Google säger dess AI upptäcker 26 hudåkommor lika bra som hudläkare

Bild kredit: Google AI Accra – AI i Afrika, för världen

Hudvård artificiell intelligens (AI) -teknik

Vi är stolta över vår artificiell intelligens (AI) algoritm på First Derm och vi har spännande nyheter att dela från Google. Den här veckan har Google öppnat diskussionen kring svårigheter för de människor med hudåkommor har för att få korrekt vård och de utmaningar hudläkare har. Detta förvärras av den globala bristen på hudläkare. Hudåkommor är bland de vanligaste sjukdomarna, efter förkylningar, trötthet, och huvudvärk. Det uppskattas att 25% av alla vårdbesök är hudåkommor och upp till 37% av patienter som söker vård, har minst ett hudbesvär.

Testa vår AI algoritm GRATIS här. 

På grund av brist på hudläkare (som vi alla vet alltför väl, i Sverige kan man vänta mera än 3 månader), är det allmänläkare som diagnostiserar flest hudåkommor. Detta kan ofta resultera i feldiagnoser, allmänläkare kan ha så låg som 24% träffsäkerhet att diagnostisera hudåkommor jämfört med hudläkare som ligger upp emot en träffsäkerhet på 96%. Så vad betyder allt detta för Google och AI?

Google har forskat fram en AI algoritm som kan upptäcka de vanligaste hudåkommorna som ses i primärvården. Inte olikt vår egen AI algoritm som vi har tagit fram på First Derm de senaste åren. I en forskningsartikel (“A Deep Learning System (DLS) for Differential Diagnosis of Skin Diseases“) och blogpost, rapporterar Google att de kan screena för 26 hudåkommor från bilder och metadata av ett patientfall, och de hävdar att det är i paritet med amerikanska hudläkare. Det är imponerande att se Googles utveckling inom hälso och sjukvården med sin teknikkunskap som kan screena för 26 hudåkommor, det är inte långt ifrån våra 33 hudåkommor.

“Vi utvecklade ett system för djupinlärning (DI) för att ta itu med de vanligaste hudåkommor som finns i primärvården”, skrev Google programingenjör Yuan LiU och Google Health Technical program direktör Dr. Peggy Bui. “Denna studie belyser potentialen i DI för att öka förmågan hos allmänläkare som inte har hudutbildning för att korrekt kunna diagnostisera hudåkommor.”

Ovan: en Schematisk illustration av AI algoritmens arkitektur.

Bild kredit: Google

Användning av ett rankingsystem för hudläkare

LiU och Bui fortsatte sedan med att förklara att hudläkare inte ger bara en diagnos på en hudåkomma, i stället, de genererar en rankad lista över möjliga diagnoser (kallad differentialdiagnoser i vården) med hjälp av labprov, bilder, och i samråd med kollegor. Detta är precis hur First Derms algoritm fungerar och det verkar som Google har också följt efter samma princip. De bearbetar insamlat data som innehåller en eller flera kliniska bilder på hudåkommor och upp till 45 olika typer av metadata (t. ex., självrapporterade patient faktorer i sjukhistorian, såsom ålder, kön, symtom etc).

Enligt forskargruppen på Google, säger de att de utvärderade modellen på 17 777 de-identifierade fall från 17 vårdcentraler. De delade upp materialet i två delar och använde den ena delen av registret daterad mellan 2010 och 2017 för att träna AI algoritmen, och sparade den andra delen daterad från 2017 till 2018 för utvärdering (testing av algoritmen). Under träning av modellen inkluderade man över 50 000 bilder med diagnoser från över 40 olika hudläkare.

I ett test av algoritmens diagnostiska noggrannhet, sammanställde man faktiska diagnoser från tre amerikanska hudläkare. Drygt 3 750 fall aggregerades för att härleda sanna diagnoser, och AI algoritmen kunna visa en noggrannhet uppåt 71% och 93% Top-1 och Top-3 hudåkommor respektive. Dessutom, när AI algoritmen jämfördes mot tre kategorier av vårdpersonal (hudläkare, allmänläkare, och sjuksköterskor) på validerade bilder av hudåkommor, rapporterade teamet att dess topp tre förutsägelser visade en Top-3 diagnostisk träffsäkerhet på 90%, som kunde jämföras med hudläkare på 75% och var “betydligt högre” än allmänläkare på 60% och sjuksköterskor på en 55% träffsäkerhet.

För oss på First Derm är det uppfriskande att se resultaten, hudläkare och allmänläkare kan ofta feldiagnostisera hudåkommor, tanken är att vår AI algoritm kan vara ett diagnostiskt stöd till all vårdpersonal. Det verkar som att Google uppnår liknande resultat som oss, men med färre bilder som leder till deras begränsat antal hudåkommor. T.ex de har inte inkluderat könssjukdommar eller hudcancer

Testa vår AI algoritm GRATIS här. 

Ovan: AI algoritmen noggrannhet, tränat på olika datauppsättningar.

Bild kredit: Google

Slutligen, för att utvärdera potentiell bias mot hudtyper, testade Google AI algoritmens baserat på Fitzpatrick hudtyp, en skala från hudtyp 1  (“vitt, alltid solbränd, blir aldrig brun”) till hudtyp 6 (“mörkbrun, aldrig solbränd”). Med fokus på hudtyper som representerar minst 5% av data, fann de att algoritmens prestanda var på en topp-1 träffsäkerhet från 69% till 72%, och en topp-3 träffsäkerhet från 91% till 94%.

De noterade att deras träningsdata endast togs från en teledermatologitjänst; att vissa Fitzpatrick hudtyper var för sällsynta i insammlad data för att möjliggöra meningsfull träning eller analys.

Testa vår AI algoritm GRATIS här. 

Google AI begränsningar inom hudvård

LiU och Bui nämnde följande, “Vi tror att dessa begränsningar kan åtgärdas genom att inkludera flera biopserade fall som påvisar hudcancer för användning i tränings och valideringsdata”. 

Utöver vårt arbete på First Derm med hudcancer har vi fokuserat på att förbättra vår algoritm inom visuella könssjukdommar. Efter flera år av datainsamling och framsteg, kan vi nu screena för alla visuella könssjukdommar med ca 80% noggrannhet topp-3.

LiU och Bui går vidare med att avsluta sin studie med en bedömning av den växande marknaden.

“Framgången med algoritmer som kan påvisa differentialdiagnoser av hudsjukdommar är mycket uppmuntrande, vi ser att ett sådant verktyg har potentialen att bistå vårdpersonal. Till exempel kan en sådan DI algoritmer hjälpa triagere fall och vägleda prioritering för vård eller hjälpa icke-hudläkare påbörja behandling av hudåkommor rätt från början och kan potentiellt förbättra tillgängligheten [till vård]. “

First Derm strävar efter att förbättra de verktyg som finns för våra hudläkare och allmänläkare både lokalt och globalt. Det stora antalet hudåkommer per år visar en tydlig nödvändighet för teknisktstöd på långsikt. Det är här vi tror First Derm kan vara pionärer.

Testa vår AI algoritm GRATIS här.