[ad_1]

بر اساس تحقیقات ارائه شده در جشنواره NCRI و منتشر شده در جشنواره، تصاویر و داده های همراه در دسترس برای آموزش هوش مصنوعی (AI) برای تشخیص سرطان پوست کافی نیست و شامل تصاویر بسیار کمی از پوست تیره تر است. Lancet Digital Health.

هوش مصنوعی به طور فزاینده ای در پزشکی مورد استفاده قرار می گیرد زیرا می تواند تشخیص بیماری هایی مانند سرطان پوست را سریع تر و موثرتر کند. با این حال، هوش مصنوعی باید با نگاه کردن به داده‌ها و تصاویر تعداد زیادی از بیماران که در آن‌ها تشخیص قبلاً ثابت شده است، «آموزش» داده شود، بنابراین یک برنامه هوش مصنوعی به شدت به اطلاعاتی که روی آن آموزش دیده است بستگی دارد.

محققان می گویند نیاز فوری به مجموعه های بهتری از داده ها در مورد سرطان های پوست و سایر ضایعات پوستی وجود دارد که حاوی اطلاعاتی در مورد افرادی است که در مجموعه داده ها نشان داده شده است.

این تحقیق توسط دکتر دیوید ون از دانشگاه آکسفورد بریتانیا ارائه شده است. وی گفت: برنامه های هوش مصنوعی پتانسیل زیادی برای تشخیص سرطان پوست دارند زیرا می توانند به تصاویر نگاه کنند و نقاط نگران کننده پوست را به سرعت و مقرون به صرفه ارزیابی کنند. با این حال، دانستن تصاویر و بیمارانی که برای توسعه برنامه ها استفاده می شوند بسیار مهم است. از آنجایی که اینها بر روی گروه‌هایی از افراد تأثیر می‌گذارند که برنامه‌ها در تنظیمات زندگی واقعی برای کدام گروه از افراد مؤثرتر هستند. تحقیقات نشان داده است که برنامه‌هایی که بر روی تصاویر گرفته‌شده از افراد با پوست روشن‌تر آموزش داده می‌شوند، ممکن است برای افرادی با پوست تیره‌تر دقیق نباشند، و برعکس. برعکس.”

دکتر ون و همکارانش اولین بازبینی تمام مجموعه‌های داده‌های آزادانه در مورد ضایعات پوستی در سراسر جهان را انجام دادند. آنها 21 مجموعه شامل بیش از 100000 عکس پیدا کردند.

تشخیص سرطان پوست معمولاً نیازمند عکسی از ضایعه نگران کننده و همچنین عکسی است که با ذره بین دستی مخصوص به نام درماتوسکوپ گرفته شده است، اما تنها دو مورد از 21 مجموعه داده شامل تصاویر گرفته شده با هر دوی این روش ها است. مجموعه داده‌ها همچنین اطلاعات مهم دیگری مانند نحوه انتخاب تصاویر برای گنجاندن و شواهد تأیید اخلاقی یا رضایت بیمار را نداشتند.

14 مجموعه از 21 مجموعه داده اطلاعاتی در مورد اینکه از کدام کشور آمده اند و از میان آن ها، 9 مجموعه حاوی تصاویری از کشورهای اروپایی است. تنها درصد کمی از تصاویر با اطلاعات رنگ پوست یا قومیت بیماران همراه بود. در میان عکس هایی که رنگ پوست در آن ها ذکر شده بود (۲۴۳۶ عکس)، تنها ۱۰ عکس با پوست قهوه ای و تنها یک عکس با پوست قهوه ای تیره یا مشکی بود. در میان تصاویری که قومیت در آنها ذکر شده بود (1585 عکس)، هیچ یک از افرادی با پیشینه آفریقایی، آفریقایی-کارائیب یا جنوب آسیا نبود.

دکتر ون افزود: “ما دریافتیم که برای اکثر مجموعه داده ها، بسیاری از اطلاعات مهم در مورد تصاویر و بیماران در این مجموعه داده ها گزارش نشده است. اطلاعات محدودی در مورد اینکه چه کسی، چگونه و چرا تصاویر گرفته شده اند وجود دارد. برنامه‌های توسعه‌یافته از این تصاویر، به دلیل عدم قطعیت در مورد نحوه عملکرد آنها در گروه‌های مختلف افراد، به‌ویژه در افرادی که به خوبی در مجموعه داده‌ها نشان داده نمی‌شوند، مانند افرادی که پوست تیره‌تری دارند. از این گروه ها از فناوری های هوش مصنوعی.

اگرچه سرطان پوست در افرادی که پوست تیره‌تری دارند نادرتر است، اما شواهدی وجود دارد که نشان می‌دهد افرادی که به آن مبتلا می‌شوند ممکن است بیماری بدتری داشته باشند یا احتمال مرگ در اثر این بیماری بیشتر باشد. یکی از عوامل مؤثر در این امر می‌تواند نتیجه تشخیص سرطان پوست نیز باشد. دیر.”

برای جلوگیری از این امر، دکتر ون و همکارانش امیدوارند استانداردهای کیفی برای داده های سلامت مورد استفاده در توسعه هوش مصنوعی ایجاد کنند. این شامل اطلاعاتی در مورد اینکه چه کسی باید در مجموعه داده ها نشان داده شود و کدام ویژگی های بیمار باید ثبت شود، می شود.

دکتر نیل استیون عضو گروه پوست NCRI، مشاور افتخاری در انکولوژی پزشکی در بیمارستان‌های دانشگاهی بیرمنگام بنیاد NHS Trust، انگلستان است و در این تحقیق شرکت نداشت. او گفت: “سرطان پوست سالانه بیش از 200000 نفر را تنها در بریتانیا مبتلا می کند. برخی از انواع سرطان پوست تهاجمی تر از سایرین هستند، بنابراین تشخیص و درمان سریع می تواند حیاتی باشد.

“ما قبلاً می دانیم که در کتاب های درسی که برای آموزش پزشکان استفاده می کنیم، تصاویر کافی از افراد با پیشینه سیاه پوست و آسیایی وجود ندارد. یافته های این بررسی – که تصاویر افراد با پوست تیره تر کمتر در مجموعه داده ها نشان داده شده اند – نگرانی هایی را ایجاد می کند. در مورد توانایی هوش مصنوعی برای کمک به تشخیص سرطان پوست، به ویژه در یک زمینه جهانی.

“امیدوارم این کار ادامه یابد و کمک کند تا اطمینان حاصل شود که پیشرفت ما در استفاده از هوش مصنوعی در پزشکی به نفع همه بیماران خواهد بود، زیرا رنگ پوست انسان بسیار متنوع است.”

منبع داستان:

مواد ارائه شده توسط موسسه ملی تحقیقات سرطان. نوشته اصلی توسط Rachel Laurence. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.

[ad_2]