Исследование Университета Миссури изучает применение искусственного интеллекта для помощи в выявлении меланомы — самой опасной формы рака кожи. Проект возглавил Камлендра Сингх из Bond Life Sciences Center; его команда ставит цель ускорить отбор пациентов, требующих более тщательного медицинского наблюдения.
Учёные обучали и тестировали модели на базе набора из 400,000 изображений кожных изменений, в котором были подтверждённые случаи меланомы. Снимки получали с помощью трёхмерной съёмки всего тела, что позволяет создавать детальную цифровую карту кожи и видеть мелкие визуальные признаки.
Команда сравнила три существующие модели AI: каждая в отдельности показывала точность до 88%, а при объединении их показателей общая точность превысила 92%. Авторы подчёркивают, что это инструмент поддержки принятия решений, а не замена врачей; для клинического применения нужны дополнительные и более разнообразные данные.
Работа опубликована в журнале Biosensors and Bioelectronics: X; источник — University of Missouri.
Сложные слова
- меланома — опасный вид рака кожи, быстро растущиймеланомы
- искусственный интеллект — программы и методы автоматического анализа данныхискусственного интеллекта
- трёхмерная съёмка — фотосъёмка тела в трёх измеренияхтрёхмерной съёмки
- точность — насколько правильно работает тест или модель
- модель — программная система для анализа данныхмодели
- поддержка — помощь в решениях или работе врачейподдержки
- наблюдение — постоянный контроль за состоянием пациентанаблюдения
Подсказка: наведите, сфокусируйтесь или нажмите на выделенные слова, чтобы увидеть краткие определения прямо во время чтения или прослушивания.
Вопросы для обсуждения
- Стоит ли использовать такие ИИ-инструменты в клиниках? Почему?
- Какие дополнительные данные нужны для клинического применения таких систем?
- Какие плюсы и минусы даёт объединение нескольких моделей ИИ?
Похожие статьи
Африке нужен объединённый надзор «One Health»
Эксперты предупреждают, что в Африке надзор за здоровьем людей, животных и окружающей среды должен быть скоординирован. Исследование CABI показало, что главная проблема — слабый обмен информацией между секторами, а не отсутствие данных.