Alin4kDoDo
Леди
Искусственный интеллект (Artificial intelligence, AI) трансформирует область дерматопатологии, создавая как возможности, так и проблемы. В этом обзоре рассматривается интеграция AI, в частности алгоритмов глубокого обучения, в дерматопатологию и ее последствия для диагностики заболеваний, исследований и будущего клинической практики.
AI, особенно с помощью сверточных нейронных сетей (CNN), показал исключительные перспективы в дерматопатологии. CNN способны обрабатывать сложные данные изображений, разбивать их на пиксели и делать точные диагностические прогнозы. Исследования продемонстрировали способность CNN достигать диагностической точности, сопоставимой или даже превосходящей точность людей-дерматопатологов. Например, системы AI достигли 99,3% точности в диагностике дермального невуса и 100% в выявлении себорейного кератоза. Одним из важных применений AI в дерматопатологии является диагностика меланомы. Передовые алгоритмы глубокого обучения превзошли патологов в различении доброкачественных и злокачественных меланоцитарных поражений. В известном исследовании диагностическая точность CNN для меланомы была значительно выше, чем у опытных дерматопатологов.
Потенциал AI выходит за рамки меланомы и распространяется на немеланомный рак кожи и другие дерматологические состояния, такие как псориаз и атопический дерматит. Однако сложность диагностики немеланомного рака кожи представляет собой большую проблему из-за разнообразного спектра доброкачественных и злокачественных состояний. Текущие системы AI требуют обширного обучения и высококачественных входных данных для достижения надежной точности в этих случаях. Несмотря на свои многообещающие возможности, AI в дерматопатологии не лишен ограничений. Система классификации остается узкой, что ограничивает способность AI точно диагностировать широкий спектр дерматологических состояний. Кроме того, существует значительная вариабельность среди патологов, что усложняет процесс обучения систем AI. Ограниченная доступность всеобъемлющих баз данных изображений и проблемы обмена данными еще больше затрудняют разработку и внедрение надежных алгоритмов AI.
