Эффективность предварительной дифференциальной диагностики доброкачественных и злокачественных новообразований кожи с помощью программы искусственного интеллекта Derma Onko Check

Цель: оценить эффективность предварительной дифференциальной диагностики доброкачественных и злокачественных опухолей кожи на первичном врачебном приеме при оказании первичной медико-санитарной помощи с применением программы искусственного интеллекта (ИИ) Derma Onko Check для электронных вычислительных машин (приложение для смартфона).

Материал и методы. Эффективность программы Derma Onko Check для визуальной идентификации доброкачественных и злокачественных опухолей кожи оценили у 135 пациентов в возрасте от 22 до 78 лет, которые имели различные образования кожи, визуально подозрительные на злокачественные. Заключение программы сравнивали с результатами дерматоскопического и морфологического методов исследования.

Результаты. Диагностическая точность программы Derma Onko Check при определении вероятности наличия у пациента доброкачественной или злокачественной опухоли кожи составила 96%, чувствительность – 98%, специфичность – 96%, доля ложноположительных результатов – 4,3%, доля ложноотрицательных результатов – 2,4%.

Заключение. Использование современных программ для электронных вычислительных машин на основе технологий ИИ дает возможность раннего выявления злокачественных опухолей кожи на первичном осмотре при оказании первичной медико-санитарной помощи, что особенно актуально в медицинских организациях и регионах с недостатком или отсутствием врачей-дерматологов и врачей-онкологов.

1. Ahmadi K., Prickaerts E., Smeets J.G.E., et al. Current approach of skin lesions suspected of malignancy in general practice in the Netherlands: a quantitative overview. J Eur Acad Dermatol Venereol. 2018; 32 (2): 236–41. https://doi.org/10.1111/jdv.14484.

2. Koelink C.J., Kollen B.J., Groenhof F., et al. Skin lesions suspected of malignancy: an increasing burden on general practice. BMC Fam Pract. 2014; 15: 29. https://doi.org/10.1186/1471-2296-15-29.

3. Wakkee M., van Egmond S., Louwman M., et al. Opportunities for improving the efficiency of keratinocyte carcinoma care in primary and specialist care: results from population-based Dutch cohort studies. Eur J Cancer. 2019; 117: 32–40. https://doi.org/10.1016/j.ejca.2019.05.010.

4. van Rijsingen M.C., Vossen R., van Huystee B.E., et al. Skin tumour surgery in primary care: do general practitioners need to improve their surgical skills? Dermatology. 2015; 230 (4): 318–23. https://doi.org/10.1159/000371812.

5. Ferlay J., Colombet M., Soerjomataram I., et al. Cancer incidence and mortality patterns in Europe: estimates for 40 countries and 25 major cancers in 2018. Eur J Cancer. 2018; 103: 356–87. https://doi.org/10.1016/j.ejca.2018.07.005.

6. World Cancer Research Fund. Skin cancer statistics. Available at: https://www.wcrf.org/cancer-trends/skin-cancer-statistics (accessed 22.10.2024).

7. Freeman K., Dinnes J., Chuchu N., et al. Algorithm based smartphone apps to assess risk of skin cancer in adults: systematic review of diagnostic accuracy studies. BMJ. 2020; 368: m127. https://doi.org/10.1136/bmj.m127.

8. Harskamp R.E., deVijlder H.C., Bekkenk M.W. Smartphone apps for self-diagnosis of skin cancer. Ned Tijdschr Geneeskd. 2022; 166: D5986 (in Dutch).

9. Kränke T., Tripolt-Droschl K., Röd L., et al. New AI-algorithms on smartphones to detect skin cancer in a clinical setting-A validation study. PLoS One. 2023; 18 (2): e0280670. https://doi.org/10.1371/journal.pone.0280670.

10. Kong F.W., Horsham C., Ngoo A., et al. Review of smartphone mobile applications for skin cancer detection: what are the changes in availability, functionality, and costs to users over time? Int J Dermatol. 2021; 60 (3): 289–308. https://doi.org/10.1111/ijd.15132.

11. Flaten H.K., St Claire C., Schlager E., et al. Growth of mobile applications in dermatology – 2017 update. Dermatol Online J. 2018; 24 (2): 13030/qt3hs7n9z6.

12. Elder D.E., Massi D., Scolyer R.A., Willemze R. (Eds) WHO classification of skin tumors. In: WHO classification of tumors, 4th ed. Vol. 11. International Agency for Research on Cancer; 2018.

13. Ламоткин А.И., Корабельников Д.И., Ламоткин И.А. и др. Искусственный интеллект в здравоохранении и медицине: история ключевых событий, его значимость для врачей, уровень развития в разных странах. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2024; 17 (2): 243– 50. https://doi.org/10.17749/2070-4909/farmakoekonomika.2024.254.

14. Ламоткин А.И., Корабельников Д.И., Ламоткин И.А. Искусственный интеллект: основные термины и понятия, применение в здравоохранении и клинической медицине. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2024; 17 (3): 409–15. https://doi.org/10.17749/2070-4909/farmakoekonomika.2024.267.

15. Buechi R., Faes L., Bachmann L.M., et al. Evidence assessing the diagnostic performance of medical smartphone apps: a systematic review and exploratory meta-analysis. BMJ Open. 2017; 7 (12): e018280. https://doi.org/10.1136/bmjopen-2017-018280.

16. Steeb T., Wessely A., French L.E., et al. Skin cancer smartphone applications for German-speaking patients: review and content analysis using the mobile app rating scale. Acta Derm Venereol. 2019; 99 (11): 1043–4. https://doi.org/10.2340/00015555-3240.

17. Zaar O., Larson A., Polesie S., et al. Evaluation of the diagnostic accuracy of an online artificial intelligence application for skin disease diagnosis. Acta Derm Venereol. 2020; 100 (16): adv00260. https://doi.org/10.2340/00015555-3624.

18. Esteva A., Kuprel B., Novoa R.A., et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017; 542 (7639): 115–8. https://doi.org/10.1038/nature21056.

19. Han S.S., Kim M.S., Lim W., et al. Classification of the clinical images for benign and malignant cutaneous tumors using a deep learning algorithm. J Invest Dermatol. 2018; 138 (7): 1529–38. https://doi.org/10.1016/j.jid.2018.01.028.

20. Pai V.V., Pai R.B. Artificial intelligence in dermatology and healthcare: an overview. Indian J Dermatol Venereol Leprol. 2021; 87 (4): 457–67. https://doi.org/10.25259/IJDVL_518_19.