Jak sztuczna inteligencja wykrywa raka skóry – i dlaczego to ma znaczenie

Choroba, w której liczą się minuty

Rak skóry jest najczęściej występującym nowotworem na świecie, a czerniak – jego najgroźniejsza postać – zabija ponad 60 000 osób rocznie. Wskaźniki przeżycia zależą od wczesnego wykrycia: wykryty wcześnie, czerniak ma pięcioletni wskaźnik przeżycia powyżej 99 procent. Wykryty późno, liczba ta spada poniżej 35 procent. Obecnie sztuczna inteligencja staje się potężnym narzędziem do wykrywania podejrzanych zmian szybciej i dokładniej niż kiedykolwiek wcześniej.

Jak działa analiza obrazów oparta na sztucznej inteligencji

Większość systemów wykrywania raka skóry opartych na sztucznej inteligencji opiera się na uczeniu głębokim, gałęzi uczenia maszynowego zbudowanej wokół konwolucyjnych sieci neuronowych (CNN). Sieci te są szkolone na ogromnych bazach danych obrazów dermoskopowych – zdjęć zmian skórnych wykonanych za pomocą specjalistycznych urządzeń powiększających – z których każdy jest oznaczony przez dermatologów i potwierdzony biopsją.

Podczas szkolenia algorytm uczy się rozpoznawać subtelne wzorce wizualne: nieregularne granice, asymetryczne kształty, różnice kolorystyczne i cechy teksturalne, które odróżniają zmiany złośliwe od łagodnych. Po przeszkoleniu system może przeanalizować nowy obraz w ciągu kilku sekund i podać wynik ryzyka złośliwości.

W przeglądzie systematycznym i metaanalizie opublikowanym w npj Digital Medicine stwierdzono, że algorytmy sztucznej inteligencji osiągnęły czułość na poziomie 87 procent i specyficzność na poziomie 77 procent w klasyfikacji raka skóry, w porównaniu z czułością klinicystów wynoszącą około 80 procent i specyficznością 74 procent. W 30 z 38 analizowanych badań dokładność sztucznej inteligencji była nie gorsza lub lepsza od dokładności dermatologów.

Poza obrazami: Spektroskopia i dokumentacja medyczna

Nie wszystkie systemy wykrywania oparte na sztucznej inteligencji wykorzystują zdjęcia. DermaSensor, pierwsze urządzenie diagnostyczne do wykrywania raka skóry oparte na sztucznej inteligencji, które uzyskało dopuszczenie przez FDA, wykorzystuje elastyczną spektroskopię rozproszeniową. Ręczna sonda emituje krótkie impulsy światła na zmianę, a następnie mierzy, jak to światło rozprasza się na strukturach komórkowych i subkomórkowych. Jego algorytmy, udoskonalane przez ponad dekadę badań klinicznych, osiągnęły 96-procentową czułość we wszystkich rodzajach raka skóry w przełomowym badaniu prowadzonym przez Mayo Clinic.

Tymczasem naukowcy z Uniwersytetu w Göteborgu i Chalmers University of Technology przyjęli zupełnie inne podejście. W swoim badaniu obejmującym ponad sześć milionów szwedzkich dorosłych wykorzystali uczenie maszynowe do przewidywania ryzyka czerniaka na podstawie rutynowej dokumentacji medycznej – diagnoz, leków, wieku, płci i danych społeczno-ekonomicznych. Najlepszy model zidentyfikował grupy wysokiego ryzyka, w których prawdopodobieństwo rozwoju czerniaka w ciągu pięciu lat osiągnęło około 33 procent, znacznie powyżej podstawowego poziomu populacji wynoszącego 0,64 procent.

Ludzie i maszyny razem

Najmocniejsze dowody sugerują, że sztuczna inteligencja najlepiej sprawdza się jako narzędzie wspomagające, a nie zastępujące lekarzy. W badaniu prowadzonym przez Stanford Medicine stwierdzono, że klinicyści korzystający z pomocy sztucznej inteligencji poprawili swoją czułość o około 6 punktów procentowych, a specyficzność o prawie 5 punktów w porównaniu z pracą w pojedynkę. Korzyści były najbardziej widoczne w przypadku niespecjalistów: lekarze pierwszego kontaktu, pielęgniarki i studenci medycyny poprawili swoją dokładność diagnostyczną o około 13 punktów w zakresie czułości, gdy kierowała nimi sztuczna inteligencja.

Ma to znaczenie, ponieważ większość problemów skórnych jest po raz pierwszy zauważana przez lekarzy ogólnych, a nie dermatologów. Narzędzia oparte na sztucznej inteligencji mogą pomóc tym lekarzom pierwszego kontaktu w podjęciu decyzji, które zmiany wymagają pilnego skierowania, a które można bezpiecznie monitorować – zmniejszając zarówno liczbę przeoczonych nowotworów, jak i niepotrzebnych biopsji.

Wyzwania i przyszłość

Pozostają istotne przeszkody. Większość systemów sztucznej inteligencji była szkolona głównie na jaśniejszych odcieniach skóry, co budzi obawy dotyczące uprzedzeń diagnostycznych wobec pacjentów o ciemniejszej karnacji. Naukowcy aktywnie pracują nad dywersyfikacją zbiorów danych szkoleniowych, ale postępy są powolne. Ramy regulacyjne również nadrabiają zaległości – chociaż FDA dopuściła kilka urządzeń, nadal istnieją pytania dotyczące odpowiedzialności, prywatności danych i sposobu integracji sztucznej inteligencji z procesami klinicznymi bez nadmiernego obciążania lekarzy.

Mimo to kierunek jest jasny. Wraz z poprawą algorytmów i rozszerzaniem danych szkoleniowych, wykrywanie raka skóry wspomagane przez sztuczną inteligencję ma szansę stać się standardową częścią opieki dermatologicznej – zamieniając aparat w smartfonie lub ręczną sondę w potencjalnie ratujące życie narzędzie do badań przesiewowych.