AI trong da liễu
Da là cơ quan lớn nhất, dễ thấy nhất của cơ thể, vì vậy da liễu rất phù hợp với AI dựa trên hình ảnh.
Tổng quan
Deep learning can classify skin lesions, including potentially deadly melanoma, from photographs at a level that rivals board-certified dermatologists.
Lặn sâu
Một nghiên cứu quan trọng trên Nature năm 2017 của các nhà nghiên cứu Stanford đã đào tạo một mạng lưới thần kinh tích chập trên khoảng 130.000 hình ảnh lâm sàng và cho thấy nó có thể phân loại các bệnh ung thư da, bao gồm khối u ác tính và ung thư biểu mô, chính xác như 21 bác sĩ da liễu được hội đồng chứng nhận. Kể từ đó, các mô hình đã được tích hợp vào ứng dụng điện thoại thông minh và công cụ soi da để phân tích hình ảnh phóng đại, phân cực mà các bác sĩ da liễu sử dụng để kiểm tra nốt ruồi. Lời hứa là phân loại: giúp các bác sĩ chăm sóc ban đầu và bệnh nhân quyết định những điểm nào cần sinh thiết khẩn cấp, đặc biệt là những nơi khan hiếm bác sĩ da liễu. Nhưng khoa da liễu đã bộc lộ một vấn đề rõ ràng về sự công bằng. Hầu hết các tập dữ liệu huấn luyện chủ yếu là da sáng, vì vậy các mô hình thường hoạt động kém hơn trên tông màu da tối hơn, nơi khối u ác tính hiếm gặp hơn nhưng nguy hiểm hơn khi bị bỏ sót. Xây dựng các bộ dữ liệu đa dạng như Fitzpatrick 17k và Hình ảnh da liễu đa dạng hiện là ưu tiên hàng đầu.
Hiểu biết kỹ thuật
Các hệ thống này thường là CNN hoặc máy biến đổi thị giác được đào tạo dựa trên các hình ảnh lâm sàng và nội soi được dán nhãn, thường được xác nhận dựa trên các chẩn đoán được xác nhận bằng sinh thiết (tiêu chuẩn vàng). Nội soi da bổ sung thêm độ phóng đại và ánh sáng phân cực chéo giúp phát hiện sắc tố dưới bề mặt và các mẫu mạch máu mà mắt thường không nhìn thấy được. Một cạm bẫy đã biết: người mẫu có thể học các lối tắt giả mạo, chẳng hạn như đánh dấu các tổn thương được chụp bên cạnh bút đánh dấu da hoặc thước đo phẫu thuật là ác tính, vì những dấu hiệu đó xuất hiện chủ yếu trong hình ảnh ung thư trong quá trình đào tạo.
Tác động chiến lược
Bối cảnh và quy tắc
Bối cảnh của ngành quyết định liệu các ý tưởng AI có tồn tại được khi tiếp xúc với thực tế hay không.
Kiểm soát chất lượng
Các ràng buộc về miền ảnh hưởng đến tỷ lệ lỗi có thể chấp nhận được và các mô hình giám sát.
Xây dựng lựa chọn
Triển khai thành công sẽ điều chỉnh năng lực kỹ thuật phù hợp với quy trình làm việc tuyến đầu.
Tương lai của AI trong Da liễu
Các ứng dụng phân loại được quản lý và trợ lý nội soi da sẽ trở thành công cụ hàng đầu thông thường, mở rộng sàng lọc ở cấp độ chuyên gia sang thực hành chung và các khu vực chưa được giám sát. Việc thu hẹp khoảng cách về hiệu suất tông màu da thông qua các bộ dữ liệu đa dạng là thách thức công bằng trọng tâm của lĩnh vực này và là động lực nghiên cứu tích cực. Chụp ảnh toàn bộ cơ thể với tính năng phát hiện thay đổi bằng AI sẽ theo dõi từng nốt ruồi theo thời gian và các mô hình đa phương thức kết hợp hình ảnh với lịch sử bệnh nhân và thậm chí cả nguy cơ di truyền sẽ giúp xác định rõ ai thực sự cần sinh thiết.
Triển khai trong thế giới thực
Stanford CNN năm 2017 đã phân loại ung thư da từ ~130.000 hình ảnh ngang bằng với 21 bác sĩ da liễu được hội đồng chứng nhận, một kết quả nền tảng cho lĩnh vực này.
Ứng dụng điện thoại thông minh và máy soi da phân loại các nốt ruồi đáng ngờ, giúp bệnh nhân và bác sĩ chăm sóc ban đầu quyết định những gì cần được bác sĩ chuyên khoa xem xét khẩn cấp.
Hệ thống chụp ảnh toàn thân sử dụng AI để so sánh hình ảnh theo thời gian và đánh dấu các tổn thương mới hoặc đang thay đổi ở những bệnh nhân có nguy cơ cao.
Các bộ dữ liệu đa dạng như Fitzpatrick 17k và Hình ảnh da liễu đa dạng đang được xây dựng để giảm độ chính xác AI kém hơn trên tông màu da tối hơn.
Rủi ro & lan can
Các yêu cầu pháp lý có thể vô hiệu hóa các nguyên mẫu mạnh mẽ.
Dữ liệu lịch sử có thể mã hóa thành kiến gây tổn hại cho các cộng đồng cụ thể.
Các hệ thống cũ có thể tạo ra các nút thắt cổ chai trong tích hợp và chi phí tiềm ẩn.
Lộ trình thực hiện
Thu hút các chuyên gia trong lĩnh vực từ việc xác định vấn đề đến đánh giá.
Thiết kế các đường dẫn kiểm tra và tài liệu trước khi ra mắt.
Xác nhận sớm các nghĩa vụ tuân thủ và an toàn.
Triển khai theo từng giai đoạn với tiêu chí dừng và khôi phục rõ ràng.
Tiếp tục khám phá
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
Hướng dẫn tiếp theo
AI trong không gian và vệ tinh
Câu hỏi thường gặp
What is AI in Dermatology?
Da là cơ quan lớn nhất, dễ thấy nhất của cơ thể, vì vậy da liễu rất phù hợp với AI dựa trên hình ảnh. Học sâu có thể phân loại các tổn thương da, bao gồm cả khối u ác tính có khả năng gây tử vong, từ các bức ảnh ở mức độ sánh ngang với các bác sĩ da liễu được hội đồng chứng nhận.
Nghiên cứu da liễu mang tính bước ngoặt năm 2017 của Stanford đã chứng minh điều gì?
Được đào tạo dựa trên khoảng 130.000 hình ảnh, CNN của Stanford phù hợp với hiệu suất chẩn đoán của 21 bác sĩ da liễu được hội đồng chứng nhận trong việc phân loại ung thư da, một bằng chứng cơ bản về khái niệm cho lĩnh vực này.
Vấn đề công bằng chính được ghi nhận trong AI da liễu là gì?
Các tập dữ liệu huấn luyện trước đây thường bị chi phối bởi làn da sáng hơn, vì vậy các mô hình thường hoạt động kém hơn trên làn da sẫm màu hơn, nơi khối u ác tính hiếm gặp hơn nhưng thường gây tử vong nhiều hơn khi bị bỏ qua.
Nội soi da bổ sung gì vào một bức ảnh da tiêu chuẩn?
Nội soi da sử dụng độ phóng đại và ánh sáng phân cực để lộ các cấu trúc sắc tố và mạch máu bên dưới bề mặt da mà mắt thường không thể nhìn thấy, mang lại nhiều tính năng phong phú hơn cho AI để phân tích.
Các mô hình da liễu đã học được lối tắt giả mạo nào?
Bởi vì các dấu hiệu và thước đo da phẫu thuật xuất hiện chủ yếu trong các hình ảnh ung thư đang được chuẩn bị để sinh thiết, một số mô hình đã học cách liên kết những dấu hiệu đó với bệnh ác tính hơn là chính tổn thương.
'Tiêu chuẩn vàng' mà các mô hình này thường được xác nhận là gì?
AI da liễu đáng tin cậy được xác nhận dựa trên các chẩn đoán được xác nhận bằng sinh thiết, tiêu chuẩn vàng về mô bệnh học, thay vì chỉ dựa trên các nhãn hình ảnh chưa được xác minh.