работы алгоритмов ИИ чаще всего используется база данных HAM10000, содержащая 10 000 фотографий семи типов кожных новообразований. Использование этой базы повысило среднюю точность диагностики на 6,9% за последние пять лет.
Павел Ляхов отметил, что автоматизированная диагностика рака кожи на основе ИИ имеет большой потенциал, но требует дальнейших исследований для решения этических и юридических вопросов, а также создания стандартов клинических баз данных.
Нет комментариев