ხელოვნური ინტელექტი დერმატოლოგიაში: თანამედროვე მდგომარეობა, გამოწვევები და განვითარების პერსპექტივები
DOI:
https://doi.org/10.52340/jecm.2025.06.30საკვანძო სიტყვები:
AI, Dermatology, Dermoscopy, Skin Cancer, Melanoma, Deep Learning, CNNანოტაცია
ხელოვნური ინტელექტი თანამედროვე დერმატოლოგიაში მნიშვნელოვანი ინსტრუმენტი გახდა, რადგან ის აუმჯობესებს კანის ახალწარმონაქმნების დიაგნოსტიკის სიზუსტეს, ამცირებს ჰიპერდიაგნოსტიკას და უზრუნველყოფს სტანდარტიზებულ შეფასებას. CNN დაფუძნებული ალგორითმები დერმატოლოგების დონეს უტოლდებიან ან აღემატებიან მელანომისა და სხვა ნეოპლაზიების ამოცნობაში (AUC > 0.94). AI პლატფორმები, როგორიცაა PhotoFinder და Doctorium, საშუალებას იძლევა აღმოიფხვრას არასაჭირო ბიოფსიების 20–30%, 90%-ზე მაღალი სიზუსტით მოხდეს დიაგნოზის ამოცნობა და რისკის ინტელექტური ტრიაჟი. ტექნოლოგია ეფექტურად გამოიყენება დერმატოსკოპიაში, ჰისტოპათოლოგიაში და ტრიქოსკოპიაში, სადაც ავტომატურად ხდება სტრუქტურების ამოცნობა, მიტოზების დათვლა და თმის ცვენის ტიპების კლასიფიკაცია. მიუხედავად მაღალი პოტენციალისა, რჩება გამოწვევები — მონაცემთა ჰეტეროგენულობა, ალგორითმების გამჭვირვალობა და ეთიკური საკითხები. AI-ის მომავალი უკავშირდება მრავალმოდალურ მოდელებს, რეალურ დროში რისკის პროგნოზირებას და საქართველოში შექმნილი მოდელების კლინიკურ ინტეგრაციას.
Downloads
წყაროები
Brinker T.J., Hekler A., Enk A., et al. Deep neural networks are superior to dermatologists in melanoma image classification. European Journal of Cancer. 2019;119:11–17.
Codella N., Rotemberg V., Tschandl P., et al. Skin lesion analysis toward melanoma detection: A challenge hosted by the International Skin Imaging Collaboration (ISIC) 2018. arXiv preprint arXiv:1902.03368.
Daneshjou R., Vodrahalli K., Novoa R., et al. Disparities in dermatology AI: assessing algorithm performance across skin tones. Science Advances. 2022;8(15):eabq6147.
Doctorium AI Platform. Algorithmic Framework for Skin Lesion Risk Stratification, 2024
Esteva A., Kuprel B., Novoa R., et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017;542:115–118.
Haenssle H.A., Fink C., Schneider S., et al. Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition. Annals of Oncology. 2018;29(8):1836–1842.
ISIC Archive – International Skin Imaging Collaboration. 2016–2024. https://isic-archive.com
Kittler H., Pehamberger H., Wolff K., Binder M. Diagnostic accuracy of dermoscopy. The Lancet Oncology. 2002;3(3):159–165.
Liu Y., Jain A., Eng C., et al. A deep learning system for differential diagnosis of skin diseases. Nature Medicine. 2020;26:900–908.
PhotoFinder Systems. Artificial Intelligence in Dermoscopy – Technical Documentation, 2022.
Vanderbilt University Medical Center. Whole Slide Imaging and Artificial Intelligence in Pathology. VUMC Pathology Review, 2021.
ჩამოტვირთვები
გამოქვეყნებული
როგორ უნდა ციტირება
გამოცემა
სექცია
