DalšíDalší průvodce
AI ve vesmíru a satelitech
Průmyslová odvětví
PRŮVODCE odvětvími
Kůže je největším a nejviditelnějším orgánem těla, takže dermatologie je pro umělou inteligenci založenou na obrázcích přirozeně vhodná.
Poslechněte si tento návodAI-vyprávěný · ~2 min
Deep learning can classify skin lesions, including potentially deadly melanoma, from photographs at a level that rivals board-certified dermatologists.
Stěžejní studie Nature z roku 2017, kterou provedli vědci ze Stanfordu, vycvičila konvoluční neuronovou síť na zhruba 130 000 klinických obrazech a ukázala, že dokáže klasifikovat rakovinu kůže, včetně melanomu a karcinomů, stejně přesně jako 21 dermatologů s certifikací. Od té doby byly modely zabudovány do aplikací pro chytré telefony a dermoskopických nástrojů, které analyzují zvětšené polarizované obrázky, které dermatologové používají ke kontrole mateřských znamének. Příslibem je třídění: pomoc lékařům primární péče a pacientům rozhodnout, která místa potřebují naléhavou biopsii, zejména tam, kde jsou dermatologové vzácní. But dermatology has exposed a glaring fairness problem. Ve většině tréninkových datových sad dominuje světlá kůže, takže modely často dosahují horších výsledků na tmavších odstínech pleti, kde je melanom vzácnější, ale smrtelnější, když se přehlédne. Building diverse datasets like Fitzpatrick 17k and Diverse Dermatology Images is now a major priority.
Stanford CNN v roce 2017 klasifikoval rakovinu kůže z ~ 130 000 snímků na stejné úrovni jako 21 dermatologů certifikovaných správní radou, což je základní výsledek pro tuto oblast.
Aplikace pro chytré telefony a dermoskopie třídí podezřelé znaménka a pomáhají pacientům a lékařům primární péče rozhodnout, co potřebuje naléhavou kontrolu specialistou.
Systémy celotělové fotografie využívají AI k porovnání snímků v průběhu času a označení nových nebo měnících se lézí u vysoce rizikových pacientů.
Různé datové sady, jako je Fitzpatrick 17k a Diverse Dermatology Images, jsou vytvářeny s cílem snížit horší přesnost umělé inteligence u tmavších tónů pleti.
Aplikace pro regulované třídění a asistenti dermoskopie se stanou rutinními nástroji první linie, které rozšíří screening na úrovni specialistů na všeobecnou praxi a oblasti s nedostatečnými službami. Closing the skin-tone performance gap through diverse datasets is the field's central equity challenge and an active research push. Fotografie celého těla s detekcí změn AI bude v průběhu času sledovat každý krtek a multimodální modely kombinující snímky s anamnézou pacienta a dokonce i genetickým rizikem by měly zbystřit, kdo skutečně potřebuje biopsii.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Skin is the body's largest, most visible organ, so dermatology is a natural fit for image-based AI. Hluboké učení může klasifikovat kožní léze, včetně potenciálně smrtelného melanomu, z fotografií na úrovni, která konkuruje dermatologům s certifikací.
Stanfordská CNN, vyškolená na přibližně 130 000 snímcích, odpovídala diagnostickým výkonům 21 dermatologů s certifikací při klasifikaci rakoviny kůže, což je základní důkaz koncepce pro tuto oblast.
Tréninkovým datovým sadám historicky dominovala světlejší pleť, takže modely často nedosahují výkonnosti na tmavší pleti, kde je melanom vzácnější, ale při přehlédnutí častěji smrtelný.
Dermoskopie využívá zvětšení a polarizované světlo k odhalení pigmentových a vaskulárních struktur pod povrchem kůže, které pouhým okem nevidí, a poskytuje tak AI bohatší funkce k analýze.
Vzhledem k tomu, že chirurgické kožní markery a pravítka se objevovaly hlavně v obrazech rakovin připravovaných na biopsii, některé modely se naučily spojovat tyto markery s malignitou spíše než se samotnou lézí.
Spolehlivá dermatologická umělá inteligence je validována spíše podle diagnóz potvrzených biopsií, což je zlatý standard histopatologického vyšetření, než pouze podle neověřených vizuálních značek.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
AI ve vesmíru a satelitech
Průmyslová odvětví