Искусственный интеллект для диагностики меланомы

Меланома - это тип злокачественной опухоли, на долю которой приходится более 70% всех смертей, связанных с раком кожи. В течение многих лет врачи полагались на визуальный осмотр для выявления подозрительных пигментных поражений, которые могут быть показателем рака кожи. Такое раннее выявление поражений может улучшить прогноз развития меланомы и значительно снизить стоимость лечения.

Проблема заключается в том, что быстро найти и определить приоритетность исследования подозрительных родинок трудно из-за большого количества пигментированных пятен, которые часто требуют оценки на предмет потенциальной необходимости биопсии. В настоящее время исследователи из Массачусетского технологического института (МТИ) разработали новый алгоритм искусственного интеллекта, использующий сверточные нейронные сети и применяющий их для анализа поражений с помощью широкоугольной фотографии, которые можно сделать с помощью большинства смартфонов и персональных камер.

Информация об этой разработке была опубликована в журнале Science Translational Medicine.

Автоматическая система обнаруживает, извлекает и анализирует все пигментные поражения кожи, наблюдаемые на широкоугольном снимке. Предварительно "натренированная" сверточная нейронная сеть определяет степень "подозрительности" отдельных пигментированных образований и отмечает их цветом (желтый цвет = рассмотреть возможность дальнейшего осмотра, красный цвет = требует дальнейшего осмотра или направления к дерматологу). Эта информация используется для дальнейшей оценки пигментных поражений и отображения результатов в формате тепловой карты.

Сверточные нейронные сети - это нейронные сети, которые можно использовать для классификации изображений, чтобы затем объединить их в кластеры (например, при поиске фотографий). Эти алгоритмы машинного обучения принадлежат к подмножеству глубокого обучения.

Новая программа использует эту технологию для быстрой и эффективной идентификации и скрининга на ранней стадии меланомы.

Используя метод искусственного интеллекта, исследователи разработали систему, "натренированную" на 20 388 широкоугольных изображениях, полученных от 133 пациентов в больнице имени Грегорио Мараньона в Мадриде, а также общедоступных изображениях. Снимки были сделаны с помощью различных обычных фотоаппаратов, которые легко доступны для потребителей. Дерматологи, работающие с исследователями, визуально классифицировали повреждения на изображениях для сравнения. Они обнаружили, что система добилась более чем 90,3% чувствительности при выделении подозрительных кожных образований при сравнении с родинками, различными неопасными образованиями на коже и в присутствии сложного фона, избежав необходимости в громоздкой и трудоемкой визуализации отдельных повреждений.

По словам одного из разработчиков системы Луиса Соенксена (Luis R. Soenksen),

Наши исследования показывают, что системы, использующие компьютерное зрение и глубокие нейронные сети, количественно определяя такие общие признаки, могут достичь точности, сопоставимой с точностью, которой обладают опытные дерматологи.