Umělá inteligence již analyzuje melanomové léze

Technologické prostředky pro časnou diagnostiku zhoubného melanomu zahrnují aplikace pro dermoskopii, algoritmy umělé inteligence a matematicko-statistické nástroje na podporu rozhodovacího procesu. Dermoskopie je prokazatelně vhodná k neinvazivní diagnostice melanocytických kožních lézí a v diagnostice časných forem zhoubného melanomu se v současnosti využívá za účelem efektivnějšího odhalování maligních lézí na celém povrchu těla (Braun RP et al., J Am Acad Dermatol 2005). Při posuzování struktur biologicky se překrývajících s časnou formou melanomu, jako je například Clarkův névus, a dalších atypických melanocytických lézí lékaři vyhodnocují jejich vzhled a přihlížejí i k dalším typickým parametrům (věk pacienta, klinická anamnéza, rozměr léze, lokalizace na těle apod.), zařazeným do algoritmických skórovacích tabulek a systémů, jako je multicentricky validovaný iDScore 2016, či klinicky jednoduše použitelný iDScore 2018 (publikovaný autorkou sdělení: Tognetti L et al., J Eur Acad Dermatol Venereol 2018) nebo ještě šířeji koncipovaný iDScore 2021.

Roboti už jdou…

Oblast využití umělé inteligence jako plně objektivizovaného přístupu k diagnostice se zaměřuje na analýzu klinických a dermoskopických parametrů zhoubného melanomu i snímků jeho lézí. Využívá přitom počítačových programů s prvky charakteristickými pro lidskou inteligenci. Další účinnou skupinou nástrojů z oblasti umělé inteligence jsou prvky strojového učení, při němž se software autonomně učí a zlepšuje z předkládaných dat směrem k analýze správných/chybných výsledků (i bez explicitního naprogramování). A také tzv. hluboké učení (deep learning), které využívá zapracovaných výpočetních modelů a algoritmů, jež imitují architekturu (a simulující funkce) biologických (mozkových) neuronových sítí, čímž v medicínských aplikacích dosahují při analýzách předkládaných zobrazení a dat ještě vyšší efektivity (která se navíc dále zpětnovazebně zvyšuje) – viz Litjens G et al., Med Image Anal 2017. Specializované vyšší systémy využívající těchto přístupů k analýze dat a jejich vícevrstevného posuzování se nazývají konvoluční neuronové sítě (CNN) a jsou inspirovány zpracováváním zrakových vjemů zvířecí nervovou soustavou (Matusugu M et al., Neural Networks 2003). A právě těchto poznatků stroje využívají při vizuálních analýzách a klasifikaci snímků (nejen) kožních lézí. Zapojením dalších „skrytých“ vrstev vědci vyvíjejí ještě účinnější hluboké konvoluční neuronové sítě (DCNN), které se díky své kalkulační schopnosti začínají prosazovat i v dermatologii a dermoskopii, například k odlišení maligních a benigních lézí (Liu Y et al., 2020, https://arxiv.org/ftp/arxiv/papers/1909/1909.05382.pdf).

Umělá inteligence ale pacienta nevyšetří

Atypické melanocytické kožní léze/névy (aMSLs) jsou však i pro rozvinuté počítačové systémy s prvky umělé inteligence doposud „šedou zónou“ a tak je za účelem zvýšení jejich přesnosti vyvíjen systém na bázi DCNN s integrací klinických dat z této oblasti (Tognetti L et al., J Dermatol Sci 2021). Při validaci byl „nakrmen“ 20 000 snímky takových lézí za účelem zachycení typických charakteristik maligního procesu počítačem a jejich odlišení od benigních dyplastických névů. Díky výpočetní síle a prvkům umělé inteligence (a zapracování pacientských klinických údajů k lézím, relevantních pro rozhodování) již v první fázi tento systém v senzitivitě i specificitě odhalení malignit překonával „kontrolní skupinu“ dermatologických expertů, vyhodnocujících léze „intuitivně“. Z publikace je zřejmé, že tento systém dokázal oproti expertům omezit zbytečné incize lézí a vykazoval i vyšší specificitu časné diagnostiky melanomu v dlouhodobém horizontu (12měsíční sledování).

Tyto vyspělé počítačové systémy se nyní nacházejí v rozvojovém stupni, který již nyní může být nápomocný při diagnostice časných stadií melanomu méně zkušeným dermatologům. Oproti „intuitivně“ prováděné diagnóze vykazují o 11 % vyšší přesnost. A mohou také doposud ne tolik erudovaným specialistům napomoci i v managementu léčby, a to snížením počtu excizí benigních lézí (nyní při testování ze 42 % na 27 %), a současně zlepšit efektivitu chirurgických odstranění melanomů v časném stadiu (již nyní zvýšení o 6,5 %). Mohlo by to časem vést k tomu, že žádná časná melanomová léze nebude přehlédnuta a že se již ani nebudou odstraňovat žádné benigní névy. Byť role dermatologa „z masa a kostí“ (a biopsie) bude pro stanovení konečné diagnózy i další postup ještě nějakou dobu dozajista nezastupitelná. A možná bude nezastupitelná i role umělé inteligence při posuzování sporných a hraničních případů, kdo ví.

Redakčně zpracováno ze sdělení, které během virtuálního 30. výročního kongresu EADV 2021 přednesla:
Linda Tognetti, MD, PhD, Dipartimento di Scienze mediche, chirurgiche e neuroscienze, Università degli Studi di Siena, Itálie