Primul Ghid pentru dezvoltarea tehnologiilor AI în dermatologie, publicat de International Skin Imaging Collaboration. Care sunt recomandările?
Aplicațiile mobile pentru identificarea leziunilor cutanate au de obicei la bază algoritmi AI (inteligență artificială) și sunt disponibile populației generale, oferind o abordare tehnologică care vine în ajutorul persoanelor cu leziuni suspecte ale pielii. În același timp, tehnologiile bazate pe AI devin o parte importantă din dermatologia clinică, fiind un ajutor important pentru medicii curanți. Inteligența Artificială reprezintă unul dintre trendurile care au potențialul de a schimba multiple specialități medicale. Nevoia de reglementare și standardizare a aplicațiilor care folosesc AI este recunoscută la nivel internațional.
Grupul de lucru pentru inteligența artificială al International Skin Imaging Collaboration (ISIC) a publicat pe 1 decembrie, în JAMA Dermatology, primul Ghid internațional pentru dezvoltarea algoritmilor AI utilizați în dermatologie (CLEAR Derm Consensus Guidelines). Ghidul cuprinde recomandări pe patru paliere: date, tehnică, evaluare și aplicații (sumarizate de către autorul principal, Dr. Roxana Daneshjou, într-un editorial Medscape Medical News).
Pe măsură ce tehnicile de învățare automată (machine learning) și mecanismele comerciale care permit accesarea lor se maturizează, devine din ce în ce mai importantă evaluarea obiectivă a aplicațiilor. Existența unor ghiduri și standarde, acceptate la nivel internațional, este crucială în procesul de reglementare și guvernanță AI. Una dintre preocupările principale este impactul algoritmilor AI asupra societății și sistemelor de sănătate, deoarece astfel de inovații au potențialul de a crește inegalitățile în materie de îngrijiri de sănătate, mai ales dacă nu sunt înțelese și implementate corespunzător.
Recomandări pentru datele utilizate – importanța metadatelor despre imagine și pacient
Metadate legate de imaginea în sine: seturile de date utilizate pentru antrenarea și testarea algoritmilor ar trebui să conțină descrieri ale imaginilor și detalii despre artefactele imaginii. De exemplu: tipul de cameră folosit; dacă imaginile au fost obținute în condiții standardizate sau variate; dacă au fost realizate de fotografi profesioniști sau profesioniști din domeniul sănătății; tipul de iluminare utilizat și dacă fotografia conține semne, păr, tatuaje, răni, efecte chirurgicale sau alte „perturbații fizice”; dacă a fost procesată ulterior sau generată cu ajutorul altui algoritm.
Metadate legate de persoana/pacientul de la care provine imaginea (anonimizate): fiecare imagine ar trebui să includă locația geografică a pacientului și centrul medical pe care l-a vizitat, precum și vârsta, sexul, etnia și/sau rasa și nuanța pielii – multe dintre lucrări nu conțin astfel de mențiuni, ceea ce poate afecta puternic eficacitatea în practică și conduce la rezultate fals pozitive sau negative.
Recomandări pentru tehnicile utilizate
Modul în care sunt etichetate și clasificate imaginile dintr-un set de date este una dintre provocările majore în dezvoltarea algoritmilor AI pentru dermatologie. Dezvoltatorii ar trebui să folosească diagnosticul histopatologic în etichetarea imaginilor (data labeling), dar acest lucru poate afecta calitatea. Procesul de data labeling presupune adăugarea de informații de context, metadate, despre imaginea respectivă. De exemplu, dacă o imagine x-ray conține o tumoră în ea sau, în cazul de față, particularitățile diagnosticului histopatologic pentru leziunea din imagine.
Unele lucrări folosesc etichetarea de consens (consensus labeling) – dermatologii furnizează o etichetă unică pentru a grupa imaginile care ilustrează cancere de piele. Însă lucrurile sunt mai complexe de atât – standardul pentru diagnosticarea cancerului de piele este utilizarea histopatologiei. Este nevoie de cercetări suplimentare în acest domeniu, iar momentan, este important ca furnizorii de algoritmi să detalieze foarte bine procesul de creare a algoritmului.
Recomandări privind evaluarea tehnică a algoritmului
Una dintre cele mai importante recomandări din această secțiune se referă la oferirea posibilității ca algoritmii prezentați în lucrări să poată fi testați de cei interesați. Iar asta presupune ca atât programul, cât și setul de date să fie open-access. Instrumentul de asistare dermatologică bazat pe inteligență artificială, lansat recent de Google, de exemplu, promite o acuratețe și capacitate de a diagnostica bolile de piele la nivel de dermatolog, dar cercetătorii nu au nicio modalitate de a testa în mod independent aceste afirmații.
Recomandări pentru aplicabilitate
Una dintre cele mai importante dintre acestea se referă la testarea algoritmilor într-un studiu clinic pentru validare. După autorizare, implementarea și datele generate ar trebui de asemenea monitorizate.
În 2021, atât Food and Drug Administration, autoritatea de reglementare din Statele Unite, cât și Comisia Europeană au lansat inițiative prin care își propun să reglementeze tehnologiile care au la bază inteligența artificială și machine learning. Conform Salvatore Scalzo (Ofițer juridic și de politici în domeniul inteligenței artificiale la Comisia Europeană), pentru a realiza aceste reglementări, este foarte important ca la momentul implementării, partidele politice și toți actorii să fie uniți: „Este esențial ca la nivel european să existe comisii formate din autorități și actori naționali, pentru a facilita și stimula implementarea uniformă. Dialogul continuu cu liderii de opinie este de asemenea important”.
Conform Comparator Report on Cancer in Europe 2019, în oncologie, învățarea automată (machine learning) și inteligența artificială și-au stabilit un rol important: diagnosticarea neoplasmelor prin analiza imagistică, atât în anatomopatologia digitală, cât și în radiologie. Cantitatea de date provenite de la pacienți este în creștere, pe de o parte facilitând utilizarea algoritmilor de Inteligență Artificială, iar pe de altă parte, crescând nevoia unei astfel de abordări. Mai mult, utilizarea AI are capacitatea de a îmbunătăți calitatea actului medical, în timp devenind chiar o metodă cost-eficientă. Unul dintre cele mai potrivite locuri pentru algoritmii de Inteligență Artificială este alături de clinicieni, reducându-le acestora presiunea asociată stabilirii unui diagnostic prin oferirea unei game diagnostice posibile, create pe baza datelor furnizate.
Citește și:
- #EUnite Week 2021: Transformarea digitală are la bază cetățenii, tehnologiile de ultimă generație și strategiile durabile
- Comisia Europeană propune reglementarea tehnologiilor pe bază de inteligență artificială
- FDA lansează primul plan de acțiune care vizează dispozitivele medicale ce au la bază software-uri de inteligență artificială sau machine learning