Bőrgyógyászati diagnózis és mesterséges intelligencia
A melanoma gyakorisága és a halálozása egyre növekszik, ezért a korai felismerés és a prevenció egyre nagyobb szerepet kap. A dermatoszkópos vizsgálat jelentősen javítja a szabad szemmel történő vizsgálat találati arányát.
A mesterséges intelligencia (AI, artificial intelligence) bőrgyógyászati használatáról Esteva írt 2017 alapvető közleményt (Esteva A, Kuprel B, Novoa RA et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature 2017;542(7639):115-118). Úgy látszik, hogy a mesterséges intelligencia egyik formája, a bizonyos képződmények vizuális analízisére alkalmas „deep learning convolutional neural network” (CNN) egy gyakorlott dermatológusnál még pontosabban képes felismerni a bőr jóindulatú és rosszindulatú elváltozásait.
Egy régebbi tanulmányban már igazolták, hogy az AI a patológusoknál pontosabban képes felmérni a gliomás beteg várható élettartamát. Az Annals of Oncology-ban most megjelent tanulmány pedig arra mutatott rá, hogy a dermatoszkópos kép alapján az AI pontosabb diagnózist ad a gyakorlott bőrgyógyászoknál. Dr. Holger Haenssle (Department of Dermatology, University of Heidelberg) és munkatársai malignus és benignus festékes bőrdaganat és mola több mint 100.000 képét vitték be a CNN programba és mindegyikhez megadták a diagnózist is.
A kutatók először egy 300 képből álló sorozatot készítettek, tízszeres nagyításban, dermatoszkóppal. A képek 20%-án melanomát ábrázolt (in situ és invazív), a maradék 80%-ot a klinikai gyakorlatban rutinból vizsgált különféle benignus melanocitás naevusok tették ki. Ezután a 300-ból két bőrgyógyász 100 olyan képet választott ki („set-100”), melyek nehéz diagnózis elé állították a vizsgálót. (A 2016-os International Symposium on Biomedical Imaging 100 képes sorozatához hasonló anyag). A 100 kép elemzésébe 58 bőrgyógyászt vontak be, akik közül 30-an (52%) több mint 5 éves dermatoszkópos gyakorlattal rendelkeztek, 19%-uk 2-5 éves gyakorlatot igazolt, és csak 29%-ban voltak a kérdésben viszonylag gyakorlatlanok (
A diagnózis felállításának pontosságát két szinten vizsgálták. Az első szinten a diagnózist kizárólag a dermatoszkópos kép alapján kellett kimondani, a második szinten a bőrgyógyászok a dermatoszkópos kép mellé klinikai információkat is kaptak. A legfontosabb vizsgált mutatók a szenzitivitás, a specificitás, a görbe alatti terület (AUC) és a „receiver operating characteristic” (ROC) voltak. Az első szintben a bőrgyógyászok átlagosan 86,6%-os (±9,3%) szenzitivitást és 71,3%-os (±11,2%) specificitást értek el. Ha klinikai adatok is rendelkezésre álltak (második szint), akkor a szenzitivitás 88,9%-ra (±9,6%, P=0,19), a specificitás pedig 75,7%-ra (±11,7%, P<0,05) emelkedett. A fenti adatok átlagértékek, hiszen a szenzitivitás és a specificitás mértéke természetesen függött a bőrgyógyászok gyakorlottságától.
A CNN kevesebb melanomát tévesztett el, ami azt jelenti, hogy a bőrgyógyászoknál magasabb a szenzitivitása is, ugyanakkor kevesebb benignus molát nézett malignus melanomának, ami azt jelenti, hogy a bőrgyógyászoknál magasabb a specificitása is. A CCN ROC görbéje szerint a CNN specificitása mind az egyes, mind a kettes szintnél jobb volt, mint a bőrgyógyászoké és elérte a 82,5%-ot mindkét szinten (P<0,01).
Dr. Holger Haenssle ezért kijelentette, hogy „a deep learning convolutional neural network teljesítménye a melanoma kérdésében meghaladja még az igen gyakorlott bőrgyógyászokét is”.
Szerkesztőségi kommentárjukban Dr. Victoria Mar (Monash University, Melbourne, Australia) és Dr. Peter Soyer (University of Queensland, Brisbane, Australia) kiemelték az AI hatékonyságát. Rámutattak arra, hogy a mérföldkőnek számító tanulmány szerint az AI felveszi a versenyt a bőrgyógyászokkal, „az AI segítségével standardizálható a diagnosztika pontossága, mindegy, hogy a világ mely pontján melyik orvos végzi a vizsgálatot.” Az AI jelentős előnyökkel játhat, hiszen kevesebb fölösleges beavatkozás történhet, csökkenhet a melanomás halálozás és nem mellesleg az egészégügyi költség is. Természetesen nyitott kérdések is maradtak, pl. hogy boldogul az AI az atípusos melanoma diagnózisával (amit lefotózni is nehéz), vagy hogyan tudja elvégezni az AI az egész test bőrének átnézését, amihez változatlanul orvos kell. Azt is meg kell jegyezni, hogy az AI mindennapos használatával esetleg csökkenni fog a bőrgyógyász szakemberek gyakorlottsága.
Forrás:
1. Medscape Medical News > Oncology News
