大規模なデータストレージを構築
サウ教授によると、皮膚科におけるAIの応用アイデアは、彼がフランスで学業を終えたばかりの2008年から浮上しています。そこでは、病院は数年前から皮膚損傷の画像に基づいた遠隔診断方法であるテレドメタニクスを使用しています。
研究グループがテーマに着手するのを促したもう1つの現実は、省、郡(旧)レベルでの皮膚科医の不足です。2017年、彼は情報技術研究所 - ベトナム科学技術アカデミーのグエン・ロン・ザン准教授・博士と会い、ここから両者は3つの病気(インフルエンザ、皮膚炎、皮膚がん)の診断におけるAIの応用に関する国家レベルの研究テーマの構築に着手しました。
信頼できるAIモデルを構築するためには、研究チームは膨大なデータリソースが必要です。実施プロセス中、中央皮膚科病院、TWQD 108病院、およびタインホア皮膚科病院の医師は、各損傷の撮影、分類、ラベル付けに参加しました。
「私たちは9 000から12 000枚の写真を収集します。1人の患者は、さまざまな段階で何度も撮影できます。AIが区別する方法を学ぶために、同様の病気をさらに撮影します」と、サウ博士は述べました。
すべての写真は、システムに組み込む前に最高の精度を確保するために専門家によってレビューされています。
長年のテストの後、研究チームは、患者向けのソフトウェア(app)を3つ構築しました。皮膚損傷の写真を撮影し、20〜30秒以内に提案された結果を受信できるようにするものです。医師向けのアプリ、診断の方向性をサポートします。および、画像の研究と管理に使用されるシステムです。
3つの病院での試験結果はすべて「非常に有望」でした。診断における感受性と特異性は85%を超えています。これは、特に不顕著な症状がある場合や、患者が薬を塗布した場合に、専門医でさえ実際の実践で達成するのが難しいレベルです。
サウ博士は、内部テストが実施され、医師グループが損傷した画像で診断し、その後AIも同じ画像セットで診断したと述べました。
「結果として、AIはより高い精度を提供します。すべての医師が高度な訓練を受けているわけではありません。多くの場合、損傷や変異により、医師は混乱しやすくなります」とサウ氏は説明します。
AIは医師を置き換えるのではなく、さらに処方箋を発行することはできません。
しかし、AIが高い病気の診断結果を示すにもかかわらず、サウ教授は、AIは医師を置き換えるわけではないという一貫した見解を断言しました。
「最終決定者は常に医師です。AIは、特に下位の医師や患者がすぐに医師に会うことができない場合に、より迅速かつ正確な診断を支援するツールにすぎません。」
それにもかかわらず、AI応用は、テーマが試験段階にあるため、中央皮膚科病院でまだ正式に展開されていません。しかし、拡大ロードマップについて尋ねられたとき、サウ教授は、病院と業界のリーダーは皆、特に決議72と57が医療におけるデジタルトランスフォーメーションを強力に推進している状況において、非常に支持していると述べました。
将来的には、研究チームはソフトウェアを拡大してより多くの皮膚疾患をカバーし、AIの結果を受け取った後の患者への初期コンサルティングを統合することさえ期待しているが、処方や治療段階ではない。
サウ教授は、中央皮膚科病院で応用が成功した場合、グループは効果を評価し、広く展開することを提案すると述べました。
