Google Steigt in Die Dermatologie Ein, Übertrifft Krankenpfleger Und Liegt Auf Augenhöhe Mit Fachärzten

Hautkrankheiten zählen zu den häufigsten Erkrankungen. Aufgrund des Mangels an Fachärzten und der ungleichen Verteilung medizinischer Ressourcen suchen Patienten jedoch häufig Hilfe bei Allgemeinärzten, was leicht zu Fehldiagnosen und Fehldiagnosen führen kann. Ein von Google-Forschern entwickeltes Deep-Learning-System kann häufige Hautkrankheiten mit einer Genauigkeit erkennen, die mit der von professionellen Dermatologen vergleichbar und weitaus besser ist als die von manchen Allgemeinmedizinern und Krankenpflegern.

Hautprobleme zählen nach Erkältungen, Müdigkeit und Kopfschmerzen zu den häufigsten Erkrankungen weltweit.

Tatsächlich schätzt man, dass es1,9 Milliarden MenschenJeder Mensch erkrankt irgendwann an einer Hautkrankheit. Allein in den Vereinigten Staaten sucht jeder zwanzigste Patient eine Klinik zur Behandlung auf.Bis zu 37% Menschen haben mindestens ein Hautproblem. Mehr als die Hälfte dieser Patienten wurden jedoch von Nicht-Dermatologen behandelt.

Aufgrund des weltweiten Mangels an Dermatologen sind die Patienten gezwungen, ihren Hausarzt aufzusuchen. Allerdings können Hausärzte die Krankheit oft nicht so genau bestimmen wie Fachärzte.

In Anbetracht dessenGoogle-Forscher entwickeln KI-System, das die häufigsten Hautkrankheiten in der Primärversorgung erkennen kann.

In seinen veröffentlichten Arbeiten***„Ein Deep-Learning-System zur Differentialdiagnose von Hautkrankheiten“In einem Artikel mit dem Titel „Ein Deep-Learning-System für die Differentialdiagnose von Hautkrankheiten“ und in ihrem Blog erklärten die Forscher, dass das System bei der Präsentation von Bildern und Metadaten zu Patientenfällen26 Hauterkrankungen präzise diagnostizieren*, und behauptet, dass dies mit den Leistungen staatlich geprüfter Dermatologen in den USA vergleichbar sei.

KI wird zum neuen Dermatologen mit einer höheren Genauigkeitsrate als professionelle Ärzte

Yuan Liu, Softwareentwickler bei Google, und Dr. Peggy Bui, technische Programmmanagerin bei Google Health, sagten: „Wir habenDeep-Learning-System(DLS) zur Behandlung der häufigsten Hautprobleme, die in der Primärversorgung auftreten. Diese Studie unterstreicht das Potenzial von DLS, die diagnostischen Fähigkeiten von Allgemeinmedizinern ohne zusätzliche Facharztausbildung zu verbessern. "

Sie erklären, dass Dermatologen nicht nur eine Diagnose für ein Hautproblem stellen, sondern vielmehr eine Rangliste möglicher Diagnosen (Differentialdiagnosen) präsentieren, die durch Nachuntersuchungen, bildgebende Verfahren, Behandlungen und Konsultationen systematisch eingegrenzt werden. Gleiches gilt für das von Google-Forschern entwickelte KI-System.

Das System verarbeitet folgendeEin oder mehrere klinische Bilder von Hautanomalien und bis zu 45 Arten von Metadaten (z. B. selbstberichtete Komponenten der Krankengeschichte:****wie Alter, Geschlecht und Symptome). Für jeden Fall wurden mehrere Bilder mithilfe der neuronalen Netzwerkarchitektur Inception-v4 verarbeitet und mit den merkmalskonvertierten Metadaten für die Klassifizierungsebene kombiniert.

Das Forschungsteam sagte, das Modell habe Daten aus zwei Staaten verwendet17 Kliniken für die Primärversorgung 17.777 nicht identifizierte Fällewurde das Modell evaluiert. Sie teilten das Korpus in zwei Teile auf und nutzten den Datensatzanteil zwischen 2010 und 2017 zum Trainieren des KI-Systems, den Anteil von 2017 bis 2018 zur Auswertung. Während des Trainings nutzt das ModellMehr als 50.000 Differentialdiagnosen von über 40 Dermatologen.

Um die diagnostische Genauigkeit des Systems zu testen, sammelten die Forscher Diagnosen von drei in den USA zugelassenen Dermatologen und verglichen sie mit einem strengen Referenzstandard.

Die Ground-Truth-Labels wurden durch die Aggregation von 3750 Fällen erhalten. Vergleichen Sie die Einstufung der Hautprobleme durch das KI-System mit der Differentialdiagnose des Hautarztes.Die erste und die ersten drei diagnostischen Vorhersagen erreichten eine Genauigkeit von 71% bzw. 93%..

Darüber hinaus wurde das System im Validierungsdatensatz mit drei Kategorien von Klinikern verglichen: Dermatologen, Allgemeinmedizinern und Krankenpflegern (da die typische Differentialdiagnose von Klinikern nur bis zu drei Diagnosen enthalten kann, wurden nur die drei besten Vorhersagen des DLS mit den Klinikern verglichen).

Die Ergebnisse zeigten, dass die ersten drei Vorhersagen des Systems darauf hindeuteten, dassDie diagnostische Genauigkeitsrate lag bei 90% und war vergleichbar mit der von Dermatologen (75%) und „viel höher“ als die von Allgemeinmedizinern (60%) und Krankenpflegern (55%)..

Da Hautkrankheiten auch stark vom Hauttyp abhängen, ist die visuelle Beurteilung der Haut selbst für die Diagnose von entscheidender Bedeutung. Um mögliche Verzerrungen aufgrund des Hauttyps zu beurteilen, hat das TeamFitzpatrickHauttypisierung, testete die Leistung des KI-Systems. Die Hautklassifizierung reicht von Typ I („blass, verbrennt oft, bräunt nie“) bis Typ VI („dunkelstes Braun, bräunt nie“).

Sie konzentrierten sich auf die Hauttypen Fitzpatrick II-IV, die mindestens 5 % der Daten ausmachten, und stellten fest, dass DLS in diesen Kategorien eine ähnliche Genauigkeit aufwies.Die Genauigkeit der ersten Diagnose lag zwischen 69 % und 72 %, und die Genauigkeit der ersten drei Diagnosen lag zwischen 91 % und 94 %..

Die Forscher führen die Gesamtgenauigkeit des Systems auf die Datenmenge im Trainingskorpus zurück.MetadatenDie Ergebnisse legen nahe, dass ihr Ansatz „Kliniker dazu anregen könnte, mögliche Faktoren in Betracht zu ziehen“, die nicht auf der Grundlage ihrer anfänglichen Differentialdiagnose ermittelt wurden.

Sie stellten jedoch auch fest, dass ihr Trainingskorpus nur von einem einzigen Teledermatologiedienst stammte. Einige Hauttypen waren in ihrem Datensatz von Fitzpatrick zu selten für ein aussagekräftiges Training oder eine aussagekräftige Analyse und ihr Datensatz war aufgrund fehlender verfügbarer Datenproben nicht in der Lage, bestimmte Hauterkrankungen wie Melanome genau zu erkennen.

„Wir glauben, dass diese Einschränkungen behoben werden könnten, indem mehr durch Biopsie nachgewiesene Hautkrebsfälle in die Schulung und Validierung einbezogen werden“, schrieben Liu und Bui.

Dank der Technologie ist gesunde Haut kein Traum mehr

In meinem Land gibt es insgesamt weniger als 30.000 Dermatologen. Neben dem Mangel an Fachärzten ist die Dermatologie auch mit Problemen wie Fehldiagnosen, verpassten Diagnosen und unzureichendem Wissen über seltene Krankheiten konfrontiert, was zweifellos zu Verlusten für die Patienten führen wird.

Tatsächlich ist die Dermatologie eine Disziplin, die auf morphologischen Merkmalen beruht.Die meisten Diagnosen basieren auf visuellen Erkennungsmustern. In der Dermatologie eignen sich KI-Bilderkennungsfunktionen sehr gut zur unterstützenden Diagnose.

Doch in den letzten Jahrzehnten blieb die Anwendung künstlicher Intelligenz in der Dermatologie sehr begrenzt. Bis vor einigen Jahren hat die heimische Dermatologie mit der Entwicklung und Anwendung künstlicher Intelligenztechnologien schrittweise große Fortschritte bei KI-Anwendungen erzielt.

So kooperierte beispielsweise das Zweite Krankenhaus der Xiangya-Universität im Jahr 2018 mit Dingxiangyuan und Dana Technology, umDas erste KI-gestützte Diagnosesystem für HautkrankheitenDas System zielt derzeit auf eine Reihe von Krankheiten ab, darunter Lupus erythematodes und Dermatitis.Die Erkennungsgenauigkeit liegt bei 85% oder höher. Anschließend führten auch das China-Japan Friendship Hospital und das Peking Union Medical College Hospital KI-basierte Hautkrankheitsdiagnosesysteme auf Basis der Deep-Learning-Technologie ein.

Daher haben wir Grund zur Annahme, dass mit Hilfe der KI-Technologie alle Probleme der Dermatologie gelöst werden können.

-- über--