רופאי עור נאבקים באבחון עור כהה יותר – בינה מלאכותית יכולה לעזור

רופאי עור ורופאים כלליים קצת פחות מדויקים באבחון מחלות בעור כהה יותר, כך מגלה מחקר חדש. בשימוש נכון, AI עשוי לעזור.

כאשר מאבחנים מחלות עור על סמך תמונות עור של מטופל בלבד, הרופאים אינם מתפקדים כראוי כאשר למטופל יש עור כהה יותר, כך עולה ממחקר חדש מבית הספר. MIT חוקרים.

המחקר, שכלל יותר מ-1,000 רופאי עור ורופאים כלליים, מצא שרופאי עור אפיינו במדויק כ-38 אחוז מהתמונות שראו, אך רק 34 אחוז מאלה שהראו עור כהה יותר. רופאים כלליים, שהיו פחות מדויקים בסך הכל, הראו ירידה דומה ב דיוק עם עור כהה יותר.

צוות המחקר מצא גם שסיוע מאלגוריתם של בינה מלאכותית יכול לשפר את הדיוק של הרופאים, אם כי שיפורים אלה היו גדולים יותר בעת אבחון חולים עם עור בהיר יותר.

למרות שזהו המחקר הראשון שהדגים פערי אבחון של רופאים על פני גוון העור, מחקרים אחרים מצאו שהתמונות המשמשות בספרי לימוד לרפואת עור ובחומרי הדרכה כוללים בעיקר גווני עור בהירים יותר. זה עשוי להיות גורם אחד שתורם לאי ההתאמה, אומר צוות MIT, יחד עם האפשרות שלחלק מהרופאים יש פחות ניסיון בטיפול בחולים עם עור כהה יותר.

"כנראה שאף רופא לא מתכוון להחמיר עם כל סוג של אדם, אבל זה יכול להיות העובדה שאין לך את כל הידע והניסיון, ולכן על קבוצות מסוימות של אנשים, אתה עלול לעשות יותר גרוע", אומר מאט Groh PhD '23, עוזר פרופסור ב- האוניברסיטה הצפון מערבית בית הספר לניהול קלוג. "זהו אחד מהמצבים שבהם אתה צריך ראיות אמפיריות כדי לעזור לאנשים להבין איך אולי תרצה לשנות מדיניות בנושא חינוך לרפואת עור."

Groh הוא המחבר הראשי של המחקר, המופיע היום ב רפואת טבע. רוזלינד פיקארד, פרופסור לאמנויות ומדעים במדיה ב-MIT, היא המחברת הבכירה של המאמר.

אי התאמות אבחון

לפני מספר שנים, מחקר MIT בראשות Joy Buolamwini PhD '22 מצא שלתוכניות ניתוח פנים היו שיעורי שגיאה גבוהים בהרבה בעת חיזוי המגדר של אנשים כהי עור. הממצא הזה נתן השראה לגרו, שחוקר שיתוף פעולה בין אדם ל-AI, לבדוק האם מודלים של בינה מלאכותית, ואולי הרופאים עצמם, עשויים להתקשות באבחון מחלות עור בגוונים כהים יותר של עור – והאם ניתן לשפר את יכולות האבחון הללו.

"זו נראתה כמו הזדמנות מצוינת לזהות אם יש בעיה חברתית ואיך אולי נרצה לתקן את זה, וגם לזהות איך לבנות סיוע בינה מלאכותית בצורה הטובה ביותר לקבלת החלטות רפואיות", אומר גרה. "אני מאוד מתעניין איך אנחנו יכולים להגיש מועמדות למידת מכונה לבעיות בעולם האמיתי, במיוחד איך לעזור למומחים להיות טובים יותר בעבודתם. הרפואה היא מרחב שבו אנשים מקבלים החלטות חשובות באמת, ואם נוכל לשפר את קבלת ההחלטות שלהם, נוכל לשפר את תוצאות המטופלים".

כדי להעריך את דיוק האבחון של הרופאים, החוקרים ערכו מערך של 364 תמונות מספרי לימוד לרפואת עור וממקורות אחרים, המייצגים 46 מחלות עור על פני גוונים רבים של עור.

רוב התמונות הללו תיארו אחת משמונה מחלות עור דלקתיות, כולל אטופיק דרמטיטיס, מחלת ליים ועגבת משנית, כמו גם צורה נדירה של סרטן הנקראת לימפומה עורית של תאי T (CTCL), שיכולה להיראות דומה למצב עור דלקתי. . רבות מהמחלות הללו, כולל מחלת ליים, יכולות להופיע בצורה שונה על עור כהה ובהיר.

צוות המחקר גייס נבדקים למחקר באמצעות Sermo, אתר רשת חברתית לרופאים. קבוצת המחקר הכוללת כללה 389 רופאי עור מוסמכים, 116 רופאי עור, 459 רופאים כלליים ו-154 סוגים אחרים של רופאים.

לכל אחד ממשתתפי המחקר הראו 10 מהתמונות וביקשו את שלושת התחזיות המובילות לאיזו מחלה כל תמונה עשויה לייצג. הם גם נשאלו אם יפנו את החולה לביופסיה. בנוסף, נשאלו הרופאים הכלליים האם יפנו את המטופל לרופא עור.

"זה לא מקיף כמו טריאז' אישי, שבו הרופא יכול לבחון את העור מזוויות שונות ולשלוט בתאורה", אומר פיקארד. "עם זאת, תמונות עור ניתנות להרחבה יותר עבור טריאז' מקוון, וקל להזין אותן לתוך אלגוריתם למידת מכונה, שיכול להעריך אבחנות סבירות במהירות."

החוקרים מצאו שבאופן לא מפתיע, למומחים ברפואת עור היו שיעורי דיוק גבוהים יותר: הם סיווגו 38 אחוז מהתמונות בצורה נכונה, בהשוואה ל-19 אחוז אצל רופאים כלליים.

שתי הקבוצות הללו איבדו בערך ארבע נקודות אחוז בדיוק כאשר ניסו לאבחן מצבי עור על סמך תמונות של עור כהה יותר – ירידה מובהקת סטטיסטית. רופאי עור היו גם פחות סבירים להפנות תמונות עור כהות יותר של CTCL לביופסיה, אך סביר יותר להפנות אותם לביופסיה עבור מצבי עור לא סרטניים.

"מחקר זה מדגים בבירור שיש פער באבחון של מצבי עור בעור כהה. הפער הזה אינו מפתיע; עם זאת, לא ראיתי את זה מודגם בספרות בצורה כה חזקה. יש לבצע מחקר נוסף כדי לנסות ולקבוע בצורה מדויקת יותר מהם הגורמים הסיבתיים והמקלים של הפער הזה", אומרת ג'נה לסטר, פרופסור חבר לדרמטולוגיה ומנהלת תוכנית העור של צבע באוניברסיטת קליפורניה בסן פרנסיסקו. שלא היה מעורב במחקר.

חיזוק מ-AI

לאחר הערכת ביצועי הרופאים בעצמם, החוקרים גם נתנו להם תמונות נוספות לניתוח בעזרת אלגוריתם AI שהחוקרים פיתחו. החוקרים אימנו את האלגוריתם הזה על כ-30,000 תמונות, וביקשו ממנו לסווג את התמונות כאחת משמונה המחלות שרוב התמונות מייצגות, בתוספת קטגוריה תשיעית של "אחר".

לאלגוריתם זה היה שיעור דיוק של כ-47 אחוזים. החוקרים יצרו גם גרסה נוספת של האלגוריתם עם שיעור הצלחה מנופח מלאכותי של 84 אחוזים, מה שמאפשר להם להעריך אם הדיוק של המודל ישפיע על הסבירות של הרופאים לקבל את המלצותיו.

"זה מאפשר לנו להעריך סיוע בבינה מלאכותית עם מודלים שהם כרגע הטובים ביותר שאנחנו יכולים לעשות, ועם סיוע בינה מלאכותית שיכול להיות מדויק יותר, אולי בעוד חמש שנים, עם נתונים ומודלים טובים יותר", אומר גרה.

שני המסווגים הללו מדויקים באותה מידה על עור בהיר וכהה. החוקרים גילו ששימוש בכל אחד מאלגוריתמי הבינה המלאכותית הללו שיפר את הדיוק הן עבור רופאי עור (עד 60 אחוז) והן עבור רופאים כלליים (עד 47 אחוז).

הם גם גילו שרופאים נוטים יותר לקחת הצעות מהאלגוריתם בעל הדיוק הגבוה יותר לאחר שהוא סיפק כמה תשובות נכונות, אך רק לעתים רחוקות הם שילבו הצעות בינה מלאכותית שאינן נכונות. זה מצביע על כך שהרופאים מיומנים מאוד לשלול מחלות ולא יקחו הצעות בינה מלאכותית למחלה שהם כבר שללו, אומר גרה.

"הם די טובים בלקבל עצות בינה מלאכותית כאשר ה-AI שגוי והרופאים צודקים. זה משהו שמועיל לדעת", הוא אומר.

בעוד שרופאי עור שהשתמשו בסיוע בינה מלאכותית הראו עליות דומות ברמת הדיוק כאשר הסתכלו על תמונות של עור בהיר או כהה, רופאים כלליים הראו שיפור גדול יותר בתמונות של עור בהיר יותר מאשר עור כהה יותר.

"מחקר זה מאפשר לנו לראות לא רק כיצד סיוע בינה מלאכותית משפיעה, אלא כיצד היא משפיעה על רמות המומחיות", אומר גרה. "מה שעשוי לקרות שם הוא של-PCP אין כל כך הרבה ניסיון, אז הם לא יודעים אם הם צריכים לשלול מחלה או לא כי הם לא כל כך עמוקים בפרטים של איך מחלות עור שונות עלולות להסתכל על גוונים שונים של עור."

החוקרים מקווים שהממצאים שלהם יסייעו לעורר בתי ספר לרפואה וספרי לימוד לשלב הכשרה נוספת על מטופלים עם עור כהה יותר. הממצאים יכולים גם לעזור להנחות את הפריסה של תוכניות סיוע בינה מלאכותית לרפואת עור, שחברות רבות מפתחות כעת.

המחקר מומן על ידי קונסורציום MIT Media Lab וקרן המחקר לסטודנטים של הרולד הורוביץ.