مطالعه‌ای که به‌تازگی توسط پژوهشگران دانشگاه «ام‌آی‌تی» انجام شده، نشان می‌دهد که پزشکان عمومی و متخصصان پوست در شناسایی بیماری‌های پوستی در افرادی با پوست‌های تیره‌تر، دارای دقت کمتری هستند. تحقیقات بیان می‌کند که هوش مصنوعی در صورت استفاده بهینه ممکن است به افزایش دقت پزشکان در این زمینه کمک کند.
پژوهش صورت‌گرفته در دانشگاه «ام‌آی‌تی» (MIT) حاکی از آن است که پزشکان در تشخیص بیماری‌های پوستی بر اساس تصاویر مربوط به بیماران با پوست تیره، عملکرد مطلوبی ندارند.
بر اساس گزارش «ام‌آی‌تی نیوز»، این مطالعه بر روی بیش از ۱۰۰۰ پزشک در حوزه‌های پوست و پزشک عمومی انجام شد. نتایج نشان داد که متخصصان پوست در ۳۸ درصد از تصاویری که مورد بررسی قرار دادند، تشخیص صحیح داشتند، در حالی که این رقم برای تصاویری با پوست تیره‌تر به ۳۴ درصد کاهش یافت. همچنین، دقت پزشکان عمومی نیز در مورد پوست‌های تیره‌تر دچار افت مشابهی شد.
علاوه بر این، این تحقیق اشاره می‌کند که با توجه به افزایش دقت در تشخیص بیماری‌ها در بیماران با پوست روشن‌تر، ممکن است استفاده از یک الگوریتم هوش مصنوعی بتواند کمک شایانی به پزشکان در بهبود دقت آنها نماید.
با اینکه این پژوهش نخستین بار تفاوت‌های تشخیصی پزشکان را بر اساس رنگ پوست نشان می‌دهد، اما مطالعات قبلی نیز اذعان داشته‌اند که تصاویر موجود در کتاب‌های درسی و منابع آموزشی پیرامون پوست، غالباً نمایانگر پوست‌های روشن‌تر هستند.
گروهی از دانشگاه ام‌آی‌تی می‌گویند که این موضوع می‌تواند عاملی در ایجاد این اختلاف دقت باشد. همچنین ممکن است بعضی از پزشکان تجربه کمتری در درمان بیماران با پوست تیره‌تر داشته باشند.
دکتر «مت گرو» (Matt Groh) از پژوهشگران دانشگاه «نورث‌وسترن» (Northwestern University) بیان کرد: بدون شک هیچ پزشکی قصد ندارد که در درمان برخی بیماران به اشتباه عمل کند، اما ممکن است دانش و تجارب لازم را نداشته باشد و به همین دلیل در مواجهه با گروه‌های خاصی از بیماران، عملکرد مناسبی را نداشته باشد. این مسئله نیاز به شواهد تجربی دارد و می‌طلبد که سیاست‌های آموزشی در حوزه پوست تغییر نمایند.
تفاوت‌های تشخیصی
پژوهشگران دانشگاه «ام‌آی‌تی» برای سنجش دقت تشخیص پزشکان، مجموعه‌ای شامل ۳۶۴ تصویر از کتاب‌های درسی و دیگر منابع در ارتباط با پوست جمع‌آوری کردند که ۴۶ بیماری پوستی را در طیف‌های مختلف رنگ پوست نشان می‌داد.
این گروه پژوهشی پزشکان را از طریق وب‌سایت شبکه اجتماعی «سرمو» (Sermo) برای این مطالعه انتخاب کردند. جمعیت مورد بررسی شامل ۳۸۹ متخصص پوست، ۱۱۶ رزیدنت پوست، ۴۵۹ پزشک عمومی و ۱۵۴ پزشک از سایر گروه‌ها بود.
پژوهشگران ۱۰ عکس را به هر یک از شرکت‌کنندگان نشان دادند و از آنها خواستند تا سه پیش‌بینی اصلی خود را درباره هر عکس ارائه دهند. همچنین، از آنها پرسیده شد که آیا بیمار را به بیوپسی ارجاع می‌دهند. علاوه بر این، از پزشکان عمومی سوال شد که آیا بیمار را به یک 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 به‌هیچ‌وجه مشابه یک معاینه فیزیکی جامع نیست که پزشک بتواند پوست را از زوایای مختلف بررسی کرده و بر نور کنترل داشته باشد.
با این حال، عکس‌های پوستی برای استفاده در بستر آنلاین و مقیاس‌پذیرتر می‌باشند و به راحتی قابل ادغام با الگوریتم‌های یادگیری ماشین هستند. از این رو، می‌توان سرعت تشخیص‌های احتمالی را افزایش داد.
پژوهشگران متوجه شدند که متخصصان پوست دقت بیشتری دارند و ۳۸ درصد از عکس‌ها را به درستی طبقه‌بندی کردند، در حالی که این رقم برای پزشکان عمومی ۱۹ درصد بود.
هر دو گروه در تلاش برای تشخیص بیماری‌های پوستی از روی تصاویری با پوست تیره‌تر، تقریباً چهار درصد از دقت خود را از دست داده‌اند، که از لحاظ آماری اهمیتی دارد.
متخصصان پوست کمتر عکس‌های پوست تیره‌تر را به بیوپسی برای تشخیص «لنفوم سلول تی پوستی» (CTCL) ارجاع دادند، در حالی‌که اکثراً آنها را به عنوان بیماری‌های غیر سرطانی معرفی کردند.
«جنا لستر» (Jenna Lester) دانشیار پوست دانشگاه «کالیفرنیا، سن‌فرانسیسکو» (UCSF) که در این تحقیق مشارکت نکرد، اظهار داشت: این پژوهش به‌روشنی تفاوت‌های تشخیصی بین پوست تیره و روشن را نشان می‌دهد. این اختلاف موضوعی غیرمنتظره نیست.
با این وجود، من چنین یافته‌ای را در مطالعات قبلی به این وضوح مشاهده نکرده‌ام. تحقیقات بیشتری باید انجام شود تا به روشنی مشخص گردد که چه عواملی موجب ایجاد این تفاوت‌ها می‌شوند.
نقش هوش مصنوعی
پس از ارزیابی عملکرد پزشکان، پژوهشگران «ام‌آی‌تی» به ارائه تصاویر بیشتری به آنها پرداختند تا به کمک الگوریتم هوش مصنوعی که توسط همین گروه توسعه یافته بود، اقدام به تحلیل این تصاویر نمایند.
این پژوهشگران الگوریتم را بر روی حدود ۳۰ هزار تصویر آموزش داده و از آن خواستند تا عکس‌ها را بر اساس هشت بیماری پوستی که بیشتر به نمایش درآمده‌اند، به همراه گروه نهم تحت عنوان «سایر» دسته‌بندی نماید.
دقت این الگوریتم تقریباً ۴۷ درصد بود. پژوهشگران همچنین یک نسخه دیگر از این الگوریتم را با موفقیت ۸۴ درصدی تهیه کردند که به آنها این امکان را داد تا ارزیابی کنند که آیا دقت مدل بر توصیه‌های پزشکان تأثیر دارد یا خیر.
نتایج نشان داد که استفاده از هر یک از این الگوریتم‌های هوش مصنوعی، دقت متخصصان پوست را تا ۶۰ درصد و دقت پزشکان عمومی را تا ۴۷ درصد افزایش می‌دهد.
گرو افزود: این دستاورد به ما امکان می‌دهد تا در آینده قابلیت‌های هوش مصنوعی را با مدل‌های فعلی که بهترین هستند و همچنین از طریق هوش مصنوعی دقیق‌تر، با داده‌ها و مدل‌های بهبود یافته، مورد ارزیابی قرار دهیم.
این پژوهش در نشریه «Nature Medicine» منتشر گردید.