W samych Stanach Zjednoczonych odnotowuje się ok. 5,4 mln nowych przypadków nowotworów skóry rocznie. Naukowcy podkreślają, że kluczowe dla pacjentów jest możliwie jak najwcześniejsze wykrycie zmian: w przypadku czerniaka wykrytego we wczesnym stadium przeżywalność pacjentów kształtuje się na poziomie ok. 97 proc.; dla czerniaka wykrytego w późniejszym stadium choroby przeżywalność spada z kolei do ok. 14 proc.

Opracowany przez amerykańskich naukowców algorytm zastępuje pierwszy etap diagnozy nowotworów skóry: oględziny podejrzanej zmiany przez dermatologa. Udało się to osiągnąć poprzez wykorzystanie uczenia maszynowego. O swoim sukcesie badacze donoszą w piśmie "Nature".

- Stworzyliśmy bardzo potężny algorytm nauczania maszynowego, który uczy się z dostępnych danych - powiedział Andre Esteva, jeden z badaczy. - Zamiast wpisywać w kod komputerowy dokładnych informacji o tym, czego ma poszukiwać - pozwoliliśmy mu samodzielnie się tego nauczyć.

Naukowcy ze Stanfordu zbudowali swój algorytm w oparciu o inny algorytm, stworzony przez Google - który wytrenowany był do odróżniania zdjęć psów od zdjęć kotów. Poświęcili też czas na skomponowanie bazy danych zawierającej zdjęcia różnego rodzaju zmian skórnych z ich opisami. Aktualnie baza zawiera ok. 130 tys. zdjęć przestawiających ok. 2 tys. różnorodnych chorób skórnych.

W testach programu wykorzystano wysokiej jakości obrazy zmian skórnych, w przypadku których przeprowadzone zostały również biopsje. Naukowcy porównywali diagnozy postawione przez algorytm z opiniami grupy 21 dermatologów opartych o ten sam zestaw obrazów. Jak donoszą, trafność diagnoz algorytmu oraz dermatologów była porównywalna.

Choć algorytm jest w tym momencie przeznaczony na komputer, jego autorzy planują stworzenie jego wersji przeznaczonej na smartfony. Zaznaczają jednak, że zanim to nastąpi, potrzebne jest przeprowadzenie badań klinicznych. (PAP)

kflo/ mrt/