Искусственный интеллект, всё чаще применяемый в дерматологии для ранней диагностики рака кожи, сталкивается с серьёзной проблемой систематической ошибки. Исследования показывают, что эффективность этих инструментов существенно снижается, когда они анализируют изображения кожи тёмных оттенков.
Принцип работы таких систем основан на обучении нейросетей на обширных базах данных дерматологических снимков. Алгоритмы учатся распознавать паттерны, характерные для различных видов рака, в частности меланомы. Однако состав этих обучающих наборов данных часто не отражает всего разнообразия типов кожи. Исторически в исследованиях и клинической практике преобладали изображения светлой кожи, что привело к перекосу в данных.
В результате ИИ-инструменты, разработанные преимущественно на основе таких изображений, демонстрируют более высокую точность именно для этого типа кожи. При обработке снимков пациентов с тёмной кожей алгоритмы могут чаще пропускать злокачественные образования или, наоборот, давать ложноположительные результаты. Это создаёт прямые риски для здоровья: возможна задержка в постановке диагноза или ненужные стресс и медицинские процедуры для пациентов.
Проблема носит не только технический, но и этический характер. Разработчики медицинского ПО и исследовательские институты сталкиваются с необходимостью целенаправленного сбора более репрезентативных и разнообразных наборов данных. Без этого даже самые совершенные алгоритмы будут воспроизводить существующие в медицине диспропорции, оставляя целые группы населения без доступа к качественным технологиям ранней диагностики.
Некоторые команды уже начали работу в этом направлении, создавая специализированные базы изображений для тёмных типов кожи и адаптируя под них модели. Однако процесс требует времени, ресурсов и тесного сотрудничества с дерматологами, работающими с разными группами пациентов. Успешное внедрение таких исправленных систем в клиническую практику — следующий важный шаг.
Пока эта проблема не решена, эксперты подчёркивают, что ИИ-инструменты должны оставаться вспомогательными для врача, а не заменять клинический осмотр и профессиональное мнение, особенно при работе с пациентами, чей тип кожи недостаточно представлен в обучающих данных. Осознание этого ограничения важно как для медицинского сообщества, так и для регуляторов, оценивающих подобные технологии.
