Kada dijagnostikuju kožne bolesti zasnovane isključivo na slikama kože pacijenta, lekari ne rade tako dobro kada pacijent ima tamniju kožu, prema novoj studiji istraživača MIT-a.
Studija, koja je uključivala više od 1.000 dermatologa i lekara opšte prakse, otkrila je da su dermatolozi tačno okarakterisali oko 38% slika koje su videli, ali samo 34% onih koje su pokazale tamniju kožu. Lekari opšte prakse, koji su generalno bili manje precizni, pokazali su sličan pad tačnosti kod tamnije kože.
Istraživački tim je takođe otkrio da pomoć algoritma veštačke inteligencije može da poboljša tačnost lekara, iako su ta poboljšanja bila veća kada se dijagnostikuje pacijentima sa svetlijom kožom.
Iako je ovo prva studija koja pokazuje dijagnostičke disparitete lekara u različitim bojama kože, druge studije su otkrile da slike koje se koriste u dermatološkim udžbenicima i materijalima za obuku pretežno imaju svetlije tonove kože. To može biti jedan od faktora koji doprinosi neskladu, kaže tim MIT-a, zajedno sa mogućnošću da neki lekari imaju manje iskustva u lečenju pacijenata sa tamnijom kožom.
„Verovatno nijedan lekar ne namerava da učini lošije bilo kojoj vrsti osobe, ali to može biti činjenica da nemate svo znanje i iskustvo, pa prema tome kod određenih grupa ljudi možete učiniti gore“, kaže Met Groh Ph.D. ’23, docent na Kellog školi za menadžment Northvestern Universiti. „Ovo je jedna od onih situacija u kojima su vam potrebni empirijski dokazi koji će pomoći ljudima da shvate kako biste možda želeli da promenite politiku oko obrazovanja za dermatologiju.“
Groh je glavni autor studije, koja je objavljena danas (5. februara) u Nature Medicine. Rosalind Picard, profesor medijske umetnosti i nauke na MIT-u, je viši autor rada.
Pre nekoliko godina, studija MIT-a koju je vodio Joi Buolamvini Ph.D. ’22 je otkrio da su programi za analizu lica imali mnogo veće stope grešaka kada su predviđali pol ljudi tamnije puti. Taj nalaz je inspirisao Groha, koji proučava saradnju između ljudi i AI, da ispita da li modeli veštačke inteligencije, a možda i sami lekari, mogu imati poteškoća u dijagnostikovanju kožnih bolesti na tamnijim nijansama kože – i da li bi te dijagnostičke sposobnosti mogle da se poboljšaju.
„Ovo je izgledalo kao odlična prilika da se utvrdi da li postoji društveni problem i kako bismo to mogli da popravimo, kao i da identifikujemo kako da najbolje ugradimo pomoć veštačke inteligencije u donošenje medicinskih odluka“, kaže Groh. „Veoma sam zainteresovan za to kako možemo da primenimo mašinsko učenje na probleme u stvarnom svetu, posebno oko toga kako da pomognemo stručnjacima da budu bolji u svom poslu. Medicina je prostor gde ljudi donose zaista važne odluke, i ako bismo mogli da poboljšamo njihovu odluku -stvarajući, mogli bismo poboljšati ishode pacijenata.“
Da bi procenili dijagnostičku tačnost lekara, istraživači su sastavili niz od 364 slike iz udžbenika dermatologije i drugih izvora, koji predstavljaju 46 kožnih bolesti u mnogim nijansama kože.
Većina ovih slika prikazuje jednu od osam inflamatornih bolesti kože, uključujući atopijski dermatitis, lajmsku bolest i sekundarni sifilis, kao i redak oblik raka koji se zove kožni T-ćelijski limfom (CTCL), koji može izgledati slično inflamatornom stanju kože. . Mnoge od ovih bolesti, uključujući lajmsku bolest, mogu se različito prikazati na tamnoj i svetloj koži.
