Jak poprawić skuteczność dermatologów w diagnozowaniu chorób?

Naukowcy z Massachusetts Institute of Technology (MIT) przeanalizowali skuteczność dermatologów i lekarzy rodzinnych w diagnozowaniu zmian skórnych pacjentów. Sugerują, że do dokładniejszego diagnozowania tych pacjentów można wykorzystać sztuczną inteligencję.

W badaniu, finansowanym przez konsorcjum MIT Media Lab i fundusz badawczy Harolda Horowitza, wzięło udział ponad 1000 dermatologów i lekarzy pierwszego kontaktu.

Naukowcy zebrali 364 obrazów z podręczników dermatologii i innych źródeł, przedstawiających 46 chorób skóry, w tym atopowe zapalenie skóry, boreliozę i chłoniaka skórnego T-komórkowego (CTCL), rzadką postać raka, dla różnych odcieni skóry. Wiele z tego typu chorób, takich jak borelioza, może objawiać się różnie na różnych typach skóry.

Badacze odkryli, że dermatolodzy skutecznie scharakteryzowali około 38% obrazów, które zobaczyli, z czego 34% dotyczyło ciemniejszej skóry, podczas gdy lekarze pierwszego kontaktu uzyskali ogólną dokładność jedynie na poziomie 19%, wykazując podobny spadek precyzyjności diagnozy w przypadku ciemniejszej skóry.

Ponadto dermatolodzy rzadziej kierowali obrazy ciemniejszej skóry CTCL do biopsji, ale częściej kierowali je do biopsji w przypadku nienowotworowych chorób skóry.

Następnie badacze przeszkolili algorytm sztucznej inteligencji na podstawie około 30 000 zdjęć, mając na celu sklasyfikowanie obrazów jako przedstawiających konkretną chorobę skóry. W sumie algorytm uzyskał współczynnik skuteczności diagnozy na poziomie 47%.

Obydwa algorytmy były równie dokładne w przypadku jasnej i ciemnej skóry i poprawiły dokładność stawianych diagnoz w przypadku dermatologów odpowiednio o 60% i 47% w przypadku lekarzy pierwszego kontaktu.

Mamy nadzieję, że wnioski z badania pobudzą szkoły medyczne i podręczniki do częstszego szkolenia dotyczącego pacjentów o ciemniejszej skórze, a jednocześnie pomogą w kierowaniu wdrażaniem oprogramowania AI wspierającego pracę lekarzy.