Programa vėžį nuo apgamo skirti mokėsi analizuodama beveik 130 000 apgamų, išbėrimų, randų ir kitų odos darinių nuotraukų – toks dirbtinio intelekto mokymo metodas vadinamas „giliuoju mokymu“ (angl. deep learning). Po mokymosi kompiuterio diagnostiniai gebėjimai buvo palyginti su 21 gydytojo dermatologo gebėjimai ir, programos kūrėjų teigimu, ji pasirodė ne prasčiau, nei žmonės (arba, tiksliai cituojant algoritmo autorius, programėlė pasiekė „bent 91 proc. medikų tikslumo“). Mokslininkų teigimu, ateityje šio algoritmo pagrindu bus galima sukurti programėlę, kuri bet kuriam žmogui leistų išanalizuoti savo apgamus namie.
Naujausioje, 2015 metų, Lietuvos sveikatos statistikos ataskaitoje (tiesa, dėl Vėžio registro įteisinimo problemų šiuo metu yra paskelbta tik 2012 m. piktybinių navikų statistika) odos vėžio diagnozės sudaro apie 14 proc. visų vėžinių susirgimų, pridėjus ir melanomas jis yra apie 16 procentų – tai yra viena iš dažniausiai diagnozuojamų vėžinių susirgimų grupė.
Įprastinis daugelio odos vėžinių susirgimų diagnozavimo būdas yra vizualinis apgamų patikrinimas, atliekamas dermatologo. Moksliškai patvirtinta, kad kuo ankstyvesnė naviko diagnozė, tuo geresnė ligos prognozė. Pavyzdžiui, anksti diagnozuotos melanomos 5 metų išgyvenimo prognozė yra 97 proc., bet jeigu liga diagnozuota vėlyvesniuose etapuose, galimybė po diagnozės išgyventi 5 metus krenta iki vos 14 procentų.
Siekiant išmokyti dirbtinį intelektą identifikuoti odos vėžį, Stenfordo universiteto mokslininkai pasitelkė „Google“ sukurtą giliojo mokymosi algoritmą vaizdų klasifikavimui. Kaip aprašyta moksliniame darbe, kurį publikavo žurnalas „Nature“, mokslininkai programai pateikė dešimtis tūkstančių nuotraukų, surinktų iš viso pasaulio ir pažymėtų pagal tai, kas jose pavaizduota – vėžio tipas, jeigu darinys piktybinis arba kad apgamas yra nepiktybinis.
„Nėra didelio parengto odos vėžio duomenų rinkinio, pagal kurį galėtume mokyti algoritmus, tad teko susikurti savo“, – Stenfordo universiteto tinklaraščio įraše sakė tyrimo bendraautoris Bretas Kuprelis. „Nuotraukas surinkome internete ir, bendradarbiaudami su medicinos mokykla, iš labai netvarkingų duomenų krūvos sudarėme gražią taksonominę sistemą – vien žymės buvo surašytos keliomis kalbomis, taip pat vokiečių, arabų, lotynų“, – rašė mokslininkas.
Galų gale mokslininkų duomenų bazėje atsidūrė 129 450 nuotraukų, kuriose buvo atvaizduotos 2032 skirtingos ligos. Tuomet visas nuotraukas po vieną tašką išanalizavo gilusis neuroninis tinklas, ieškojęs charakteristikų, būdingų kiekvienai atskirai diagnozei. O pabaigus tokį apmokymą, sistema, anot darbą atlikusių mokslininkų, ligas galėjo diagnozuoti „taip pat gerai, kaip ir visi tyrime dalyvavę ekspertai“. Pavyzdžiui, melanomų atveju gydytojai dermatologai iš nuotraukų teisingai diagnozavo piktybinius darinius 95 proc. tikslumu ir gerybinius darinius 76 proc. tikslumu. Tuo tarpu dirbtinis intelektas tai darė 96 proc. tikslumu piktybiniams dariniams ir 90 proc. tikslumu gerybiniams dariniams.
Mokslininkų teigimu, jų tikslas nėra atimti darbą iš gydytojų dermatologų, o pasiūlyti žmonėms nebrangų būdą atlikti ankstyvą sveikatos patikrinimą. Tikimasi, kad pažangesnę šio algoritmo versiją pavyks paversti programėle, tinkama naudojimui namie. Tiesa, tą bus įmanoma padaryti tik po papildomo dirbtinio intelekto apmokymo, mat dabar programa yra įpratinta dirbti su aukštos kokybės medicininės paskirties vaizdais, o ne tokiomis nuotraukomis, kurias paprasti žmonės galėtų užfiksuoti išmaniuoju telefonu. Be to, norint tokią programėlę platinti viešai, reikėtų atlikti ir išsamius saugumo vertinimus.
