Μελάνωμα: Σύστημα Τεχνητής Νοημοσύνης το εντοπίζει καλύτερα από γιατρούς!

Πρόκειται για ένα συνεξελικτικό νευρωνικό δίκτυο βαθιάς μάθησης (deep learning convolutional neural network), το οποίο εκπαιδεύθηκε να ανιχνεύει τον καρκίνο, έχοντας προηγουμένως τροφοδοτηθεί με περισσότερες από 100.000 εικόνες κακοήθων μελανωμάτων, καθώς επίσης – για λόγους σύγκρισης- με εικόνες αβλαβών σπίλων.

Διαβάστε επίσης: Μελάνωμα: Πόσες ελιές (αριθμός) στο χέρι σας δείχνουν αυξημένο κίνδυνο

Οι επιστήμονες από τη Γερμανία, τη Γαλλία και τις ΗΠΑ, με επικεφαλής τον καθηγητή Χόλγκερ Χένσλε του Τμήματος Δερματολογίας του Πανεπιστημίου της Χαϊδελβέργης, έκαναν τη σχετική δημοσίευση στο περιοδικό «Annals of Oncology» της Ευρωπαϊκής Εταιρείας Ιατρικής Ογκολογίας.

Η διαγνωστική αξιοπιστία του συστήματος τεχνητής νοημοσύνης συγκρίθηκε με εκείνη 58 δερματολόγων από 17 χώρες, μεταξύ των οποίων και από την Ελλάδα. Διαπιστώθηκε ότι το σύστημα διέγνωσε περισσότερα μελανώματα (95%) σε σχέση με τους γιατρούς (89%), ενώ είχε και λιγότερες ψευδώς θετικές διαγνώσεις (αθώοι σπίλοι που εσφαλμένα διαγνώσθηκαν ως καρκίνοι).

Το σύστημα, το οποίο μιμείται τη λειτουργία του ανθρωπίνου εγκεφάλου, μαθαίνει να γίνεται ολοένα καλύτερο όσες περισσότερες εικόνες βλέπει.

Τα περιστατικά μελανωμάτων αυξάνουν συνεχώς, με περίπου 232.000 νέες διαγνώσεις και 55.500 θανάτους κάθε χρόνο διεθνώς. Το μελάνωμα μπορεί να θεραπευθεί, αν διαγνωσθεί έγκαιρα, αλλά δυστυχώς συχνά η διάγνωση γίνεται καθυστερημένα, όταν πια ο καρκίνος έχει προχωρήσει.

Διαβάστε επίσης: Τι σημαίνει αν έχετε μια ελιά που “σας τρώει” – Πότε η φαγούρα είναι καρκίνος του δέρματος

Οι ερευνητές δήλωσαν ότι δεν προβλέπουν η τεχνητή νοημοσύνη να αντικαταστήσει τους δερματολόγους, όμως θα τους βοηθήσει να κάνουν καλύτερες διαγνώσεις στο μέλλον.

Προτού πάντως ένα τέτοιο σύστημα τεχνητής νοημοσύνης βρει ευρεία κλινική εφαρμογή, θα πρέπει πρώτα να λυθούν ορισμένα τεχνικά προβλήματα, όπως η δυσκολία να απεικονισθούν σωστά ορισμένα μελανώματα σε περιοχές όπως τα δάχτυλα των χεριών και των ποδιών ή το κρανίο, με συνέπεια να μειώνεται η ικανότητα του συστήματος να «διαβάζει» τις εικόνες.

Από το ΑΠΕ-ΜΠΕ