خال است یا سرطان؟ به کدام ابزار هوش مصنوعی چقدر اعتماد کنیم؟

استفاده از دستگاه تشخیصی ویژه یا برنامهٔ تلفن هوشمند برای تشخیص سرطان پوست با هوش مصنوعی (YZ) در چند سال اخیر بسیار محبوب شده است. اما دربارهٔ این ابزارها، نگرانی‌هایی از دقت تشخیص وجود دارد.

تا کنون، دو دستگاه طبقه‌بندی رایانه‌یار ضایعهٔ پوست برای کمک به پزشک در بررسی موارد مشکوک ملانوما تأیید FDA داشته‌اند. فقط یکی هنوز پشتیبانی می‌شود: Nevisense شرکت SciBase AB. در مقابل، هیچ برنامهٔ تلفنی برای طبقه‌بندی ضایعهٔ پوست از FDA یا نهاد شناخته‌شدهٔ سلامت تأیید ندارد. 

SciBase AB سوئدی در مه 2020 اعلام کرد FDA، Nevisense 3.0 مبتنی بر هوش مصنوعی را برای بررسی سرطانی‌بودن خال نامنظم/پرخطر بدون نمونه‌برداری تأیید کرده است. دستگاه دیگر، MelaFind، به Stara Skin Sciences واگذار شد، اما شرکت گفت پژوهش، توسعه، فروش و پشتیبانی آن را در 2017 متوقف کرده است.

دستگاه Nevisense در زیر دیده می‌شود:

افزایش برنامه‌های هوش مصنوعی

در سال‌های اخیر، انتشار پژوهش هوش مصنوعی و یادگیری ماشین برای ابزارهای تازهٔ کمک به تشخیص بیماری پوست ، از جمله سرطان، می‌توانند به ابزارهای تازه منجر شوند؛ شمار مقاله‌های هوش مصنوعی و یادگیری ماشین در این حوزه افزایش یافته است. Google نیز در میان شرکت‌های فعال قرار دارد. به همین دلیل FDA از یک هیئت متخصص خواست دربارهٔ مجموعه‌ای از پرسش‌ها پیرامون چگونگی ارزیابی خطر دستگاه‌های رایانه‌یار شرکت‌ها برای تشخیص ملانوما بحث کند. این نهاد همچنین بازخورد و پیشنهاد دربارهٔ میزان امکان مدیریت مناسب این خطرها را درخواست کرد.

هیئت 29 ژوئیهٔ 2022 بر طبقه‌بندی دوبارهٔ دستگاه‌های فعلی گروه III تمرکز داشت. موضوع کلیدی، لزوم الزام‌ها و محدودیت‌های «ایمنی و اثربخشی» برای ابزار کمک‌کننده به متخصص پوست در ملانوم مشکوک بود. کنترل‌های خاص ممکن است آزمون بالینی حساسیت (مثبت واقعی)، ویژگی (منفی واقعی)، اعتبارسنجی نرم‌افزار و امنیت سایبری برای کاهش خطر را شامل شوند.

نیاز به مطالعات پاسخ‌دهنده به میزان دقت شناسایی ضایعات مربوط با ابزار تازه نیز مطرح شد.

بینیتا اَشار از مرکز تجهیزات و سلامت رادیولوژیک FDA دربارهٔ محصولات آینده گفت: «نوآوری ادامه دارد. سازندگان دربارهٔ چگونگی رسیدن به سطح شواهد مورد انتظار شما نگران‌اند.»

طبقه‌بندی تجهیزات پزشکی

سایمون گرانت، مدیرعامل SciBase سازندهٔ Nevisense، تنها دستگاه تشخیص سرطان پوست در بازار فعلی آمریکا، گفت باید مقررات گروه III حفظ شود و در این باره شکایت خواهد کرد. انتقال Nevisense از III به گروه کم‌محدودیت‌تر II پیشنهاد شده بود.

گرانت گفت انتقال به II، استاندارد ورود محصولات تحلیل ضایعه به بازار را تضعیف کرده و بیمار را در خطر می‌گذارد.

1. طبق مقررات FDA، دستگاه دارای خطر بالقوهٔ بیماری و آسیب در گروه III است؛ حدود 10% تجهیزات پزشکی. ضربان‌ساز کاشتنی، پروتز پستان و Nevisense در این گروه‌اند.
2. حدود 43% تجهیزات، مانند ویلچر برقی و برخی کیت‌های بارداری، گروه II هستند.
3. گروه I کمترین آسیب بالقوه و طراحی ساده دارد؛ کیت تنقیه و باند کشی نمونه‌اند.

گرانت گفت تغییر می‌تواند پیامد ناخواسته داشته باشد. «تغییر کوچک در هوش مصنوعی ممکن است اثر بزرگ، غیرخطی یا حتی تصادفی بدهد. اگر محصول وارد بازار شده و آسیب رخ داده باشد، دیر است.»

انجمن جراحی پوست آمریکا (ADCD) نیز به طبقه‌بندی دوبارهٔ دستگاه‌های تأییدشدهٔ III کمک‌تشخیص ملانوما اعتراض کرد و دربارهٔ گسترش کاربرد، از جمله بازاریابی برای مصرف‌کننده، نگرانی‌هایی مطرح کرد.

«الگوریتم و دستگاه خودتشخیصی ضایعهٔ پوست، با وجود دسترسی گسترده، ابزار تشخیص نیست و متخصص پوست یا نهاد معتبر آن را تأیید نکرده است. باید سلب‌مسئولیت مفصلی داشته باشد که بیشتر برای سرگرمی و آموزش است. ابزار و الگوریتم غربالگری به‌خوبی تنظیم‌گری و اثبات نشده‌اند و می‌توانند تشخیص نادرست، ازدست‌رفته یا ناقص بدهند. بیمار کم‌خطر یا پرخطر با ویزیت حضوری متخصص پوست دارای گواهی، برای تعیین برنامهٔ مناسب غربالگری، بهتر خدمت می‌گیرد.»

مصرف‌کنندگان ابزار تشخیصی را به‌عنوان گام میانی می‌خواهند

بسیاری از بیماران برای مراجعه به متخصص پوست مانع دارند. لیلی پنگ از گروه هوش مصنوعی سلامت Google، «پژوهش Google می‌گوید مردم دنبال یک گام میان اطلاعات آسان اینترنت و اطلاعات متخصص پزشکی هستند» گفت.

«مردم دربارهٔ موارد شایعی مانند آکنه اطلاعات می‌خواهند و گاه به پزشک دسترسی ندارند. برای مشکلات پوست، اغلب کم‌فوریت، نیازهای برآورده‌نشده زیاد است. می‌خواهند ابزاری برای موارد غیرجدی و تصمیم زمان کمک پزشکی داشته باشند.»

پژوهشگران Google در سال‌های اخیر مطالعات متعددی دربارهٔ هوش مصنوعی برای بهبود تشخیص پوست منتشر کرده‌اند.

مقالهٔ 2020 آزمون سامانهٔ یادگیری عمیق Google برای تشخیص افتراقی بیماری پوست را گزارش کرد. طبق چکیده، در 963 مورد اعتبارسنجی با هیئت سه متخصص پوست دارای گواهی، سامانه از 6 متخصص پوست، شش پزشک مراقبت اولیه و 6 پرستار بهتر بود.

کیفیت تصویر نیز بسیار مهم است؛ مقایسهٔ عکس حرفه‌ای با تصویر تلفن با کیفیت‌های گوناگون مناسب نیست. اما برنامه‌های تشخیصی در زندگی روزانه با تصاویر استانداردنشده آزموده می‌شوند.

هنوز آماده نیستیم

مارال اسکِلسی، متخصص سرطان پوست از چوی‌چیس مریلند، گفت سال‌ها Nevisense و MelaFind را به کار برده، اما هنوز برای کاربرد اصلی آماده نیستند؛ به‌ویژه MelaFind به‌علت خطای تشخیصی زیاد. محدودیت محل استفاده روی بدن نیز مشکل است.

او گفت بااین‌حال مشتاق دستگاه‌های بهتر تشخیص ضایعه است. «در آستانهٔ این حوزه‌ایم و واقعاً به ابزار نیاز داریم؛ برای خودمعاینهٔ بیمار و ارزیابی ضایعه توسط افراد غیرمتخصص پوست.»

اسکلسی نسبت به شل‌کردن سریع استاندارد تأیید هشدار داد. رناتا بلاک، متخصص پوست شیکاگو، موافق حفظ III بود. کارلا وی. بالمن از Weill Cornell Medicine گفت پیش از طبقه‌بندی، استاندارد روشن عملکرد بالینی لازم است. «اکنون فکر نمی‌کنم برای کاربرد اولیه آماده باشیم؛ باید در III بمانیم.»

دیدگاه مخالف نیز بود. کاتالین راث معتقد بود خطرها قابل مدیریت‌اند و ابزار آینده می‌تواند بیماران بیشتری را به‌سوی تشخیص حیاتی هدایت کند. «به‌عنوان پزشک تسکینی با بیماران سرطانی زیادی کار می‌کنم. آنچه فراموش می‌شود زمان است. ملانوما و تشخیص دیرهنگامش وحشتناک‌اند؛ فکر می‌کنم کنترل‌های خاص برای رفع نگرانی همکاران کافی است.»

سرانجام ورونیکا روتمبرگ از مموریال اسلون کترینگ نیویورک سخن گفت. او سال‌ها روی هوش مصنوعی و ابزار رایانه‌ای تشخیص ملانوما، تهاجمی‌ترین سرطان پوست، کار کرده است و به عملکرد برنامه‌های تجاریِ مدعی تشخیص سرطانی‌بودن خال و ضایعه تردید داشت. British Journal of Dermatology مروری با مشارکت روتمبرگ منتشر کرد که دقت برنامه‌ها را تنها 59% گزارش کرد. او بر ارزیابی دوره‌ای و نظارت الگوریتم ابزارهای تشخیص سرطان پوست در بازار نیز تأکید کرد. «به سازوکاری برای نمونه‌گیری نیاز داریم. بیشتر داده‌ها الکترونیک‌اند و مقایسهٔ عملکرد الگوریتم با نتیجهٔ نمونه‌برداری نباید چندان سخت باشد.»