Tekoälyn (AI) integrointi ihonväristä riippumattomien dermatologisten tilojen arviointiin ja diagnoosiin kohtaa haasteita, käy ilmi tuoreimmista löydöksistä. Nämä haasteet liittyvät pääasiassa leesioiden tunnistamiseen, kuten on havaittu kattavassa kirjallisuuskatsauksessa, jonka toteuttivat Rebecca Fliorent ja hänen kollegansa Rowan-Virtua School of Osteopathic Medicine -laitokselta.
Tekoäly hyödyntää monimutkaisia algoritmeja ja malleja oppiakseen erilaisista tiedoista tavoitteenaan helpottaa tietoon perustuvaa päätöksentekoa. Sen potentiaali on tunnustettu dermatologian alalla erityisesti varhaisen ihosyövän havaitsemisessa sekä yksilöllisiin potilastietoihin perustuvien hoitosuositusten tarjoamisessa. Fliorent ja hänen tiiminsä pyrkivät kuitenkin käsittelemään niitä aukkoja ja haasteita, joita syntyy sovellettaessa tekoälyä erilaisiin ihon sävyihin.
Erojen tunnistamiseksi tutkimustiimi teki laajan kirjallisuuskatsauksen käyttäen tietokantoja kuten PubMed ja Google Scholar. He sisällyttivät laajan valikoiman hakusanoja, jotka liittyivät rodulliseen edustavuuteen, tekoälyyn, ihosyöpään, tekoälyyn, dermatologiaan, pigmentaatioon, dermatoen seulontaan, terveyseroihin ja melanomaan. Heidän katsauksensa ulottui helmikuusta 2002 kesäkuuhun 2023 ja käsitti erilaisia tutkimustyyppejä, mukaan lukien kliiniset tutkimukset, systemaattiset katsaukset, tapausselostukset ja yksittäisen keskuksen tutkimukset.
Heidän tutkimuksensa tulokset tunnistivat useita tutkimuksia, jotka valottivat julkisesti saatavilla olevien ihokuvatietokantojen rajoituksia, kun niitä sovellettiin todellisen maailman kliinisiin ympäristöihin. Nämä rajoitukset johtuivat tekijöistä kuten valaistus, tarkennuksen tarkkuus, altistustasot, aukko, taustan kohdistus ja kameran sulkimenopeuden vaihtelut. Toinen tutkimus korosti riittämätöntä huomiota, jota annetaan ihonväriin liittyvälle tiedolle tekoälykuvantamistutkimuksissa erityisesti käsiteltäessä CLEAR Checklistin elementtejä.
Tutkimustiimi tunnisti 10 tutkimusta ja 15 tekoälyteknologiaa, jotka arvioivat tekoälyn tehokkuutta arvioida kuvia erilaisista ihoävyistä. Monet näistä tutkimuksista paljastivat vähäisen edustavuuden tietokannoissa, ja osa tutkimuksista sulki ulos tai sisällytti vain vähän potilaita, joilla oli ihonväriä. Tämä monimuotoisuuden puute ja siitä johtuvat epätarkkuudet tekoälytekniikassa korostivat tarvetta räätälöidyille tekoälylähestymistavoille arvioida ihosairauksia eri ihonvärisiä yksilöitä varten.
Näiden haasteiden käsittelemiseksi tutkimustiimi korosti tärkeiden sisällyttää monipuolisempia tietokantoja, jotka edustavat tarkasti erilaisia potilaspopulaatioita. He myös korostivat hyötyjä siitä, että koulutetaan dermatologeja ottamaan korkealaatuisia leesionkuvia potilaille, joilla on ihonväri. Vähentämällä vääristymiä ja varmistamalla kattavan edustavuuden tekoäly dermatologiassa voi parantaa hoitotuloksia ja vähentää eroja.
Usein kysytyt kysymykset
The source of the article is from the blog jomfruland.net