محققان مؤسسه فناوری «ام‌آی‌تی» در تحقیق جدیدی به این نتیجه رسیده‌اند که در برخی موارد، تشخیص بیماری‌های پوستی در افرادی با رنگ پوست تیره‌تر توسط متخصصان پوست و پزشکان عمومی با دقت کمتری همراه است. به گفته آنان، هوش مصنوعی در استفاده صحیح می‌تواند به بهبود عملکرد پزشکان یاری رساند.
تحقیق جدید دانشگاه «ام‌آی‌تی» (MIT) نشان می‌دهد که پزشکان در شناسایی بیماری‌های پوستی با تصاویر بیماران دارای پوست تیره، عملکرد ضعیفی دارند.
به نقل از ام‌آی‌تی نیوز، این مطالعه که بر روی بیش از ۱۰۰۰ نفر از متخصصان پوست و پزشک عمومی انجام شد، نشان داد که متخصصان پوست توانسته‌اند در ۳۸ درصد از تصاویری که مشاهده کرده‌اند، تشخیص صحیح داشته باشند، اما در مورد تصاویر بیماران با پوست تیره‌تر این میزان به ۳۴ درصد کاهش یافته است. همچنین، پزشکان عمومی نیز با کاهش مشابهی در دقت خود در تشخیص بیماری‌ها بر روی پوست‌های تیره‌تر مواجه شدند.
علاوه بر این، یافته‌های مذکور نشان می‌دهد که پیشرفت‌های موجود در تشخیص بیماری بیماران با پوست روشن‌تر بیشتر است، بنابراین استفاده از الگوریتم‌های هوش مصنوعی می‌تواند به افزایش دقت پزشکان کمک کند.
هرچند این اولین پژوهشی است که تفاوت‌های تشخیصی پزشکان را بر اساس رنگ پوست نشان می‌دهد، پژوهش‌های قبلی نیز ثابت کرده‌اند که تصاویر آموزشی در کتاب‌های درسی عمدتاً بر روی رنگ پوست روشن تمرکز کرده‌اند. دانشگاه «ام‌آی‌تی» خاطرنشان کرد که این ممکن است یکی از دلایل تفاوت در دقت تشخیص باشد و همچنین ممکن است برخی پزشکان تجربه کمتری در درمان بیماران با پوست تیره‌تر داشته باشند.
دکتر «مت گرو» (Matt Groh) از دانشگاه نورث‌وسترن (Northwestern University) اظهار داشت: هیچ پزشکی به‌طور عمدی نمی‌خواهد در مورد درمان بیماران دچار خطا شود، اما ممکن است او دانش و تجربه کافی نداشته باشد، که این موضوع در تشخیص بیماری‌های گروه‌های خاص بیماران تأثیر می‌گذارد. این یکی از مواردی است که نیاز به شواهد تجربی دارد و نشان‌دهنده ضرورت تغییر در سیاست‌های آموزشی مربوط به پوست است.
اختلاف در تشخیص
محققان دانشگاه «ام‌آی‌تی» با هدف سنجش قابلیت تشخیصی پزشکان، به جمع‌آوری ۳۶۴ عکس از کتب درسی و منابع مرتبط پرداخته‌اند که ۴۶ نوع بیماری پوستی را در تانوع‌های مختلف رنگ پوست به نمایش می‌گذارند.
این گروه تحقیقاتی با استفاده از وب‌سایت اجتماعی معروف به «سرمو» (Sermo) پزشکان را برای این مطالعه انتخاب کردند. کل گروه مورد بررسی متشکل از ۳۸۹ متخصص پوست، ۱۱۶ رزیدنت پوست، ۴۵۹ پزشک عمومی و ۱۵۴ پزشک از سایر تخصص‌ها بود.
محققان به هر یک از شرکت‌کنندگان ۱۰ تصویر را ارایه دادند و از آنها خواسته شد تا سه پیش‌بینی اصلی خود درباره بیماری هر تصویر را به ثبت برسانند. همچنین، از آنها سؤال شد که آیا بیمار را برای انجام بیوپسی ارجاع خواهند داد یا خیر. علاوه بر این، از پزشکان عمومی نیز خواسته شد که در صورت نیاز، بیماران را به متخصص پوست ارجاع دهند.
«روزالیند پیکارد» (Rosalind Picard) استاد هنر و علوم رسانه‌ای در دانشگاه «ام‌آی‌تی» و یکی از محققان این پروژه بیان کرد: شرایط این آزمایش نمی‌تواند به طور کامل جایگزین یک معاینه حضوری شود که در آن پزشک می‌تواند پوست را از زوایای مختلف مشاهده کند و شرایط نوری را تحت کنترل داشته باشد. با این حال، استفاده از عکس‌های پوست در بستر آنلاین برای الگوریتم‌های یادگیری ماشین مقیاس‌پذیرتر و سریع‌تر است.
یافته‌های پژوهش نشان می‌دهد متخصصان پوست دقت بالاتری نسبت به پزشکان عمومی دارند و توانسته‌اند ۳۸ درصد از تصاویر را به درستی شناسایی کنند که در مقابل پزشکان عمومی این آمار به ۱۹ درصد می‌رسد.
هر دو گروه در تشخیص بیماری‌های پوستی بر پایه تصاویر با رنگ پوست تیره‌تر، حدود چهار درصد از دقت خود را از دست می‌دهند که از نظر آماری به عنوان تفاوت معنی‌دار تلقی می‌شود. متخصصان پوست همچنین، کمتر بیمارانی با پوست تیره‌تر را برای بررسی بیشتر به شناسایی «لنفوم سلول تی پوستی» (CTCL) به بیوپسی ارجاع دادند و بیشتر این بیماران را به عنوان موارد غیرسرطانی طبقه‌بندی کردند.
«جنا لستر» (Jenna Lester) دانشیار پوست در دانشگاه کالیفرنیا، سن‌فرانسیسکو (UCSF) که در این پژوهش مشارکت نداشت، با تأکید به یافته‌های این پژوهش گفت: نتایج به‌روشنی نشان‌دهنده تفاوت‌های موجود در تشخیص بیماری بر اساس رنگ پوست بیماران است و این نکته جای شگفتی ندارد. با این حال، سیگنال‌های قوی مانند این را در تحقیقات پیشین کمتر مشاهده کرده‌ام. تحقیقات بیشتری باید انجام شود تا با دقت بیشتری مشخص گردد که چه عواملی موجب این تفاوت‌ها می‌شود.
نقش هوش مصنوعی
بعد از ارزیابی عملکرد پزشکان، محققان دانشگاه «ام‌آی‌تی» به آنها تعداد بیشتری از تصاویر ارائه کردند و استفاده از الگوریتم هوش مصنوعی توسعه‌یافته توسط این گروه پژوهشی را آغاز کردند. این الگوریتم بر روی حدود ۳۰ هزار عکس آموزش داده شده و به آن دستور داده شد تا تصاویر را بر اساس هشت بیماری پوستی رایج به اضافه گروه نهم «سایر» طبقه‌بندی کند.
دقت اولیه این الگوریتم حدود ۴۷ درصد ارزیابی شد. پژوهشگران نسخه دیگری از الگوریتم را با دقت ۸۴ درصد طراحی کردند تا وضعیت تأثیر آن بر روی پیشنهادات پزشکان را مورد بررسی قرار دهند.
نتایج نشان داد که استفاده از هر یک از این الگوریتم‌های هوش مصنوعی می‌تواند دقت تشخیص متخصصان پوست را تا ۶۰ درصد و پزشکان عمومی را تا ۴۷ درصد بهبود بخشد.
گرو اظهار داشت: این امر به ما اجازه می‌دهد تا در آینده توانایی هوش مصنوعی را با سایر مدل‌هایی که در حال حاضر بهترین هستند و همچنین با کمک هوش مصنوعی که می‌تواند دقیق‌تر باشد، با داده‌ها و مدل‌های بهتری ارزیابی کنیم.
این تحقیق در نشریه «Nature Medicine» به چاپ رسیده است.