Современные инструменты на основе искусственного интеллекта, предназначенные для выявления рака кожи, демонстрируют всё более высокую точность. Однако, как отмечают эксперты, далеко не все пациенты получают равную пользу от этих технологий. У новых систем есть критический изъян, который ограничивает их эффективность для определённых категорий людей.
Речь идёт о нейросетях, которые анализируют дерматоскопические снимки родинок и других образований на коже. Они уже интегрированы в рабочие процессы некоторых клиник и помогают врачам быстрее ставить предварительный диагноз. Алгоритмы обучаются на тысячах изображений, и именно состав обучающей выборки становится камнем преткновения.
Проблема репрезентативности
Большинство существующих наборов данных для обучения ИИ собраны на пациентах со светлой кожей. В результате алгоритмы хуже распознают признаки злокачественных новообразований на тёмной коже. Это не просто техническая недоработка — это прямая угроза здоровью людей с более высоким уровнем меланина. У них рак кожи может быть диагностирован на более поздних стадиях, когда лечение становится менее эффективным.
Исследования показывают, что точность ИИ-моделей при анализе изображений кожи V и VI фототипов по Фицпатрику (тёмная кожа) заметно ниже, чем для I–II типов. Разница может достигать десятков процентов. В то время как общая эффективность систем растёт, этот разрыв сохраняется.
Почему это происходит
Основная причина — исторический перекос в медицинских данных. Дерматология традиционно фокусировалась на пациентах европеоидной расы, и снимки тёмной кожи в публичных базах данных представлены слабо. Разработчики ИИ часто используют эти же датасеты, не добавляя разнообразия. Кроме того, сами признаки рака кожи (например, границы, цвет, форма) на тёмной коже могут выглядеть иначе, что требует специальных алгоритмов.
Некоторые стартапы и исследовательские группы уже начали целенаправленно собирать изображения кожи разных оттенков. Например, проекты в Африке и Азии пополняют архивы новыми данными. Но процесс идёт медленно, а готовые модели с улучшенной репрезентативностью пока не получили широкого распространения.
Что дальше
Пока же врачам и разработчикам приходится учитывать это ограничение. В рекомендациях для клинического применения ИИ-диагностики всё чаще указывают, что алгоритмы следует использовать с осторожностью у пациентов с тёмной кожей. Полностью полагаться на автоматический анализ нельзя — нужен контроль дерматолога.
Для исправления ситуации требуется не только расширение обучающих выборок, но и разработка специализированных моделей, которые будут одинаково хорошо работать на любом типе кожи. Некоторые крупные технологические компании обещают включить принципы инклюзивности в свои продукты, но пока это скорее точечные инициативы.
Таким образом, прогресс в области ИИ-диагностики рака кожи очевиден, но он неравномерен. Технология, которая могла бы спасти больше жизней, пока остаётся менее доступной для тех, кто в ней особенно нуждается. Без целенаправленных усилий по сбору разнообразных данных разрыв между группами пациентов будет только увеличиваться.
