Искусственный интеллект всё чаще применяется в дерматологии для анализа снимков кожи и помощи в диагностике онкологических заболеваний. Однако исследования показывают, что точность работы этих алгоритмов может существенно варьироваться в зависимости от цвета кожи пациента. Основная проблема заключается в составе данных, на которых обучаются нейросети.
Большинство изображений, используемых для обучения ИИ-систем, изображают кожу светлых оттенков. В результате алгоритмы лучше распознают признаки меланомы и других видов рака кожи именно на таких фотографиях. Для пациентов с более тёмной кожей точность диагностики может быть ниже, что повышает риск пропустить заболевание на ранней стадии. Эта разница в эффективности ставит под вопрос равный доступ к преимуществам новых технологий.
Разработчики медицинского ПО осознают проблему. Некоторые компании и исследовательские группы начали целенаправленно собирать более разнообразные наборы данных, включающие изображения кожи всех фототипов по классификации Фитцпатрика. Цель — создать алгоритмы, которые будут одинаково хорошо работать вне зависимости от этнической принадлежности пациента. Однако процесс сбора и маркировки таких данных сложен и требует времени, а также сотрудничества с клиниками по всему миру.
Эксперты отмечают, что внедрение ИИ в медицину должно сопровождаться тщательной валидацией на разнообразных популяциях. Перед широким клиническим использованием необходимо доказать, что инструмент эффективен для всех групп пациентов. В противном случае существует риск усугубления уже существующего в здравоохранении неравенства. Регулирующие органы, такие как Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA), также обращают внимание на этот аспект при рассмотрении заявок на одобрение новых медицинских устройств с ИИ.
Пока наиболее точным методом диагностики рака кожи остаётся осмотр опытного дерматолога, который может учитывать не только визуальные признаки, но и историю болезни пациента. ИИ-инструменты рассматриваются как вспомогательные системы, призванные поддержать врача, а не заменить его. Их развитие идёт параллельно с обучением специалистов распознавать проявления кожных заболеваний на тёмной коже, что исторически слабо освещалось в учебных программах.
