Проблемите, свързани с интеграцията на изкуствения интелект (ИИ) за оценка и диагностика на дерматологични състояния при пациенти с пигментирани кожи, продължават да съществуват, според последните проучвания. Тези трудности основно се въртят около идентификацията на лезии, както бе отбелязано от обстойно литературно проучване, проведено от Ребека Флиорент и нейните колеги от Медицинското училище на Роуън-Виртуа.
Изкуственият интелект използва сложни алгоритми и модели, за да учи от различни видове данни, с цел да улесни информираните решения. Неговият потенциал е признат в областта на дерматологията, особено в ранната диагностика на кожния рак и предоставянето на персонализирани препоръки за лечение въз основа на данни, специфични за пациента. Въпреки това, Флиорент и нейният екип се стремят да се справят с празнините и предизвикателствата, които възникват при прилагането на ИИ към различни кожни тонове.
За да се идентифицират тези празнини, изследователският екип проведе обстойно преглед на съществуващата литература, използвайки бази данни като PubMed и Google Scholar. Те включиха голям набор от термини, свързани с расовата репрезентация, ИИ, кожния рак, изкуствения интелект, дерматологията, пигментацията, дерматологичния скрининг, различията в общественото здраве и меланома. Техният преглед обхващаше периода от февруари 2002 г. до юни 2023 г. и включваше различни видове изследвания, включително клинични изпити, систематични прегледи, случайни съобщения и изследвания в един център.
Резултатите от тяхното изследване идентифицираха няколко изследвания, които разкриха ограниченията на публично достъпните набори от кожни изображения, когато се приложат в клинични условия в реално време. Тези ограничения се дължат на фактори като осветление, точност на фокуса, нива на експонация, апертура, подравняване на фона и разнообразие в скоростта на затвора на камерата. Друго изследване подчерта недостатъчното внимание, което се обръща към информацията за кожен цвят в изследванията на ИИ при изображения, особено при адресиране на елементите на „CLEAR Checklist“.
Изследователският екип откри 10 изследвания и 15 технологии на ИИ, които оценяваха ефективността на ИИ при оценяване на изображения на различни кожни тонове. Мнозинството от тези изследвания показват липса на представителност в наборите от данни, като някои изследвания изключват или минимално включват пациенти с пигментирани кожи. Тази липса на разнообразие и резултиращите неточности в технологията на ИИ подчертават необходимостта от персонализирани подходи на ИИ за правилното оценяване на кожните състояния при лица с различни кожни тонове.
За да се справят с тези предизвикателства, изследователският екип подчертава важността на по-включващи набори от данни, които точно представят различните популации на пациенти. Те също така подчертават ползите от обучаване на дерматолози за заснемане на висококачествени изображения на лезии на пациенти с пигментирани кожи. Чрез намаляване на предразсъдъците и гарантиране на всеобхватна репрезентация, ИИ в дерматологията има потенциала да подобри резултатите от грижите и да намали различията.
The source of the article is from the blog tvbzorg.com