Θέματα που αφορούν την ενσωμάτωση της τεχνητής νοημοσύνης (ΤΝ) για την αξιολόγηση και διάγνωση δερματικών καταστάσεων σε ασθενείς με δέρμα διαφορετικού χρώματος, εξακολουθούν να υπάρχουν, σύμφωνα με πρόσφατες ευρήματα. Αυτές οι προκλήσεις περιστρέφονται κυρίως γύρω από την αναγνώριση των βλαβών, όπως υποδεικνύεται από μία εκτενή βιβλιογραφική ανασκόπηση που διεξήχθη από τη Rebecca Fliorent και τους συνεργάτες της από το Σχολείο Οστεοπαθητικής Ιατρικής Rowan-Virtua.
Η τεχνητή νοημοσύνη χρησιμοποιεί προηγμένους αλγορίθμους και μοντέλα για να μάθει από διάφορους τύπους δεδομένων, με στόχο τη διευκόλυνση ενημερωμένων αποφάσεων. Ο δυναμικός της έχει αναγνωριστεί στον τομέα της δερματολογίας, ιδίως στην πρώιμη εντοπισμό καρκίνου του δέρματος και στην παροχή εξατομικευμένων προτάσεων θεραπείας βασισμένων σε δεδομένα που αφορούν τον κάθε ασθενή. Ωστόσο, η Fliorent και η ομάδα της εκδήλωσαν την πρόθεσή τους να αντιμετωπίσουν τα κενά και τις προκλήσεις που προκύπτουν κατά την εφαρμογή της ΤΝ σε διαφορετικά χρώματα δέρματος.
Για να εντοπίσουν αυτά τα κενά, η έρευνα ομάδα διενήργησε εκτεταμένη ανασκόπηση υπαρχουσών ερευνητικών δεδομένων χρησιμοποιώντας βάσεις όπως το PubMed και το Google Scholar. Συμπεριέλαβαν μια ευρεία γκάμα όρων αναζήτησης που σχετίζονται με την εθνική αναπαράσταση, την τεχνητή νοημοσύνη, τον καρκίνο του δέρματος, την δερματολογία, την αποχρωματισμό, τον έλεγχο δερματολογικών παθήσεων, τις ανισότητες στη δημόσια υγεία και τον μελάνωμα. Η ανασκόπησή τους κάλυψε το χρονικό διάστημα από Φεβρουάριο 2002 έως Ιούνιο 2023 και περιλάμβανε διάφορους τύπους έρευνας, συμπεριλαμβανομένων κλινικών δοκιμών, συστηματικών αναθεωρήσεων, αναφορών περιστατικών και μελετών ενός κέντρου.
Τα ευρήματα της έρευνάς τους εντόπισαν πολλές μελέτες που φώτισαν τα όρια των δεδομένων εικόνων του δέρματος που είναι διαθέσιμα δημόσια όταν εφαρμόζονται σε κλινικές πραγματικές ρυθμίσεις. Αυτά τα όρια πηγάζουν από παράγοντες όπως η φωτισμός, η ακρίβεια εστίασης, τα επίπεδα έκθεσης, το διάφραγμα, η ευθυγράμμιση του φόντου και η μεταβλητότητα της ταχύτητας κλείστρου της φωτογραφικής μηχανής. Μια άλλη μελέτη υπογράμμισε την ανεπαρκή προσοχή που δίνεται στις πληροφορίες για το χρώμα του δέρματος στις ερευνητικές εργασίες εικόνων της ΤΝ, ιδίως στην αντιμετώπιση των στοιχείων του CLEAR Ελέγχου.
Η έρευνα ταυτοποίησε 10 ερευνητικές εργασίες και 15 τεχνολογίες ΤΝ που αξιολόγησαν την αποτελεσματικότητα της ΤΝ στην αξιολόγηση εικόνων διαφορετικών χρωμάτων δέρματος. Πολλές από αυτές τις ερευνητικές εργασίες αποκάλυψαν έλλειψη αναπαράστασης στα σύνολα δεδομένων, με ορισμένες μελέτες να αποκλείουν ή να περιλαμβάνουν ελάχιστα ασθενείς με δέρμα διαφορετικού χρώματος. Αυτή η έλλειψη ποικιλομορφίας και οι ανάγουσες σε ανεπάρκειες στην τεχνολογία της ΤΝ υπογράμμισαν την ανάγκη για εξατομικευμένες προσεγγίσεις ΤΝ για τη σωστή αξιολόγηση των καταστάσεων του δέρματος σε άτομα με διαφορετικά χρώματα δέρματος.
Για να αντιμετωπίσουν αυτές τις προκλήσεις, η ερευνητική ομάδα τόνισε τη σημασία πιο συμπεριλαμβανομένων συνόλων δεδομένων που αντιπροσωπεύουν ακριβώς διαφορετικές ασθενείς πληθυσμών. Επιπλέον, υπογραμμίστηκαν τα οφέλη της εκπαίδευσης δερματολόγων για την καταγραφή εικόνων υψηλής ποιότητας των βλαβών σε ασθενείς με δέρμα διαφορετικού χρώματος. Από την εξομάλυνση των προκαταλήψεων και τη διασφάλιση μιας καλύτερης αντιπροσώπευσης, η ΤΝ στη δερματολογία έχει το δυναμικό να βελτιώσει τα αποτελέσματα της περίθαλψης και να μειώσει τις ανισότητες.
