Компьютер научился распознавать меланому лучше врачей

Искусственный интеллект превосходит опытных дерматологов, когда дело доходит до диагностики рака кожи.

Новейшая разработка ученых — сверточная нейронная сеть (CNN) — «научилась» отличать меланомы от доброкачественных новообразований на более чем 100 000 снимках. Затем точность работы искусственного интеллекта (ИИ) сравнили с эффективностью 58 дерматологов из 17 разных стран. И, к сожалению, люди справились хуже.

«Сверточная нейронная сеть упустила из виду меньше меланом, что говорит об одном — распознавательная способность ИИ лучше, чем у дерматологов. Более того, он хорошо диагностирует и доброкачественные признаки меланомы. Таким образом, машинный разум показал способность к разрешению специфичных задач, и благодаря ему ненужные операции будут проводиться реже», — сказал Хольгер Хенсли, врач из отделения дерматологии в Гейдельбергском университете.

Нейронные сети — это своеобразное программное обеспечение для машинного обучения, которое работает подобно нейронным сетям мозга. С детства мы используем наши чувства, чтобы поглощать информацию из окружающей среды, и учимся определять закономерности. Возьмем, например, собак. Тот, кто впервые увидел собаку, ранее не знал о ней ничего — до тех пор, пока ему не показали домашнего любимца.

В процессе взросления человек контактирует со многими собаками разных цветов и размеров и даже приобретает способность различать их по породам, хотя таковых сотни. Нейронная сеть, конечно же, не видит мир так же, как и мы, но может научиться распознавать шаблоны и классифицировать объекты путем анализа и повторения.

«С каждым обучающим снимком CNN прогрессирует в способности отличать доброкачественные изменения от злокачественных», — сказал Хенсли.

Дерматологи верно обнаружили в среднем 86,6% меланом и 71,3% доброкачественных образований. По второму пункту CNN показала такой же процент, но в случае меланомы она поставила правильный диагноз почти в 95% случаев.

Тем не менее, развитый машинный интеллект следует рассматривать не как первую ступень к созданию врача-робота, а скорее как полезный диагностический инструмент, который поможет спасти тысячи человеческих жизней.