Искусственный интеллект в дерматовенерологии: сравнительный анализ применяемых программ компьютерного зрения на основе моделей машинного обучения

Цель: Сравнительный анализ современных программ для ЭВМ (программ для смартфонов – мобильных приложений), использующих искусственный интеллект (ИИ) для диагностики и динамического мониторинга патологий кожи.

Материал и методы. Для поиска программ ЭВМ под управлением ИИ с помощью целевого поиска в базах данных PubMed/MEDLINE и Google Scholar, в электронных библиотеках eLibrary и КиберЛенинка за период 2016–2025 гг. с использованием запросов, ориентированных на ИИ, сверточные нейронные сети (англ. convolutional neural network, CNN), программы для ЭВМ (мобильные приложения) и дерматовенерологию было найдено 1319 публикаций. После многоэтапного скрининга по критериям включения/исключения (в т.ч. по наличию количественных метрик эффективности) отобрано 9 ключевых статей с конкретным описанием программ для ЭВМ (мобильных приложений). Последующий анализ определил 9 программ для ЭВМ (мобильных приложений): Google DermAssist, SkinIO, Melanoma Check, Derma Onko Check, SkinVision, Tibot, SkinScan, Aysa, Skinive, использующих ИИ для диагностики и мониторинга патологий кожи.

Результаты. Эффективность программ различается: Google DermAssist и Derma Onko Check показали высокую точность (96–97%) и чувствительность (97–98%), Skinive – улучшение метрик в динамике с 2020 по 2021 гг. (максимальная чувствительность 97,9%, специфичность 97,1%). Ограничения включают зависимость от качества фотоизображения, низкую эффективность при редких патологиях и темных тонах кожи, а также необходимость биопсии для подтверждения диагноза. Мобильные приложения, использующие CNN, демонстрируют высокую чувствительность (87–97,9%), но специфичность значительно варьируется (70–98%), что может увеличивать количество дополнительных консультаций врачей-специалистов при использовании этих программ в диагностике.

Заключение. Программы для ЭВМ (мобильные приложения) на основе ИИ обладают значительным потенциалом для повышения доступности и точности диагностики патологий кожи, особенно для отдаленных районов и в регионах с дефицитом врачей-дерматовенерологов. Перспективы развития включают интеграцию программ для ЭВМ с телемедициной, улучшение алгоритмов для диагностики редких патологий и стандартизацию тестирования для повышения воспроизводимости результатов.

1. Liopyris K., Gregoriou S., Dias J., Stratigos A.J. Artificial intelligence in dermatology: challenges and perspectives. Dermatol Ther. 2022; 12 (12): 2637–51. https://doi.org/10.1007/s13555-022-00833-8.

2. De A., Sarda A., Gupta S., Das S. Use of artificial intelligence in dermatology. Indian J Dermatol. 2020; 65 (5): 352–7. https://doi.org/10.4103/ijd.IJD_418_20.

3. Renders J.M., Simonart T. Role of artificial neural networks in dermatology. Dermatology. 2009; 219 (2): 102–4. https://doi.org/10.1159/000225933.

4. Sarvamangala D.R., Kulkarni R.V. Convolutional neural networks in medical image understanding: a survey. Evol Intell. 2022; 15 (1): 1–22. https://doi.org/10.1007/s12065-020-00540-3.

5. 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.

6. Daneshjou R., Smith M.P., Sun M.D., et al. Lack of transparency and potential bias in artificial intelligence data sets and algorithms: a scoping review. JAMA Dermatol. 2021; 157 (11): 1362–9. https://doi.org/10.1001/jamadermatol.2021.3129.

7. Haddadin S., Ganti L. The use of artificial intelligence to detect malignant skin lesions. Mayo Clin Proc Digit Health. 2024; 2 (2): 241–5. https://doi.org/10.1016/j.mcpdig.2024.04.003.

8. Guido N., Hagstrom E., Ibler E., et al. A novel total body digital photography smartphone application designed to detect and monitor skin lesions: a pilot study. J Surg Dermatol. 2021; 6 (2): 14. https://doi.org/.18282/jsd.v6.i2.177.

9. Ламоткин А.И., Корабельников Д.И., Ламоткин И.А. и др. Точность предварительной диагностики злокачественных меланоцитарных опухолей кожи с помощью программы искусственного интеллекта. Медицинский вестник ГВКГ им. Н.Н. Бурденко. 2025; 1: 42–51. https://doi.org/10.53652/2782-1730-2025-6-1-42-51.

10. Ламоткин А.И., Корабельников Д.И., Олисова О.Ю., Ламоткин И.А. Эффективность предварительной дифференциальной диагностики доброкачественных и злокачественных новообразований кожи с помощью программы искусственного интеллекта Derma Onko Check. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2025; 18 (2): 261–70. https://doi.org/10.17749/2070-4909/farmakoekonomika.2025.294.

11. Smak Gregoor A.M., Sangers T.E., Bakker L.J., et al. An artificial intelligence based app for skin cancer detection evaluated in a population based setting. NPJ Digit Med. 2023; 6 (1): 90. https://doi.org/10.1038/s41746-023-00831-w.

12. Marri S.S., Inamadar A.C., Janagond A.B., Albadri W. Analyzing the predictability of an artificial intelligence app (Tibot) in the diagnosis of dermatological conditions: a cross-sectional study. JMIR Dermatol. 2023; 6: e45529. https://doi.org/10.2196/45529.

13. Wadhawan T., Situ N., Lancaster K., et al. SkinScan©: a portable library for melanoma detection on handheld devices. Proc IEEE Int Symp Biomed Imaging. 2011; 2011: 133–6. https://doi.org/10.1109/ISBI.2011.5872372.

14. Marri S.S., Albadri W., Hyder M.S., et al. Efficacy of an artificial intelligence app (Aysa) in dermatological diagnosis: cross-sectional analysis. JMIR Dermatol. 2024; 7: e48811. https://doi.org/10.2196/48811.

15. Sokolov K., Shpudeiko V. Dynamics of the neural network accuracy in the context of modernization of the algorithms of skin pathology recognition. Indian J Dermatol. 2022; 67 (3): 312. https://doi.org/10.4103/ijd.ijd_1070_21.

16. Ламоткин А.И., Корабельников Д.И., Ламоткин И.А. Предварительная дифференциальная диагностика доброкачественных и злокачественных опухолей из эпидермальной ткани кожи с применением программы искусственного интеллекта «Derma Onko Check». Современные проблемы здравоохранения и медицинской статистики. 2025; 2: 223–42. https://doi.org/10.24412/2312-2935-2025-2-223-242.

17. Ламоткин А.И., Корабельников Д.И., Ламоткин И.А. и др. Точность предварительной диагностики доброкачественных и злокачественных меланоцитарных опухолей кожи с применением программы искусственного интеллекта для смартфона Derma Onko Check. Медицинский вестник ГВКГ им. Н.Н. Бурденко. 2025; 2: 39–48. https://doi.org/10.53652/2782-1730-2025-6-2-39-48.

18. Williamson S.M., Prybutok V. Balancing privacy and progress: a review of privacy challenges, systemic oversight, and patient perceptions in AI-driven healthcare. Appl Sci. 2024; 14 (2): 675. https://doi.org/10.3390/app14020675.