Улучшение выявления лентиго-меланомы с помощью дерматоскопии с поддержкой искусственного интеллекта: исследование с участием читателей при пигментных поражениях лица

Введение: Отличить лентиго-меланому (ЛМ) от доброкачественных пигментных поражений лица по клиническим и дерматоскопическим признакам по-прежнему сложно из-за значительного их перекрытия, особенно на коже с хроническим солнечным повреждением; именно такая ситуация недостаточно представлена в существующих исследованиях ИИ.Цель: Разработать и оценить модель на основе глубокого обучения для пигментных поражений лица и изучить ее влияние на диагностическую точность ординаторов-дерматологов.Методы: В ретроспективном исследовании проанализировали 722 поражения (894 дерматоскопических изображения): ЛМ — 190, PAK — 230, SL/SK — 302. Двадцать процентов поражений оставили для тестирования; остальные данные использовали для 5-кратной стратифицированной перекрестной проверки. Свёрточную нейронную сеть на основе Xception обучали для бинарной и трехклассовой классификации. В исследовании с участием читателей 26 ординаторов сравнивали диагностическую точность до и после помощи ИИ.Результаты: Средняя точность модели составила 84,2% ± 2,5%, чувствительность — 90,8% ± 11,5%, специфичность — 81,9% ± 1,2%. Точность ординаторов повысилась с 64,9% до 74,0% при поддержке ИИ (p < 0,0001), причем наибольший прирост наблюдали в выявлении ЛМ (+16,5%).Ограничения: Ретроспективный дизайн, отсутствие мультимодальных клинических данных и исследование с участием только ординаторов.Выводы: Дерматоскопия с поддержкой ИИ улучшает диагностические результаты в сложной ситуации при поражениях лица, особенно при ЛМ, что поддерживает ее роль как вспомогательного инструмента в принятии клинических решений и обучении дерматологов.