Die Anwendung von Künstlicher Intelligenz (KI) zur Bewertung und Diagnose dermatologischer Erkrankungen bei Patienten mit unterschiedlichen Hautfarben stellt weiterhin eine Herausforderung dar, so aktuelle Erkenntnisse. Diese Schwierigkeiten drehen sich hauptsächlich um die Identifizierung von Läsionen, wie in einer umfassenden Literaturübersicht von Rebecca Fliorent und ihren Kollegen der Rowan-Virtua School of Osteopathic Medicine hervorgehoben.
Künstliche Intelligenz nutzt raffinierte Algorithmen und Modelle, um aus verschiedenen Datentypen zu lernen und informierte Entscheidungen zu ermöglichen. Ihr Potenzial wurde im Bereich der Dermatologie erkannt, insbesondere bei der Früherkennung von Hautkrebs und der Bereitstellung personalisierter Behandlungsempfehlungen basierend auf patientenspezifischen Daten. Dennoch strebten Fliorent und ihr Team danach, die Lücken und Herausforderungen zu adressieren, die bei der Anwendung von KI auf unterschiedliche Hauttöne entstehen.
Um diese Lücken zu identifizieren, führte das Forschungsteam eine umfangreiche Überprüfung der vorhandenen Literatur mithilfe von Datenbanken wie PubMed und Google Scholar durch. Sie verwendeten eine Vielzahl von Suchbegriffen zu Themen wie Rassenrepräsentation, KI, Hautkrebs, künstliche Intelligenz, Dermatologie, Pigmentierung, dermatologisches Screening, Disparitäten im öffentlichen Gesundheitswesen und Melanom. Ihre Überprüfung umfasste den Zeitraum von Februar 2002 bis Juni 2023 und beinhaltete verschiedene Arten von Forschung, einschließlich klinischer Studien, systematischer Übersichten, Fallberichten und Studien an Einrichtungen.
Die Ergebnisse ihrer Untersuchung identifizierten mehrere Studien, die die Grenzen öffentlich zugänglicher Hautbild-Datensätze aufzeigten, wenn sie auf klinische Settings angewendet wurden. Diese Beschränkungen resultierten aus Faktoren wie Beleuchtung, Fokussiergenauigkeit, Belichtungsniveaus, Blendenöffnung, Hintergrundausrichtung und variabler Verschlusszeit der Kamera. Eine weitere Studie verdeutlichte die unzureichende Berücksichtigung von Hautfarbinformationen in KI-Bilduntersuchungen, insbesondere bei der Berücksichtigung der Elemente des CLEAR-Checklists.
Das Forschungsteam identifizierte 10 Untersuchungen und 15 KI-Technologien, die die Effektivität von KI bei der Auswertung von Bildern mit verschiedenen Hauttönen bewerteten. Viele dieser Untersuchungen zeigten einen Mangel an Repräsentation in den Datensätzen, wobei einige Studien Patienten mit unterschiedlichen Hautfarben ausschlossen oder nur minimal einschlossen. Diese Diversitätslücke und die resultierenden Ungenauigkeiten in der KI-Technologie unterstreichen die Notwendigkeit von maßgeschneiderten KI-Ansätzen, um Hautzustände bei Menschen mit unterschiedlichen Hauttönen angemessen zu bewerten.
Um diese Herausforderungen anzugehen, betonte das Forschungsteam die Bedeutung von inklusiveren Datensätzen, die verschiedene Patientenpopulationen korrekt repräsentieren. Sie hoben auch die Vorteile hervor, Dermatologen darin zu schulen, hochwertige Läsionsbilder bei Patienten mit unterschiedlichen Hautfarben aufzunehmen. Durch die Verringerung von Voreingenommenheiten und die Gewährleistung einer umfassenden Repräsentation hat die KI in der Dermatologie das Potenzial, die Behandlungsergebnisse zu verbessern und Ungleichheiten zu reduzieren.
FAQ
The source of the article is from the blog aovotice.cz