الذكاء الاصطناعي في الأمراض الجلدية
الجلد هو أكبر أعضاء الجسم وأكثرها وضوحًا، لذا فإن طب الأمراض الجلدية مناسب بشكل طبيعي للذكاء الاصطناعي القائم على الصور.
نظرة عامة
Deep learning can classify skin lesions, including potentially deadly melanoma, from photographs at a level that rivals board-certified dermatologists.
الغوص العميق
قامت دراسة محورية أجراها باحثون في جامعة ستانفورد عام 2017 بتدريب شبكة عصبية تلافيفية على ما يقرب من 130 ألف صورة سريرية وأظهرت أنها تستطيع تصنيف سرطانات الجلد، بما في ذلك سرطان الجلد والسرطان، بدقة 21 طبيب أمراض جلدية معتمد. منذ ذلك الحين، تم دمج النماذج في تطبيقات الهواتف الذكية وأدوات تنظير الجلد التي تحلل الصور المستقطبة المكبرة التي يستخدمها أطباء الجلد لفحص الشامات. والوعد هو الفرز: مساعدة أطباء الرعاية الأولية والمرضى على تحديد البقع التي تحتاج إلى خزعة عاجلة، خاصة عندما يكون أطباء الأمراض الجلدية نادرين. لكن الأمراض الجلدية كشفت عن مشكلة نزاهة صارخة. تهيمن البشرة الفاتحة على معظم مجموعات بيانات التدريب، لذلك غالبًا ما يكون أداء النماذج أسوأ على درجات البشرة الداكنة، حيث يكون سرطان الجلد أكثر ندرة ولكنه أكثر فتكًا عند تفويته. أصبح الآن إنشاء مجموعات بيانات متنوعة مثل Fitzpatrick 17k وDiverse Dermatology Images أولوية رئيسية.
البصيرة الفنية
هذه الأنظمة عادةً ما تكون عبارة عن شبكات CNN أو محولات رؤية مدربة على صور سريرية ومنظار جلدي، وغالبًا ما يتم التحقق من صحتها مقابل التشخيصات المؤكدة بالخزعة (المعيار الذهبي). يضيف تنظير الجلد التكبير والضوء المستقطب الذي يكشف عن الصبغة تحت السطح وأنماط الأوعية الدموية غير المرئية بالعين المجردة. من المخاطر المعروفة: يمكن للنماذج أن تتعلم طرقًا مختصرة زائفة، مثل الآفات الواضحة التي تم تصويرها بجوار علامة جراحية أو مسطرة على الجلد باعتبارها ورمًا خبيثًا، لأن مثل هذه العلامات ظهرت في الغالب في صور السرطان أثناء التدريب.
التأثير الاستراتيجي
السياق والقواعد
يحدد سياق الصناعة ما إذا كانت أفكار الذكاء الاصطناعي ستظل على اتصال بالواقع.
مراقبة الجودة
تؤثر قيود المجال على معدلات الخطأ المقبولة ونماذج المراقبة.
خيارات البناء
تعمل عمليات النشر الناجحة على مواءمة القدرة التقنية مع سير العمل في الخطوط الأمامية.
مستقبل الذكاء الاصطناعي في طب الأمراض الجلدية
ستصبح تطبيقات الفرز المنظمة ومساعدي تنظير الجلد أدوات روتينية في الخط الأول، مما يؤدي إلى توسيع نطاق الفحص على مستوى التخصص ليشمل الممارسة العامة والمناطق المحرومة. إن سد فجوة أداء لون البشرة من خلال مجموعات البيانات المتنوعة هو التحدي المركزي للأسهم في هذا المجال ودفعة بحثية نشطة. سوف يتتبع التصوير الفوتوغرافي لكامل الجسم مع اكتشاف التغير بالذكاء الاصطناعي كل شامة بمرور الوقت، وينبغي للنماذج متعددة الوسائط التي تجمع بين الصور وتاريخ المريض وحتى المخاطر الجينية أن تحدد من يحتاج حقًا إلى خزعة.
التنفيذ في العالم الحقيقي
قامت جامعة ستانفورد سي إن إن لعام 2017 بتصنيف سرطانات الجلد من حوالي 130.000 صورة على قدم المساواة مع 21 طبيب أمراض جلدية معتمدين من مجلس الإدارة، وهي نتيجة تأسيسية لهذا المجال.
تقوم تطبيقات الهواتف الذكية وتنظير الجلد بفرز الشامات المشبوهة، مما يساعد المرضى وأطباء الرعاية الأولية على تحديد ما يحتاج إلى مراجعة متخصصة عاجلة.
تستخدم أنظمة التصوير الفوتوغرافي لكامل الجسم الذكاء الاصطناعي لمقارنة الصور بمرور الوقت وتحديد الآفات الجديدة أو المتغيرة لدى المرضى المعرضين لمخاطر عالية.
يتم إنشاء مجموعات بيانات متنوعة مثل Fitzpatrick 17k وDiverse Dermatology Images لتقليل دقة الذكاء الاصطناعي الضعيفة على درجات البشرة الداكنة.
المخاطر والدرابزين
يمكن أن تؤدي المتطلبات التنظيمية إلى إبطال النماذج الأولية القوية.
قد ترمز البيانات التاريخية إلى التحيز الذي يضر بمجتمعات معينة.
يمكن للأنظمة القديمة أن تخلق اختناقات في التكامل وتكاليف مخفية.
خارطة طريق التنفيذ
إشراك خبراء المجال بدءًا من صياغة المشكلات وحتى التقييم.
تصميم مسارات التدقيق والوثائق قبل الإطلاق.
التحقق من صحة التزامات الامتثال والسلامة في وقت مبكر.
يتم طرحها على مراحل مع معايير واضحة للتوقف والتراجع.
استمر في الاستكشاف
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Dermatology quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
الدليل التالي
الذكاء الاصطناعي في الفضاء والأقمار الصناعية
الأسئلة المتداولة
What is AI in Dermatology?
الجلد هو أكبر أعضاء الجسم وأكثرها وضوحًا، لذا فإن طب الأمراض الجلدية مناسب بشكل طبيعي للذكاء الاصطناعي القائم على الصور. يمكن للتعلم العميق تصنيف الآفات الجلدية، بما في ذلك سرطان الجلد الذي قد يكون مميتًا، من الصور الفوتوغرافية بمستوى ينافس أطباء الأمراض الجلدية المعتمدين.
ما الذي أظهرته دراسة ستانفورد للأمراض الجلدية لعام 2017؟
تم تدريب CNN CNN على حوالي 130.000 صورة، وطابقت الأداء التشخيصي لـ 21 طبيب أمراض جلدية معتمدين من مجلس الإدارة في تصنيف سرطانات الجلد، وهو دليل أساسي على مفهوم هذا المجال.
ما هي مشكلة العدالة الرئيسية الموثقة في الذكاء الاصطناعي للأمراض الجلدية؟
تاريخيًا، سيطرت البشرة الفاتحة على مجموعات بيانات التدريب، لذلك كان أداء النماذج في كثير من الأحيان أقل من المستوى المطلوب على البشرة الداكنة، حيث يكون سرطان الجلد أكثر ندرة ولكنه أكثر فتكًا في كثير من الأحيان عند تفويته.
ما الذي يضيفه تنظير الجلد إلى صورة الجلد القياسية؟
يستخدم تنظير الجلد التكبير والضوء المستقطب لكشف الصبغات والهياكل الوعائية الموجودة تحت سطح الجلد والتي لا تستطيع العين المجردة رؤيتها، مما يمنح الذكاء الاصطناعي ميزات أكثر ثراءً للتحليل.
ما هو الاختصار الزائف الذي تعلمته نماذج الأمراض الجلدية؟
ونظرًا لأن الواسمات والمساطر الجلدية الجراحية ظهرت بشكل رئيسي في صور السرطانات التي يتم تحضيرها لإجراء الخزعة، فقد تعلمت بعض النماذج ربط تلك العلامات بالورم الخبيث، بدلًا من الآفة نفسها.
ما هو "المعيار الذهبي" الذي يتم عادةً التحقق من صحة هذه النماذج وفقًا له؟
يتم التحقق من صحة الذكاء الاصطناعي الموثوق به في مجال الأمراض الجلدية مقابل التشخيصات المؤكدة بالخزعة، وهو المعيار الذهبي لعلم التشريح المرضي، وليس مقابل العلامات المرئية التي لم يتم التحقق منها وحدها.