Алгоритмы компьютерного зрения, которые дерматологи используют для ранней диагностики рака кожи, за последние годы стали заметно точнее. Часть из них уже одобрена регуляторами в США и Европе и применяется в клиниках как вспомогательный инструмент — врач получает от нейросети оценку изображения родинки или поражения и принимает решение с учётом этого сигнала. Но исследователи и врачи указывают на системный недостаток: модели обучены преимущественно на светлой коже, поэтому у пациентов с тёмным фототипом точность заметно падает.
В основе проблемы лежит состав обучающих наборов данных. Подавляющее большинство размеченных дерматоскопических снимков, на которых учились современные модели, собраны у людей с I и II фототипом по шкале Фицпатрика — то есть с очень светлой кожей. Доля изображений, представляющих более тёмные оттенки кожи, в открытых датасетах исчисляется единицами процентов. Из-за этого нейросеть хуже распознаёт типичные признаки меланомы и немеланомного рака на тёмной коже, где границы поражения и пигментация выглядят иначе, а некоторые формы заболевания встречаются чаще.
Врачи подчёркивают: на практике это значит, что помощь, которая формально стала доступнее, распределяется неравномерно. Пациенты с тёмной кожей и так реже попадают к дерматологу на ранней стадии, а менее точный инструмент дополнительно увеличивает разрыв. Эксперты говорят о необходимости целенаправленно собирать данные по underrepresented фототипам и валидировать модели отдельно для каждой группы, а не опираться только на усреднённые метрики.
Параллельно остаётся вопрос доступа. Большинство таких ИИ-инструментов продаётся клиникам и страховым компаниям как модуль для телемедицины или обработки снимков в рабочем процессе врача. Пациенты обычно не выбирают алгоритм напрямую и не оплачивают его отдельно — расходы несёт медучреждение или страховщик. В странах, где нет обязательного медицинского страхования или где дерматологическая помощь в основном платная, внедрение идёт медленно: клиники не всегда готовы вкладываться в подписку на сервис, а государственные программы такие расходы пока не покрывают.
Производители алгоритмов в ответ на критику запускают партнёрства с клиниками, работающими с разнообразной аудиторией, и публикуют отчёты о тестировании на расширенных датасетах. Однако независимых рецензированных исследований, которые показали бы устойчивое выравнивание точности между фототипами, пока немного. Пока этого не произойдёт, дерматологи рекомендуют использовать ИИ-инструменты как дополнение к осмотру, а не как самостоятельный метод постановки диагноза — особенно в случаях, где визуальная оценка затруднена из-за фототипа кожи пациента.
