Исследование эффективности программ автоматизированной диагностики меланомы кожи с применением технологий искусственного интеллекта

АКТУАЛЬНОСТЬ. Исследование продолжает ряд публикаций, посвящённых эффективности машинного распознавания дерматоскопических изображений меланомы кожи. В некоторых работах отечественных и зарубежных авторов сообщается о достижении высокой чувствительности и специфичности автоматизированной диагностики опухолей кожи. Существенные различия публикуемых данных могут быть результатом как применения разных алгоритмов, так и использования разных групп новообразований кожи для расчёта показателей точности. МАТЕРИАЛЫ И МЕТОДЫ. Сравнивали точность диагностики меланомы кожи двумя автоматизированными системами искусственного интеллекта. РЕЗУЛЬТАТЫ. Алгоритм на основе свёрточной нейронной сети улучшил общую точность диагностики на 7% по сравнению с алгоритмом без глубокого обучения, при этом показатель точности составил 78%. Предоставлен исходный набор из 100 использованных дерматоскопических изображений для самостоятельной оценки применимости полученных данных при знакомстве с имеющимися системами искусственного интеллекта. ЗАКЛЮЧЕНИЕ. Обозначены главные недостатки и возможные пути совершенствования автоматизированной диагностики опухолей кожи на основе цифровой дерматоскопии.

INTRODUCTION: The research evaluates a series of publications on the machine recognition efficacy of cutaneous melanoma dermatoscopic images. Some authors report high sensitivity and specificity of automated diagnostics of skin tumors. Significant differences in the published data can be attributed to the use of different algorithms and groups of skin neoplasms to calculate the accuracy rate. MATERIALS AND METHODS: The diagnostic performance of two automated artificial intelligence systems is compared. RESULTS: The convolutional neural network algorithm improves the overall diagnostic accuracy by 7% compared to the algorithm without deep learning, while the overall accuracy rate was 78%. An initial set of 100 dermatoscopic images used in the study is published online for the assessment of the applicability of the obtained data when introducing existing artificial intelligence systems. CONCLUSION: The main limitations and possible ways to further improve the automated diagnosis of skin tumors based on digital dermatoscopy are outlined.