AI katika Dermatology
Ngozi ni kiungo kikubwa zaidi cha mwili, kinachoonekana zaidi, hivyo ngozi ni kifafa asilia kwa AI inayotokana na picha.
Muhtasari
Deep learning can classify skin lesions, including potentially deadly melanoma, from photographs at a level that rivals board-certified dermatologists.
Dive ya kina
Utafiti muhimu wa Asili wa 2017 uliofanywa na watafiti wa Stanford ulitoa mafunzo kwa mtandao wa neva kuhusu takriban picha 130,000 za kimatibabu na ilionyesha kuwa inaweza kuainisha saratani za ngozi, pamoja na melanoma na saratani, kwa usahihi kama madaktari 21 wa ngozi walioidhinishwa na bodi. Tangu wakati huo, miundo imeundwa katika programu za simu mahiri na zana za dermoscopy ambazo huchanganua picha zilizokuzwa na za polarized ambazo madaktari wa ngozi hutumia kukagua fuko. Ahadi ni tatu: kusaidia madaktari wa huduma ya msingi na wagonjwa kuamua ni maeneo gani yanahitaji uchunguzi wa haraka wa biopsy, haswa pale ambapo madaktari wa ngozi ni wachache. Lakini dermatology imefichua tatizo la haki dhahiri. Seti nyingi za mafunzo hutawaliwa na ngozi nyepesi, kwa hivyo modeli mara nyingi hufanya kazi vibaya zaidi kwenye ngozi nyeusi, ambapo melanoma ni nadra lakini mbaya zaidi inapokosekana. Kuunda seti mbalimbali za data kama Fitzpatrick 17k na Picha Tofauti za Dermatology sasa ni kipaumbele kikuu.
Ufahamu wa Kiufundi
Mifumo hii kwa kawaida ni CNN au vibadilishaji maono vilivyofunzwa kwenye picha za kimatibabu na za ngozi, mara nyingi huidhinishwa dhidi ya uchunguzi uliothibitishwa wa biopsy (kiwango cha dhahabu). Dermoscopy huongeza ukuu na mwanga mtambuka ambao unaonyesha rangi ya uso chini ya uso na mifumo ya mishipa isiyoonekana kwa macho. Shimo linalojulikana: wanamitindo wanaweza kujifunza njia za mkato za uwongo, kama vile kuashiria vidonda vilivyopigwa picha karibu na alama ya ngozi ya upasuaji au rula kama mbaya, kwa sababu vialama kama hivyo vilionekana zaidi kwenye picha za saratani wakati wa mafunzo.
Athari za kimkakati
Context and rules
Muktadha wa tasnia huamua kama mawazo ya AI yatadumu katika mawasiliano na ukweli.
Quality control
Vikwazo vya kikoa huathiri viwango vinavyokubalika vya makosa na miundo ya uangalizi.
Tengeneza chaguzi
Usambazaji uliofanikiwa hulinganisha uwezo wa kiufundi na mtiririko wa kazi wa mstari wa mbele.
Mustakabali wa AI katika Dermatology
Programu za majaribio zinazodhibitiwa na visaidizi vya dermoscopy zitakuwa zana za kawaida za mstari wa kwanza, kupanua uchunguzi wa kiwango cha utaalam hadi mazoezi ya jumla na maeneo ambayo hayajahudumiwa. Kufunga pengo la utendakazi wa ngozi kupitia hifadhidata mbalimbali ni changamoto kuu ya usawa na msukumo unaoendelea wa utafiti. Upigaji picha wa jumla wa mwili na ugunduzi wa mabadiliko ya AI utafuatilia kila fuko kwa wakati, na mifano ya multimodal inayochanganya picha na historia ya mgonjwa na hata hatari ya maumbile inapaswa kunoa anayehitaji biopsy.
Utekelezaji wa Ulimwengu Halisi
2017 Stanford CNN iliainisha saratani za ngozi kutoka ~ picha 130,000 sambamba na madaktari wa ngozi 21 walioidhinishwa na bodi, matokeo ya msingi katika uwanja huo.
Programu za simu mahiri na uchunguzi wa ngozi hutatua fuko zinazotiliwa shaka, kusaidia wagonjwa na madaktari wa huduma ya msingi kuamua ni nini kinahitaji ukaguzi wa haraka wa wataalamu.
Mifumo ya upigaji picha wa jumla ya mwili hutumia AI kulinganisha picha kwa wakati na kuashiria vidonda vipya au vinavyobadilika kwa wagonjwa walio katika hatari kubwa.
Seti mbalimbali za data kama Fitzpatrick 17k na Picha za Madaktari Mbalimbali zinaundwa ili kupunguza usahihi duni wa AI kwenye ngozi nyeusi.
Hatari & Walinzi
Mahitaji ya udhibiti yanaweza kubatilisha prototypes zenye nguvu.
Data ya kihistoria inaweza kusimba upendeleo unaodhuru jumuiya mahususi.
Mifumo ya urithi inaweza kuunda vikwazo vya ushirikiano na gharama zilizofichwa.
Ramani ya Utekelezaji
Shirikisha wataalam wa kikoa kutoka kwa uundaji wa shida hadi tathmini.
Tengeneza njia za ukaguzi na nyaraka kabla ya kuzinduliwa.
Thibitisha majukumu ya kufuata na usalama mapema.
Toa kwa awamu kwa vigezo wazi vya kusimamisha na kurejesha.
Endelea Kuchunguza
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
Mwongozo unaofuata
AI katika Nafasi na Satelaiti
Maswali yanayoulizwa mara kwa mara
What is AI in Dermatology?
Ngozi ni kiungo kikubwa zaidi cha mwili, kinachoonekana zaidi, hivyo ngozi ni kifafa asilia kwa AI inayotokana na picha. Kujifunza kwa kina kunaweza kuainisha vidonda vya ngozi, ikiwa ni pamoja na melanoma inayoweza kusababisha kifo, kutoka kwa picha katika kiwango ambacho kinashindana na madaktari wa ngozi walioidhinishwa na bodi.
Utafiti wa alama ya ngozi wa Stanford wa 2017 ulionyesha nini?
Imefunzwa kwa takriban picha 130,000, Stanford CNN ililingana na utendaji wa uchunguzi wa madaktari 21 walioidhinishwa na bodi katika kuainisha saratani za ngozi, uthibitisho wa msingi wa dhana ya uwanja huo.
Je, ni tatizo gani kuu la haki lililoandikwa katika dermatology AI?
Seti za data za mafunzo zimetawaliwa na ngozi nyepesi, kwa hivyo modeli mara nyingi hazifanyi kazi vizuri kwenye ngozi nyeusi, ambapo melanoma ni nadra lakini mara nyingi hudhuru inapokosekana.
Dermoscopy inaongeza nini kwenye picha ya kawaida ya ngozi?
Dermoscopy hutumia ukuzaji na mwanga wa polarized ili kufichua rangi na miundo ya mishipa iliyo chini ya uso wa ngozi ambayo jicho uchi haliwezi kuona, na kutoa vipengele vya AI vya kuchanganua.
Ni njia gani za mkato za uwongo ambazo miundo ya ngozi imepatikana ikijifunza?
Kwa sababu alama za ngozi za upasuaji na rula zilionekana hasa katika picha za saratani zikiwa zimetayarishwa kwa biopsy, baadhi ya wanamitindo walijifunza kuhusisha alama hizo na donda ndugu badala ya kidonda chenyewe.
Je, ni 'kiwango cha dhahabu' aina hizi kwa kawaida huidhinishwa dhidi ya nini?
Dermatolojia ya kuaminika AI imethibitishwa dhidi ya uchunguzi uliothibitishwa na biopsy, kiwango cha dhahabu cha histopatholojia, badala ya dhidi ya lebo za kuona ambazo hazijathibitishwa pekee.