MEDIX, God. 27 Br. 149  •  Razgovor  •  Dermatovenerologija HR ENG

Dr. Lloyd Steele: Prepoznaju li modeli umjetne inteligencije rijetke, agresivne karcinome kože?

Ema Liu

EADV kongres sadržavao je 1609 sažetaka, među kojima se istaknuo onaj dr. Llyoda Steelea „Prepoznaju li modeli umjetne inteligencije rijetke, agresivne karcinome kože? Procjena aplikacije izravne za korisnika u dijagnozi karcinoma Merkelovih stanica i amelanotičnog melanoma“. Dr. Steele je specijalizant dermatovenerologije u Barts Health NHS Trust i istraživač na Sveučilištu Queen Mary u Londonu. Područje interesa su mu računalne metode u dermatološkim istraživanjima.


 

MEDIX: Kao vodeći autor istraživanja modela strojnog učenja za otkrivanje karcinoma kože, što smatrate ključnim problemom u uređajima koji se prodaju putem internetskih trgovina u obliku aplikacija, uz tvrdnju da mogu otkriti karcinom kože?

DR. STEELE: Smatram da je glavni problem nedostatak transparentnosti i regulacije. Ti modeli često iznose tvrdnje poput „95% točnosti“, ali nitko ne može pristupiti podacima kako bi ih provjerio. Štoviše, niti jedno regulatorno tijelo nikada ne provjerava podatke i ponovno ne pravi analizu. Modeli obično koriste odricanje od odgovornosti kako bi poručili da ne postavljaju dijagnozu. U SAD-u su regulacije strože, a model koji smo procijenili u istraživanju nije dostupan u Velikoj Britaniji. Aplikacije za pametne telefone temeljene na umjetnoj inteligenciji za procjenu rizika od karcinoma kože trebaju više procjene i bolju regulaciju: programeri aplikacija učinkovito „samopotvrđuju“ i primjenjuju CE (franc. conformité européenne) oznaku, obično oglašavajući odricanje odgovornosti da rezultati aplikacije ne mogu zamijeniti zdravstvene savjete.

 

Dr. Lloyd Steele, specijalizant je dermatovenerologije u Barts Health NHS Trust i istraživač na Sveučilištu Queen Mary u Londonu, jedan je od vodećih autora istraživanja modela strojnog učenja za otkrivanje karcinoma kože

Ne postoji zahtjev proizvođačima aplikacija na dostavu dokaza o uspješnosti aplikacije za populaciju kod koje će se koristiti u praksi. Čak i kada stupe na snagu propisi EU-a o medicinskim uređajima i nova ocjena sukladnosti u Ujedinjenom Kraljevstvu, UKCA, minimalni je zahtjev da aplikacija radi onako kako se tvrdi. Nevjerojatno je nizak prag za tehnologiju koja bi mogla informirati pojedinca o donošenju odluka o tome hoće li ili ne tražiti savjet zdravstvene skrbi za potencijalno smrtonosnu leziju kože.

MEDIX: Mogu li se unaprijediti modeli kako bi omogućili sigurnije otkrivanje karcinoma kože i hoće li biti bolji u usporedbi s prosudbom liječnika?

DR. STEELE: Postoji potencijal za poboljšanje, ali to zahtijeva mnogo više podataka. Mnoga istraživanja već izvještavaju o ekvivalentnosti ili superiornosti dermatolozima, ali se često pokazalo da su modeli krhki: manje promjene poput rotacije ili promjene osvjetljenja dovode do potpuno različitih predviđanja. Programski modeli s umjetnom inteligencijom mogu biti bolji od prosudbe liječnika, ali da bismo to postigli, trebat će mnogo više slika. Na primjer, na ImageNetu stopa pogrešaka za dijagnosticiranje melanoma niža je od ljudske pogreške, a to se postiže korištenjem baze od 14 milijuna fotografija.

MEDIX: S obzirom da modeli mogu lažno klasificirati rak kože kao niskorizični, može li to postati veći problem jer su aplikacije na tržištu dostupne svima?

DR. STEELE: Trenutačno je na tržištu malo modela. Većina više nije dostupna i mislim da im većina ljudi ne vjeruje. Hoće li im ljudi u budućnosti vjerovati više, teško je reći.

MEDIX: Kako poboljšati obrazovanje i podizanje svijesti o karcinomu kože?

DR. STEELE: To je izazovno! Poticanje redovitog pregleda kože uz isticanje i važnosti zaštite od sunca dobri su koraci prema tome. To ovisi i o državi i provedenim mjerama. Npr., Australija je u tome mnogo bolja nego Ujedinjeno Kraljevstvo.

MEDIX: Što mislite o modelima strojnog učenja za otkrivanje karcinoma kože?

DR. STEELE: To je realna mogunost u budućnosti, ali potrebni su mnogo veći skupovi podataka. Isto tako, mislim da regulatorna tijela također moraju uhvatiti korak s vremenom i imati uspostavljene procedure kako bi mogla pristupiti podacima koji se koriste za obuku modela i provjeriti jesu li njihove analize točne.