Prema istraživanju objavljenome 2018. godine u medicinskom časopisu Annals of Oncology, istraživači iz Njemačke, SAD-a i Francuske po prvi put su pokazali da je oblik umjetne inteligencije, odnosno strojnog učenja, poznat kao duboko učenje konvolucijske neuronske mreže (CNN) bolji od iskusnih dermatologa u otkrivanju raka kože.

Istraživači u Njemačkoj, SAD-u i Francuskoj obučili su konvolucijske neuronske mreže (CNN) za prepoznavanje raka kože pokazujući više od 100 000 slika malignih melanoma i benignih madeža. Usporedili su njegovu izvedbu s radom 58 međunarodnih dermatologa i otkrili da CNN propušta manje melanoma i rjeđe dijagnosticira dobroćudne madeže kao zloćudne nego skupina dermatologa.

Voditelj studije, profesor Holger Haenssle, viši liječnik na Odjelu za dermatologiju Sveučilišta Heidelberg u Njemačkoj, objasnio je:

“CNN djeluje poput mozga djeteta. Kako bismo ga istrenirali, pokazali smo CNN-u više od 100 000 slike zloćudnih i dobroćudnih karcinoma kože i madeža i naznačili dijagnozu za svaku sliku. Korištene su samo dermoskopske slike, odnosno lezije koje su snimljene u deseterostrukom uvećanju. Sa svakom slikom na treningu CNN je poboljšao svoju sposobnost razlikovanja benignih i malignih lezija.

Po završetku treninga stvorili smo dva testna skupa slika iz Heidelberške knjižnice koji nikada nisu korišteni za obuku i zbog toga nisu bili poznati CNN-u. Jedan set od 300 slika izgrađen je isključivo za testiranje izvedbe CNN-a. Na taj način je odabrano 100 najtežih lezija za testiranje pravih dermatologa u usporedbi s rezultatima CNN-a.”

U studiji je sudjelovalo 58 dermatologa iz 17 zemalja svijeta. Od toga je 17 dermatologa (29%) naznačilo da imaju manje od dvije godine iskustva u dermoskopiji, 11 (19%) da imaju između dvije i pet godina iskustva, a 30 dermatologa (52%) je imalo više od pet godina godine iskustva.

Od dermatologa se tražilo da najprije uspostave dijagnozu zloćudnog melanoma ili benignog madeža samo na osnovu dermoskopskih slika (razina I) i donesu odluku o načinu liječenja (operacija, kratkotrajno praćenje ili nije potrebna nikakva radnja). Zatim su, četiri tjedna kasnije, dobili kliničke informacije o pacijentu (uključujući dob, spol i položaj lezije) i slike izbliza iz istih 100 slučajeva (razina II) i ponovno uspostavljali dijagnoze i donosili odluke o liječenju.

U razini I dermatolozi su točno otkrili prosječno 86,6% melanoma i točno identificirali prosječno 71,3% lezija koje nisu bile zloćudne. Međutim, kada je CNN podešen na istu razinu kao i liječnici kako bi ispravno prepoznali benigne madeže (71,3%), CNN je otkrio 95% melanoma. Na razini II dermatolozi su poboljšali svoje performanse, precizno dijagnosticirajući 88,9% zloćudnih melanoma i 75,7% koji nisu karcinom.

“CNN je propustio manje melanoma, što znači da je imao veću osjetljivost od dermatologa, a manje je dobroćudnih madeža pogrešno dijagnosticirao kao zloćudni melanom, što znači da je imao veću specifičnost; to bi rezultiralo manjim brojem nepotrebnih operacija”, rekao je profesor Haenssle.

“Kad su dermatolozi dobili više kliničkih informacija i slika na razini II, njihova se dijagnostička izvedba poboljšala. Međutim, CNN, koji je i dalje radio isključivo na dermoskopskim slikama bez dodatnih kliničkih podataka, nastavio je nadmašivati ​​dijagnostičke sposobnosti liječnika.”

Stručni dermatolozi imali su bolji učinak na razini I od manje iskusnih dermatologa i bili su bolji u otkrivanju malignih melanoma. Međutim, njihova prosječna sposobnost postavljanja točne dijagnoze i dalje je bila lošija od CNN-ove na obje razine.

“Ova otkrića pokazuju da su konvolucijske neuronske mreže dubokog učenja sposobne nadmašiti dermatologe, uključujući opsežno obučene stručnjake, u zadaći otkrivanja melanoma”, rekao je.

Pojava malignih melanoma raste, prosječno je 232 000 novih slučajeva diljem svijeta i oko 55 500 smrtnih slučajeva od ove zloćudne bolesti svake godine. Može se izliječiti ako se otkrije rano, ali mnogi se slučajevi dijagnosticiraju tek kada je rak napredniji i teži za liječenje.

Profesor Haenssle izjavio je:

“Sudjelujem u istraživačkim projektima koji imaju za cilj poboljšanje ranog otkrivanja melanoma u njegovim izlječivim fazama gotovo 20 godina. Moja skupina i ja usredotočeni smo na neinvazivne tehnologije koje mogu pomoći liječnicima da ne propuste melanom. Kad sam naišao na nedavna izvješća o algoritmima dubokog učenja koji nadmašuju ljudske stručnjake u određenim zadacima, odmah sam znao da moramo istražiti te algoritme umjetne inteligencije za dijagnosticiranje melanoma. “

Istraživači ne predviđaju da bi CNN preuzeo posao dermatologa u dijagnosticiranju karcinoma kože, ali da bi im mogao poslužiti kao dodatna pomoć.

“CNN može poslužiti liječnicima koji sudjeluju u probiranju raka kože kao pomoć u odluci hoće li biopsirati leziju ili ne. Većina dermatologa već koristi digitalne sustave dermoskopije za snimanje i pohranu lezija za dokumentaciju i praćenje. CNN tada može lako i brzo procijeniti pohranjenu sliku o vjerojatnosti melanoma.”

Studija ima određena ograničenja, koja uključuju činjenicu da su dermatolozi bili u umjetnom okruženju gdje su znali da ne donose odluke “života ili smrti”; testni skupovi nisu obuhvaćali čitav niz lezija kože; bilo je manje provjerenih slika nekavkaskih tipova kože i genetskog porijekla.

 

Izvor: EurekAlert