Алгоритмы искусственного интеллекта, применяемые в дерматологии, показывают высокую точность в выявлении меланомы и других злокачественных образований кожи. Однако их эффективность неодинакова для пациентов с разным цветом кожи. Эта асимметрия связана с особенностями обучения нейросетей — большинство доступных изображений для тренировки взято у людей со светлой кожей европейского происхождения.
Исследования подтверждают: системы, безошибочно распознающие рак у светлокожих пациентов, могут существенно уступать в точности при анализе образований у людей с тёмной кожей. В результате определённые группы населения получают менее надёжный инструмент диагностики.
Причина перекоса — в структуре медицинских баз данных. Дерматологи из стран Африки, Азии и Латинской Америки реже участвуют в формировании открытых датасетов. Алгоритмы учатся преимущественно на снимках светлокожего населения и хуже адаптируются к особенностям других типов кожи.
Последствия неравенства в диагностике серьёзны. Меланома на тёмной коже чаще развивается на ладонях, подошвах и под ногтями — областях, которые алгоритмы распознают хуже всего. При этом выживаемость при меланоме напрямую зависит от стадии обнаружения.
Решение проблемы требует комплексных мер. Необходимо расширять географическое и расовое разнообразие датасетов, привлекать специалистов из недостаточно представленных регионов к разметке данных и аудиту существующих алгоритмов. Профессиональные организации обсуждают стандарты тестирования ИИ в дерматологии с учётом разнообразия пациентов, но повсеместное внедрение таких требований займёт время.
