پژوهشگران دانشگاه «ام‌آی‌تی» در یک بررسی جدید دریافتند که متخصصان پوست و پزشکان عمومی در تشخیص دادن بیماری پوست‌های تیره‌تر، تا حدودی دقت کمتری دارند. به گفته آنها، هوش مصنوعی در صورت استفاده درست ممکن است بتواند به پزشکان کمک کند.
به گزارش ایسنا، پژوهش جدید دانشگاه «ام‌آی‌تی»(MIT) نشان می‌دهد که اگر پوست یک بیمار تیره باشد، پزشکان عملکرد خوبی هنگام تشخیص دادن بیماری‌های پوستی براساس عکس‌های پوست بیمار ندارند.
به نقل از ام‌آی‌تی نیوز، این بررسی که روی بیش از ۱۰۰۰ متخصص پوست و پزشک عمومی انجام شد، نشان داد که متخصصان پوست در ۳۸ درصد از عکس‌هایی که می‌دیدند، تشخیص درست داشتند اما تنها در ۳۴ درصد از عکس‌هایی که پوست بیمار در آنها تیره‌تر بود، بیماری به درستی تشخیص داده شد. پزشکان عمومی، کاهش مشابهی را در دقت خود روی پوست تیره‌تر نشان دادند.
همچنین، این پژوهش نشان می‌دهد از آنجا که میزان پیشرفت در تشخیص بیماران دارای پوست روشن‌تر بیشتر بود، شاید کمک گرفتن از یک الگوریتم هوش مصنوعی بتواند دقت پزشکان را بهبود ببخشد.
اگرچه این اولین پژوهشی است که تفاوت‌های تشخیصی پزشک را در رنگ پوست نشان می‌دهد اما پژوهش‌های دیگر نیز نشان داده‌اند که تصاویر استفاده‌شده در کتاب‌های درسی و محتوای آموزشی مربوط به پوست، عمدتا رنگ پوست روشن‌تر را به نمایش می‌گذارند.
گروه دانشگاه ام آی‌تی گفتند: این ممکن است یکی از عواملی باشد که در اختلاف دقت نقش دارد. همچنین، این احتمال وجود دارد که برخی از پزشکان تجربه کمتری را در درمان بیماران دارای پوست تیره‌تر داشته باشند.
دکتر «مت گرو»(Matt Groh) پژوهشگر «دانشگاه نورث‌وسترن»(Northwestern University) گفت: مطمئنا هیچ پزشکی قصد ندارد در مورد برخی از بیماران بد عمل کند اما ممکن است همه دانش و تجربه مورد نیاز را نداشته باشد و به همین دلیل، در مورد گروه‌های خاصی از بیماران، عملکرد خوبی را نشان ندهد. این یکی از آن موقعیت‌هایی است که شواهد تجربی را می‌طلبد و نشان می‌دهد که سیاست‌های مربوط به آموزش پوست باید تغییر کنند.
پژوهشگران دانشگاه ام‌آی‌تی برای سنجش دقت تشخیصی پزشکان، مجموعه‌ای از ۳۶۴ عکس را از کتاب‌های درسی و سایر منابع مربوط به پوست گردآوری کردند که نشان‌دهنده ۴۶ بیماری پوستی در چندین طیف از رنگ پوست بودند.
این گروه پژوهشی، از یک وب‌سایت شبکه اجتماعی موسوم به «سرمو»(Sermo)، پزشکان را برای این پژوهش انتخاب کردند. کل گروه مورد بررسی شامل ۳۸۹ متخصص پوست، ۱۱۶ رزیدنت پوست، ۴۵۹ پزشک عمومی و ۱۵۴ پزشک از سایر گروه‌ها بود.
پژوهشگران به هر یک از شرکت‌کنندگان این پژوهش، ۱۰ عکس را نشان دادند و از آنها خواستند تا سه پیش‌بینی اصلی خود را برای بیماری هر عکس ارائه دهند. همچنین، از آنها پرسیده شد که آیا بیمار را برای بیوپسی ارجاع خواهند داد. علاوه بر این، از پزشکان عمومی پرسیده شد که آیا بیمار را به متخصص پوست ارجاع خواهند داد.
«روزالیند پیکارد»(Rosalind Picard) استاد هنر و علوم رسانه‌ای دانشگاه ام‌آی‌تی و از پژوهشگران این پروژه گفت: شرایط این آزمایش مانند یک معاینه حضوری جامع نیست که پزشک در آنها می‌تواند پوست را از زوایای گوناگون بررسی کند و نور را تحت کنترل داشته باشد.
با وجود این، عکس‌های پوست برای بستر آنلاین مقیاس‌پذیرتر هستند و به راحتی وارد الگوریتم یادگیری ماشینی می‌شوند. بدین ترتیب، سرعت تشخیص‌های احتمالی بالا می‌رود.
پژوهشگران دریافتند که متخصصان پوست، میزان دقت بالاتری دارند. آنها ۳۸ درصد از عکس‌ها را به درستی طبقه‌بندی کردند. در مقابل، این آمار برای پزشکان عمومی ۱۹ درصد بود.
هر دو گروه هنگام تلاش برای تشخیص دادن بیماری‌های پوستی براساس عکس‌های پوست تیره‌تر، حدود چهار درصد از دقت خود را از دست دادند که از نظر آماری کاهش معنی‌داری داشت.
متخصصان پوست، عکس‌های پوست تیره‌تر را کمتر برای تشخیص «لنفوم سلول تی پوستی»(CTCL) به بیوپسی ارجاع دادند اما بیشتر آنها را به عنوان بیماری‌های پوستی غیرسرطانی برای بیوپسی معرفی کردند.
«جنا لستر»(Jenna Lester) دانشیار پوست «دانشگاه کالیفرنیا، سن‌فرانسیسکو»(UCSF) که در این پژوهش شرکت نداشت، گفت: این پژوهش به وضوح نشان می‌دهد که در تشخیص دادن بیماری، میان پوست تیره و روشن تفاوت وجود دارد. این اختلاف تعجب‌آور نیست.
با وجود این، من چنین نتیجه‌ای را در پژوهش‌های پیشین به این شکل قوی ندیده‌ام. پژوهش‌های بیشتری باید انجام بگیرند تا با دقت بیشتری مشخص شود که چه عواملی این اختلاف را ایجاد می‌کنند.
پژوهشگران دانشگاه ام‌آی‌تی پس از ارزیابی کردن عملکرد پزشکان، عکس‌های بیشتری را به آنها دادند تا با کمک الگوریتم هوش مصنوعی توسعه‌یافته توسط همین گروه پژوهشی، عکس‌ها را تحلیل کنند.
پژوهشگران این الگوریتم را روی حدود ۳۰ هزار عکس آموزش دادند و از آن خواستند که عکس‌ها را براساس هشت بیماری پوستی که در بیشتر آنها نشان داده شده است، به اضافه گروه نهم به نام «سایر» طبقه‌بندی کند.
دقت این الگوریتم حدود ۴۷ درصد بود. پژوهشگران یک نسخه دیگر از الگوریتم را با میزان موفقیت ۸۴ درصد ابداع کردند که به آنها امکان داد تا ارزیابی کنند که آیا دقت مدل بر توصیه‌های پزشکان تأثیر می‌گذارد.
پژوهشگران دریافتند که به کار بردن هر یک از این الگوریتم‌های هوش مصنوعی، دقت متخصصان پوست را تا ۶۰ درصد و هم دقت پزشکان عمومی را تا ۴۷ درصد بهبود می‌بخشد.
گرو گفت: این کار به ما امکان می‌دهد تا در آینده توانایی هوش مصنوعی را با مدل‌هایی که در حال حاضر بهترین هستند و با کمک هوش مصنوعی که می‌تواند دقیق‌تر باشد، با داده‌ها و مدل‌های بهتر ارزیابی کنیم.
این پژوهش در مجله «Nature Medicine» به چاپ رسید.