Авторы использовали данные больниц и онлайн-приложения, в которые пользователи загружали фотографии кожных образований для анализа. Чтобы проверить надежность алгоритма, ученые оценивали не только его способность распознавать рак, но и умение отличать его от доброкачественных образований. В реальных обращениях система ошибочно принимала за злокачественные лишь около 12% случаев. Так, ИИ достаточно точно различал опасные новообразования и безвредные изменения кожи, не создавая избыточных тревожных сигналов.
Помимо рака, алгоритм способен распознавать более 70 дерматологических диагнозов, среди которых чаще всего встречались меланоцитарные невусы (20,9%), себорейный кератоз (4,6%) и фолликулит (2%). В клинических тестах система правильно определяла заболевание в числе трех наиболее вероятных в 66% случаев, а на независимом наборе данных ее результаты оказались сопоставимы с показателями практикующих дерматологов.
Исследование также выявило различия между регионами: чаще всего злокачественные образования фиксировались в Северной Америке, доброкачественные опухоли – в Азии, а инфекционные заболевания – в Африке. По мнению авторов, эти различия отражают как особенности заболеваемости, так и интерес пользователей к определенным типам симптомов.
Алгоритм был обучен преимущественно на пациентах с азиатским тоном кожи, поэтому необходима дополнительная валидация на других цветотипах. Кроме того, в исследование также не вошли редкие формы онкологических заболеваний, включая саркому Капоши и карциному Меркеля. Авторы подчеркивают, что ModelDerm нуждается в адаптации под различные регионы и климатические условия, а также в проведении рандомизированных клинических испытаний, которые подтвердят ее эффективность в медицинской практике. Тем не менее разработчики считают, что подобные системы могут стать инструментом глобального мониторинга дерматологических заболеваний и способствовать раннему выявлению рака, особенно в странах с дефицитом специалистов.
Интерес к применению ИИ в дерматологии активно растет и среди мировых технологических компаний. Еще в 2021 году Google представила на конференции Google I/O инструмент, способный определять болезни кожи, волос и ногтей по фотографиям пользователей. Разработка была обучена на 65 тысячах изображений и предназначена для использования через веб-приложение.
Помимо дерматологии, исследователи совершенствуют алгоритмы для обработки КТ- и МРТ-снимков. Группа ученых из Шанхайского университета Цзяо Тун и Шанхайской лаборатории искусственного интеллекта разработала универсальную модель Segment Anything with Text, способную выделять на трехмерных снимках органы и ткани по текстовым запросам врача. Система охватывает 497 анатомических структур, обучена на 22 тысячах КТ- и МРТ-сканов и объединяет текстовую и визуальную информацию.
