Корабельников Даниил Иванович, к.м.н., доцент
2-я Брестская ул., д. 5, Москва 123056
Daniil I. Korabelnikov, PhD, Assoc. Prof
2nd Brestskaya Str., Moscow 123056
Ламоткин Андрей Игоревич, к.м.н.
2-я Брестская ул., д. 5, Москва 123056
Andrey I. Lamotkin, PhD
2nd Brestskaya Str., Moscow 123056
Background. Artificial intelligence (AI)-based computer vision software is becoming an increasingly important tool in dermato-oncological practice. Deep learning models have demonstrated the ability to classify skin neoplasms with accuracy comparable to that of experienced dermatologists. However, their implementation in real clinical practice has revealed several significant challenges.Objective: To analyze and systematize the major challenges arising in the AI-assisted diagnosis of malignant skin neoplasms and to propose solutions to each identified challenge using the Derma Onko Melanoma Check software as an example.Material and methods. The clinical experience of applying AI software for the diagnosis of malignant skin neoplasms was analyzed, and six major categories of challenges were identified. Specific solutions to each of these challenges are proposed on the example of the Derma Onko Melanoma Check clinical decision support system (a multimodel AI-based computer vision system) for the preliminary diagnosis and triage of patients with skin neoplasms. Results. Six major challenges were identified and systematized: (1) imbalanced training datasets, with an overrepresentation of dermoscopic images and an insufficient number of clinical photographs; (2) poor quality of images acquired by physicians (e.g., overexposure, blur, and underexposure), limiting diagnostic reliability; (3) submission of images in which the lesion occupies an insufficient area of the frame for reliable analysis; (4) the single-model architecture of most AI systems and the resulting lack of adequate oncological alertness; (5) the absence of explainable artificial intelligence (XAI) in AI-generated reports; and (6) the inability of physicians to modify or refine the AI-generated conclusion using information obtained from the patient’s medical history and clinical examination. For each challenge, a specific solution implemented in Derma Onko Melanoma Check is proposed, including automated image quality assessment, lesion size verification, a multimodel ensemble of neural networks, XAI-based visualization of high-risk regions, interactive entry of clinical history data, and support for multimodal analysis.Conclusion. The implementation of AI systems incorporating the proposed solutions into routine clinical practice, particularly in primary care settings involving general practitioners, may significantly improve the early detection of malignant skin neoplasms by raising oncological vigilance for suspicious lesions and increasing the clinical interpretability and reliability of AI-generated diagnostic conclusions.
Актуальность. Программы компьютерного зрения на основе технологий искусственного интеллекта (ИИ) становятся все более востребованным инструментом в дерматоонкологической практике. Модели глубокого обучения продемонстрировали способность классифицировать новообразования кожи на уровне, сопоставимом с опытными дерматовенерологами, однако при переходе к реальной клинической практике выявляется ряд существенных трудностей.Цель: проанализировать и систематизировать основные проблемы, возникающие при диагностике злокачественных новообразований (ЗНО) кожи с помощью программ ИИ, предложить и обосновать решения каждой из выявленных проблем на примере программы Derma Onko Melanoma Check.Материал и методы. Проведен анализ опыта клиническоого применения программ ИИ для диагностики ЗНО кожи. Выделены шесть основных групп выявленных проблем. На примере системы поддержки принятия врачебных решений для предварительной диагностики и маршрутизации пациентов с новообразованиями кожи (мультимодельной программы компьютерного зрения на основе технологий ИИ Derma Onko Melanoma Check) описаны конкретные решения каждой проблемы.Результаты. Систематизированы следующие основные проблемы: 1) дисбаланс обучающих наборов данных с преобладанием дерматоскопических изображений при недостатке клинических фотографий; 2) низкое качество фотоизображений, получаемых врачами (пересвет, размытие, затемнение), по которым сложно проводить диагностику с достаточной вероятностью; 3) загрузка фотографий с чрезмерно малым размером образования в кадре; 4) одномодельная архитектура большинства программ ИИ и отсутствие онкологической настороженности; 5) отсутствие объяснимого ИИ (англ. еxplainable AI, XAI) в заключениях программ; 6) невозможность для врача влиять на заключение программы с помощью данных анамнеза и визуального осмотра. Для каждой проблемы описано конкретное решение, реализованное в программе «Derma Onko Melanoma Check»: автоматический контроль качества изображений, контроль размера образования в кадре, мультимодельный ансамбль нейронных сетей, XAI с визуализацией зон риска, интерактивный ввод данных анамнеза и поддержка мультимодального анализа.Заключение. Внедрение программ ИИ с описанными решениями в клиническую практику врачей-терапевтов, врачей общей врачебной практики первичного звена здравоохранения позволит существенно повысить выявляемость ЗНО кожи на ранних стадиях, обеспечив онкологическую настороженность по пограничным состояниям и клиническую обоснованность заключений.
The authors declare that there are no conflicts of interest present.