Hogyan ismeri fel a bőrrákot a mesterséges intelligencia – és miért fontos ez?

Egy betegség, ahol percek számítanak

A bőrrák a leggyakoribb rák világszerte, és a melanoma – a legveszélyesebb formája – évente több mint 60 000 ember halálát okozza. A túlélési arány a korai felismerésen múlik: korán elkapva a melanomának 99 százalék feletti ötéves túlélési aránya van. Későn elkapva ez a szám 35 százalék alá zuhan. Most a mesterséges intelligencia egyre inkább hatékony eszköz a gyanús elváltozások gyorsabb és pontosabb felismerésére, mint valaha.

Hogyan működik a mesterséges intelligencia képalkotó elemzése

A legtöbb mesterséges intelligencián alapuló bőrrák-felismerő rendszer a mélytanulásra támaszkodik, amely a gépi tanulás egy ága, és konvolúciós neurális hálózatokra (CNN-ekre) épül. Ezeket a hálózatokat dermoszkópos képek hatalmas adatbázisain képzik – speciális nagyító eszközökkel készített fényképek a bőrelváltozásokról –, amelyeket bőrgyógyászok címkéztek fel, és biopsziával erősítettek meg.

A képzés során az algoritmus megtanulja felismerni a finom vizuális mintákat: szabálytalan határokat, aszimmetrikus formákat, színváltozatokat és texturális jellemzőket, amelyek megkülönböztetik a rosszindulatú elváltozásokat a jóindulatúaktól. A betanítás után a rendszer másodpercek alatt képes elemezni egy új képet, és kiadni egy rosszindulatúsági kockázati pontszámot.

Az npj Digital Medicine folyóiratban megjelent szisztematikus áttekintés és metaanalízis megállapította, hogy a mesterséges intelligencia algoritmusai 87 százalékos érzékenységet és 77 százalékos specificitást értek el a bőrrák osztályozásában, szemben a klinikusok hozzávetőlegesen 80 százalékos érzékenységével és 74 százalékos specificitásával. A 38 vizsgált tanulmány közül 30-ban a mesterséges intelligencia pontossága nem volt rosszabb, vagy jobb volt, mint a bőrgyógyászoké.

A képeken túl: spektroszkópia és egészségügyi nyilvántartások

Nem minden mesterséges intelligencia alapú felismerés támaszkodik fényképekre. A DermaSensor, az első mesterséges intelligenciával működő bőrrák diagnosztikai eszköz, amelyet az FDA engedélyezett, rugalmas szórási spektroszkópiát használ. Egy kézi szonda rövid fényimpulzusokat bocsát ki egy elváltozásra, majd méri, hogy ez a fény hogyan szóródik vissza a sejtes és szubcelluláris struktúrákról. Az algoritmusai, amelyeket egy évtizedes klinikai kutatás során finomítottak, egy kulcsfontosságú, a Mayo Clinic által vezetett tanulmányban minden bőrráktípusra vonatkozóan 96 százalékos érzékenységet értek el.

Eközben a Göteborgi Egyetem és a Chalmers Műszaki Egyetem kutatói egy teljesen más megközelítést alkalmaztak. A hatmillió svéd felnőtt bevonásával készült tanulmányuk gépi tanulást használt a melanoma kockázatának előrejelzésére a rutinszerű egészségügyi nyilvántartásokból – diagnózisok, gyógyszerek, életkor, nem és szocioökonómiai adatok. A legjobb modell azonosította azokat a magas kockázatú csoportokat, ahol a melanoma kialakulásának valószínűsége öt éven belül megközelítette a 33 százalékot, ami messze meghaladja a 0,64 százalékos populációs alapot.

Ember és gép együtt

A legerősebb bizonyítékok arra utalnak, hogy a mesterséges intelligencia együttműködési eszközként működik a legjobban, nem pedig az orvosok helyettesítőjeként. A Stanford Medicine által vezetett tanulmány megállapította, hogy a mesterséges intelligencia segítségét használó klinikusok körülbelül 6 százalékponttal javították az érzékenységüket és közel 5 ponttal a specificitásukat a magukban végzett munkához képest. Az előnyök a legdrámaibbak a nem szakorvosok számára voltak: az alapellátást végző orvosok, a szakápolók és az orvostanhallgatók körülbelül 13 ponttal javították diagnosztikai pontosságukat az érzékenység terén, amikor a mesterséges intelligencia vezette őket.

Ez azért fontos, mert a legtöbb bőrrel kapcsolatos problémát először háziorvosok látják, nem bőrgyógyászok. A mesterséges intelligencia eszközök segíthetnek ezeknek a frontvonalban dolgozó orvosoknak eldönteni, hogy mely elváltozások indokolják a sürgős beutalást, és melyeket lehet biztonságosan megfigyelni – csökkentve mind a kihagyott rákos megbetegedéseket, mind a felesleges biopsziákat.

Kihívások és a jövő

Jelentős akadályok továbbra is fennállnak. A legtöbb mesterséges intelligencia rendszert túlnyomórészt világosabb bőrtónusokon képezték ki, ami aggodalmakat vet fel a sötétebb bőrű betegekkel szembeni diagnosztikai torzítás miatt. A kutatók aktívan dolgoznak a képzési adatkészletek diverzifikálásán, de a haladás lassú. A szabályozási keretek is felzárkóznak – bár az FDA több eszközt is engedélyezett, továbbra is kérdések merülnek fel a felelősséggel, az adatvédelemmel és azzal kapcsolatban, hogy a mesterséges intelligenciát hogyan lehet integrálni a klinikai munkafolyamatokba az orvosok túlterhelése nélkül.

Mindazonáltal a pálya egyértelmű. Ahogy az algoritmusok javulnak és a képzési adatok bővülnek, a mesterséges intelligenciával támogatott bőrrák-felismerés a bőrgyógyászati ellátás standard részévé válhat – egy okostelefon kameráját vagy egy kézi szondát potenciálisan életmentő szűrőeszközzé alakítva.