Tényleg támaszkodhatunk a gépek segítségére bőrrák esetén?

2020 / 09 / 10 / Perei Dóra
Tényleg támaszkodhatunk a gépek segítségére bőrrák esetén?
Az algoritmusok életünk egyre több területét befolyásolják, amerikai kutatók azonban ezúttal azt fejtették ki, miért nem olyan egyszerű a gyakorlatban is mesterséges intelligenciát alkalmazni a bőrrák korai felismerésénél.

A Medical Journal of Australia szaklapban megjelent kutatás szerint bár a mesterséges intelligencia alighanem kulcsfontosságú lesz a bőrgyógyászatban, az egyelőre még várat magára, hogy az algoritmus alapú dermatológiai diagnosztikai eszközök miként befolyásolják a klinikai döntéshozatalt és a betegek eredményeit. A bőrgyógyászatban jelenleg az MI használatának elsődleges célja a gépi tanulási rendszerek fejlesztése, amelyek megkönnyítik az osztályozást és a döntéstámogatást a bőrrák kezelésében.

Dr. Victoria Mar, a tanulmány szerzője, dermatológus, az Alfred Kórház bőrgyógyászati osztályvezetője szerint a legújabb tanulmányok azt mutatják, hogy az algoritmusok képesek meghaladni a szakértők diagnosztikai teljesítményét, így a legnagyobb kihívás jelenleg az, miként lehet ezt az új technológiát biztonságosan alkalmazni a klinikai gyakorlatban. A szerzők két potenciális negatív következményről írnak: egyrészt az orvosok nehezen tarthatják a lépést az algoritmus gyors számításaival, másrészt fokozottan fennáll az emberi hibalehetőségek, így például a félrekezelés veszélye,

ha túlzottan a modern technológiára, vagyis a gépek munkájára támaszkodnak.

Az algoritmus teljesítménye pedig függ mind az adatkészlet méretétől, mind a minőségétől, valamint attól, hogy valóban olyan helyzetekben használják-e, mint amelyekre szánták. "Az eszköz lehetőségei korlátozottak lehetnek olyan értelemben, hogy csak bizonyos melanomatípusokat azonosítanak, és csak bizonyos bőrtípuson" - olvasható a tanulmányban. A szakemberek továbbá megemlítik, hogy az algoritmusok fejlesztéséhez használt retrospektív képadatbázisok torzításokat is eredményezhetnek. Ezenkívül bizonyos objektumok, például haj, dermoszkópos gél, légbuborékok vagy tükröződések elvonhatják a figyelmet a legfontosabb jellemzőkről.

A fentiek ellenére nagy szükség lenne a gépek mihamarabbi segítségére tekintve, hogy az elmúlt évtizedekben világszerte feltűnően megnőtt a helyben növekvő, úgynevezett in situ stádiumú melanomás betegek száma: csak Ausztráliában 2004-ben még százezer lakosra harminckét beteg jutott, 2019-ben ez már nyolcvan. Pedig a páciensek ekkor még egy egyszerű kimetszéssel is teljesen gyógyíthatók. Mar és kollégái szerint a bőrgyógyászati diagnosztikában ezért is jelent komoly előrelépést a mesterséges intelligencia megjelenése, elvégre a

gépek sokoldalú elemzésre képesek, illetve mély tanulási algoritmussal működnek, így 'tanulnak' a példákból és tapasztalatokból, ami óriási előny többek között az anyajegyszűrés területén.

Plusz a mesterséges intelligencia segítségével hamarabb megtalálhatják az azonnali kezelést igénylő betegeket, illetve idővel a félrediagnosztizáltak száma is csökkenne, ami nagy terhet levenne az orvosok válláról. Mar szerint a lényeg, hogy megtalálják az egyensúlyt a gépek és emberek kapcsolatában, így biztosan nem támaszkodnak majd túlzottan az algoritmusra. Ami pedig a biztonságot illeti, Mar és munkatársai óvatosságra intettek, különösen a bárki számára ingyenesen hozzáférhető melanomajelző telefonos-alkalmazásokkal kapcsolatban.

"Ezen applikációk a bőrelváltozás kockázatának értékelését végzik, noha a fejlesztők többnyire feltüntetik, hogy nem profi diagnosztikai eszközökről van szó, a felhasználók számára ez időnként mégsem egyértelmű." - magyarázza Mar.

A kutatócsoport különösen kockázatosak tartja a bőrgyógyászok által jóváhagyatlan alkalmazásokat, melyek teljes tévútra vihetik az embereket.

A SkinVision már átesett az első klinikai tesztelésen

Nemzetközi szakemberek fejlesztették ki azt az új appot, amely a bőrrák leggyakoribb formáinak felismerésekor 95,1 százalékos pontossággal dolgozik. A SkinVision alkalmazás az első, kiterjedt klinikai vizsgálatokon alapuló bőrrák-detektáló, amely ekkora pontossággal bír.

Az alkalmazás a hollandiai Erasmus Egyetemi Orvosi Központ (Erasmus MC) munkatársai, illetve a velük együttműködő kutatók érdeme. Kísérletükről a Journal of the European Academy of Dermatology and Venereology (JEADV) szaklap is beszámolt. A szakemberek kiértékelték a bőrkárosodások kivizsgálásának pontosságát, és kiderült, hogy a SkinVision algoritmus nagy érzékenységgel képes felismerni a bőrrákot, így a jövőben hasznos eszköz lehet a betegség korai felismerésében.

Mostanra meghaladta a harmincötezret azon betegek száma, akiket az alkalmazás segítségével diagnosztizáltak, majd szakrendelésre küldtek.

Az app ezen kívül képes felállítani a kezelésre szorulók fontossági sorrendjét, ezzel csökkenti a kezelési költséget és a szükségtelen orvosi látogatások számát. A SkinVision feltalálói egymillió-kétszázezer felhasználó fogyasztói portfólióját, valamint egy globális, három és fél millió gyanús és jóindulatú bőrfoltról készült adatbázist elemeztek.

„A gépi tanulás képadatbázisokban történő alkalmazása nagy hatékonyságot  a rosszindulatú és a jóindulatú bőrrákos esetek megkülönböztetésekor”– mondja Dr. Tiago M. C. D. Marques, a tanulmány egyik szerzője.

Az algoritmus pontosságának kiértékelésére a kutatók kétszáznyolcvanöt validált bőrrákos esetet használtak két korábban közzétett klinikai vizsgálatból és az okostelefon-alkalmazás felhasználói adatbázisából. A specifitást a felhasználói bázistól különálló halmazon számolták, mely hatezer klinikailag bizonyított esetet tartalmazott. „Az emberek számára egy nagymértékben érzékeny, robosztus és könnyen használható módszert alkottunk meg a bőrelváltozások ellenőrzésére, a bőrrák-azonosítása céljából. Ez volt a célunk az elmúlt hét évben” – jegyzi meg Andreea Udrea PhD kutató, a Bukaresti Politechnikai Egyetem docense.

Mit elemez a mesterséges intelligencia egy bőrgyógyászati vizsgálaton?

A mesterséges intelligenciával ellátott program meghatározott mennyiségű két képet betölt, vizsgál és összehasonlít, emellett kiküszöböli a zavaró tényezőket, például a szőrszálakat a képről. Megpróbálja az anyajegy határait pontosan elhatározni, ami egyébként az egyik legnehezebb feladat. Ha ez nem sikerül, akkor javaslatot tesz, de akár manuális beállítással is lehetséges a határok meghatározásának korrigálása. Az átmérők mérése után kiszámítja az anyajegy felületi területét és körméretét, az anyajegy szabályosságát pedig úgy értékeli, hogy megfigyeli az elváltozás határait. Végül, de nem utolsósorban egy adott skálán besorolja az elváltozást, és jelöli annak jó- vagy rosszindulatú voltát.

(Fotó: Unsplash/AlexIby)


Ismerd meg a ROADSTER magazint!
AUTÓK - DESIGN - GASZTRO - KULT - UTAZÁS - TECH // Ha szereted a minőséget az életed minden területén, páratlan élmény lesz!
Ezek is érdekelhetnek
HELLO, EZ ITT A
RAKÉTA
Kövess minket a Facebookon!
A jövő legizgalmasabb cikkeit találod nálunk!
Hírlevél feliratkozás

Ne maradj le a jövőről! Iratkozz fel a hírlevelünkre, és minden héten elküldjük neked a legfrissebb és legérdekesebb híreket a technológia és a tudomány világából.



This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.