В Google обучили нейросеть, которая детектирует кожные заболевания на изображении. По результатам, модель достигает точности сертифицированного дерматолога при определении 26 типов кожных заболеваний.
Точность определения кожных заболеваний терапевтами и дерматологами значительно разница. Терапевты определяют кожное заболевание с точностью от 24% до 70%. Дерматологи справляются с задачей с точностью 77-96%. Это приводит к задержкам в лечении заболеваний или к некорректному лечению.
Существующие методы для увеличения точности диагностирования кожных заболеваний терапевтами — книги, онлайн-ресурсы и консультация с коллегами. Предыдущие методы, основанные на ML, фокусировались на диагностировании кожного рака. Подход, который предлагают разработчики Google, диагностирует наиболее популярные кожные заболевания, с которыми чаще всего обращаются к терапевту.
Архитектура модели
На вход модели подается от одного изображения и метаданные пациента, на выходе отдается список наиболее вероятных заболеваний. Выдается список вероятных болезней предпочтителен, потому что часто бывают комплексные случаи, когда не существует одного верного ответа.
В качестве метаданных выступают до 45 переменных: показания пациента, возраст, пол и подобные характеристики. В качестве основы архитектуры используется Inception-v4 модель. Для обучения модели использовалось 17,777 историй болезни. Количество диагнозов в данных составило 50,000 от более чем 40 дерматологов.
Проверка модели
Чтобы проверить качество модели, исследователи сравнили ее работу с работой профессиональных дерматологов. В сумме дерматологи диагностировали 3,756 случаев. Список наиболее вероятных болезней, которые предсказала нейросеть, сравнили с диагнозами врачей. Диагнозы совпали с точностью 71% и 93%.
Можно ли где-то потестить?