Рак кожи – единственное злокачественное новообразование, первичная диагностика которого происходит визуально, что в свою очередь инициирует ряд уточняющих обследований: дерматоскопию, биопсию и морфологическое исследование. Автоматизировать процесс диагностики, используя изображения повреждений кожи, —  непросто, из-за высокой изменчивости пикселей, составляющих фотографий. Тем не менее, глубинные свёрточные нейронные сети (convolutional neural networks (CNN)) продемонстрировали хорошую обучаемость при анализе фотографий высокого разрешения.

В данном исследовании продемонстрирована классификация повреждений кожи, выполненная нейронной сетью с использованием сквозного принципа шифрования данных (end-to-end), при котором в качестве входящих данных были использованы только пиксели и названия заболеваний. Обучение нейросети происходила при помощи анализа 129450 клинических фотографий болезней, разделенных на 2 категории:

• дифференциальная диагностика кератиноцитов карцином и доброкачественного себорейного кератоза;
• дифференциальная диагностика меланом и невусов.

В качестве контроля были использованы результаты исследований, выполненной группой высококвалифицированных дерматологов ( 21 специалист). Категории были отобраны по принципу:  первая группа – как наиболее часто встречающееся злокачественное новообразование кожи; второе – как наиболее злокачественная опухоль.

Проведённое исследование продемонстрировало высокую эффективность диагностики злокачественных новообразований кожи нейросетью по обеим задачам; уровень компетентности сопоставим с результатами, полученными дерматологами.

К 2021 году, мобильные устройства с интегрированной нейросетью обеспечат всех желающих доступной недорогой диагностикой злокачественных опухолей кожи без осмотра специалиста.

Оригинальный текст статьи в журнале Nature.

Статьи по теме:

Рак кожи

Меланома

Диагностика злокачественных опухолей

Профилактика онкологических заболеваний