کمک به پزشکان در تشخیص بیماری های پوست تیره با هوش مصنوعی

به گزارش ایسنا، مطالعه جدید دانشگاه MIT (MIT) نشان می دهد که وقتی پوست بیمار تیره است، پزشکان در تشخیص بیماری های پوستی بر اساس عکس های پوست بیمار به نتایج خوبی نمی رسند.

به گزارش MIT News، این مطالعه که بر روی بیش از 1000 متخصص پوست و پزشکان عمومی انجام شد، نشان داد که متخصصان پوست در 38 درصد از عکس‌هایی که دیده‌اند حق داشتند، اما تنها در 34 درصد از عکس‌هایی که پوست بیمار تیره‌تر بود. این بیماری به درستی تشخیص داده شده است. پزشکان عمومی کاهش مشابهی در دقت خود با پوست تیره تر نشان دادند.

این تحقیق همچنین نشان می‌دهد که دقت پزشکان ممکن است با کمک یک الگوریتم هوش مصنوعی بهبود یابد، زیرا پیشرفت در تشخیص بیماران با پوست روشن‌تر بیشتر بوده است.

اگرچه این اولین مطالعه‌ای است که تفاوت‌هایی را در تشخیص پزشکی بر اساس رنگ پوست نشان می‌دهد، اما مطالعات دیگر نیز نشان داده‌اند که تصاویر استفاده‌شده در کتاب‌های درسی پوست و محتوای آموزشی عمدتاً رنگ پوست را روشن‌تر نشان می‌دهند.

تیم MIT گفت: این امکان پذیر است یکی این یکی از عواملی است که در تفاوت دقت نقش دارد. همچنین ممکن است برخی از پزشکان تجربه کمتری در درمان بیماران با پوست تیره داشته باشند.

محقق Dr. “مت گرو” (دانشگاه نورث وسترن) گفت: “البته هیچ پزشکی قصد ندارد با برخی از بیماران رفتار بدی داشته باشد، اما ممکن است دانش و تجربه لازم را نداشته باشد و به همین دلیل مطمئناً خوب کار نمی کند.” “گروه های بیماران. این یکی این یکی از آن شرایطی است که نیاز به شواهد تجربی دارد و نشان می دهد که دستورالعمل های آموزش پوست باید تغییر کند.

مغایرت های تشخیصی

برای اندازه گیری دقت تشخیصی پزشکان، محققان MIT مجموعه ای از 364 عکس را از کتاب های درسی پوست و سایر منابع جمع آوری کردند که 46 بیماری پوستی را در طیف های مختلف رنگ پوست نشان می داد.

این گروه تحقیقاتی از طریق شبکه اجتماعی به نام «سرمو» پزشکانی را برای این تحقیق انتخاب کردند. کل گروه تحقیقاتی شامل 389 متخصص پوست، 116 متخصص پوست، 459 پزشک عمومی و 154 پزشک از سایر گروه ها بود.

محققان به هر شرکت کننده ده عکس نشان دادند و از آنها خواستند تا سه پیش بینی اصلی خود را برای بیماری هر عکس انجام دهند. همچنین از آنها پرسیده شد که آیا بیمار را برای بیوپسی ارجاع می دهند یا خیر. علاوه بر این، از پزشکان عمومی پرسیده شد که آیا بیمار را به متخصص پوست ارجاع خواهند داد؟

روزالیند پیکارد، استاد علوم و هنرهای رسانه ای دانشگاه ام آی تی و یکی از محققان این پروژه می گوید: شرایط این آزمایش با معاینه جامع حضوری که در آن پزشک می تواند پوست را از زوایای مختلف بررسی کند، قابل مقایسه نیست. و نور را کنترل کنید. .

با این حال، عکس‌های پوست برای پلتفرم آنلاین مقیاس‌پذیرتر هستند و به راحتی می‌توانند به الگوریتم یادگیری ماشینی وارد شوند. این امر سرعت تشخیص های احتمالی را افزایش می دهد.

محققان دریافتند که متخصصان پوست میزان دقت بالاتری دارند. شما 38 درصد از عکس ها را به درستی طبقه بندی کردید. در مقابل، این رقم برای پزشکان عمومی ۱۹ درصد بود.

هر دو گروه در هنگام تلاش برای تشخیص بیماری‌های پوستی از روی عکس‌های پوست تیره‌تر، حدود چهار درصد از دقت خود را از دست دادند که از نظر آماری کاهش معنی‌داری داشت.

متخصصان پوست به احتمال کمتری عکس‌های پوست تیره‌تر را برای بیوپسی برای تشخیص لنفوم سلول T پوستی (CTCL) ارجاع می‌دادند، اما بیشتر از شرایط پوستی غیرسرطانی برای بیوپسی مراجعه می‌کردند.

جنا لستر، دانشیار پوست در دانشگاه کالیفرنیا، سانفرانسیسکو (UCSF) که در این تحقیق شرکت نداشت، گفت: “این تحقیق به وضوح نشان می دهد که بین پوست تیره و روشن هنگام تشخیص بیماری تفاوت وجود دارد.” این تفاوت تعجب آور نیست.

با این حال، من در مطالعات قبلی چنین نتیجه قوی ندیده ام. تحقیقات بیشتری باید انجام شود تا با دقت بیشتری مشخص شود که چه عواملی باعث این تفاوت می شوند.

هوش مصنوعی

پس از ارزیابی عملکرد پزشکان، محققان MIT به آنها عکس های بیشتری دادند تا با استفاده از الگوریتم هوش مصنوعی که توسط همان گروه تحقیقاتی توسعه داده شده است، عکس ها را تجزیه و تحلیل کنند.

محققان این الگوریتم را روی حدود 30000 عکس آموزش دادند و از آن خواستند تا عکس‌ها را بر اساس هشت بیماری پوستی که در اکثر آنها دیده می‌شد و همچنین گروه نهم به نام «دیگر» طبقه‌بندی کند.

دقت این الگوریتم حدود 47 درصد بود. محققان نسخه دیگری از الگوریتم را با نرخ موفقیت 84 درصد توسعه دادند که به آنها اجازه داد ارزیابی کنند که آیا دقت مدل بر توصیه های پزشکان تأثیر می گذارد یا خیر.

محققان دریافتند که استفاده از هر یک از این الگوریتم‌های هوش مصنوعی، دقت متخصصان پوست را تا 60 درصد و دقت پزشکان عمومی را تا 47 درصد بهبود می‌بخشد.

گرو گفت: «این به ما امکان می‌دهد در آینده توانایی‌های هوش مصنوعی را با بهترین مدل‌های موجود امروز و با هوش مصنوعی که می‌تواند دقیق‌تر و با داده‌ها و مدل‌های بهتر باشد، ارزیابی کنیم.

این تحقیق در مجله Nature Medicine منتشر شده است.