深度学习辅助的决策支持,用于诊断皮肤疾病的皮肤色调
Matthew Groh1,2, Omar Badri3, Roxana Daneshjou4,5
1Northwestern University Kellogg School of Management, Evanston, IL, USA. matthew.groh@kellogg.northwestern.edu.
Nature medicine
|February 5, 2024
概括
医生机器合作伙伴关系可以提高皮肤病学中的诊断准确性. 然而,人工智能工具可能不会减少,甚至可能会加剧代表性不足的人群的诊断差异,特别是关于皮肤色调的差异.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 人工智能的人工智能
- 皮肤病学 皮肤病学
背景情况:
- 深度学习系统显示出基于图像的医学诊断的前景.
- 医生机器伙伴关系至关重要,但它们的有效性,特别是在偏见方面,正在调查中.
研究的目的:
- 在远程皮肤学模拟中评估医生诊断的准确性.
- 评估人工智能决策支持对诊断准确性和皮肤色差异的影响.
主要方法:
- 一项大规模的数字实验涉及来自39个国家的389名皮肤科医生和459名初级保健医生.
- 医生诊断了46种皮肤疾病的364张图像,有或没有人工智能支持.
- 对诊断准确度进行了分析,涉及医生专业和患者皮肤色调.
主要成果:
- 专家在没有人工智能的情况下实现了38%的诊断准确度,一般医生达到19%的诊断准确度.
- 这两组在诊断黑色皮肤时的准确性都不高,与浅色皮肤相比.
- 人工智能决策支持提高了超过33%的准确性,但扩大了皮肤色的通用主义者的准确性差距.
结论:
- 精心设计的医生机器合作伙伴关系可以提高诊断准确度.
- 提高整体诊断准确性本身并不能解决现有的偏见.
- 需要进一步的研究,以确保人工智能工具促进健康公平.
