Zastosowanie sztucznej inteligencji w diagnostyce schorzeń dermatologicznych

Daria Rost; Karolina Gancarczyk; Piotr Głodek; Piotr Granatowski; Aleksanda Kaluża; Nikita Skorgowski

Zastosowanie sztucznej inteligencji w diagnostyce schorzeń dermatologicznych

Autorzy

Daria Rost - autor; Karolina Gancarczyk - 1. Studenckie Koło Naukowe przy Katedrze i Zakładzie Biofizyki im. prof. Zbigniewa Religi, Wydział Nauk Medycznych w Zabrzu, Śląski Uniwersytet Medyczny w Katowicach; Piotr Głodek - 1. Studenckie Koło Naukowe przy Katedrze i Zakładzie Biofizyki im. prof. Zbigniewa Religi, Wydział Nauk Medycznych w Zabrzu, Śląski Uniwersytet Medyczny w Katowicach; Piotr Granatowski - 1. Studenckie Koło Naukowe przy Katedrze i Zakładzie Biofizyki im. prof. Zbigniewa Religi, Wydział Nauk Medycznych w Zabrzu, Śląski Uniwersytet Medyczny w Katowicach; Aleksanda Kaluża - 1. Studenckie Koło Naukowe przy Katedrze i Zakładzie Biofizyki im. prof. Zbigniewa Religi, Wydział Nauk Medycznych w Zabrzu, Śląski Uniwersytet Medyczny w Katowicach; Nikita Skorgowski - 1. Studenckie Koło Naukowe przy Katedrze i Zakładzie Biofizyki im. prof. Zbigniewa Religi, Wydział Nauk Medycznych w Zabrzu, Śląski Uniwersytet Medyczny w Katowicach

Słowa kluczowe:

sztuczna inteligencja, dermatologia, diagnostyka, czerniak, głębokie uczenie

Streszczenie

Sztuczna inteligencja (artificial intelligence, AI) jest dziedziną, która rozwija się coraz prężniej w dzisiejszych czasach. Pojawia się jako przełom w badaniach czy diagnostyce w coraz większej ilości różnych specjalizacji. Jeden z rodzajów AI może znaleźć zastosowanie również w dziedzinie dermatologii diagnostycznej. Poniższy artykuł ma na celu przedstawić sposoby wykorzystania sztucznej inteligencji w różnych chorobach skóry, jej możliwości i ograniczenia, a także wyzwania, które stoją przed zastosowaniem tego rodzaju diagnostyki chorób w dermatologii.

Rozdziały

Zastosowanie sztucznej inteligencji w diagnostyce schorzeń dermatologicznych

Daria Rost, Karolina Gancarczyk, Piotr Głodek, Piotr Granatowski, Aleksanda Kaluża, Nikita Skorgowski

Bibliografia

Kanjee Z, Crowe B, Rodman A. Accuracy of a Generative Artificial Intelligence Model in a Complex Diagnostic Challenge. JAMA. 2023;330(1):78-80. doi:10.1001/jama.2023.8288

Omiye JA, Gui H, Daneshjou R, Cai ZR, Muralidharan V. Principles, applications, and future of artificial intelligence in dermatology. Front Med (Lausanne). 2023;10:1278232. Published 2023 Oct 12. doi:10.3389/fmed.2023.1278232

Jartarkar SR. Artificial intelligence: Its role in dermatopathology. Indian J Dermatol Venereol Leprol. 2023;89(4):549-552. doi:10.25259/IJDVL_725_2021

Coursera Staff. What Is Artificial Intelligence? Definition, Uses, and Types. Published 3 Apr 2024. Accessed 5 May 2024. https://www.coursera.org/articles/what-is-artificial-intelligence

Du-Harpur X, Watt FM, Luscombe NM, Lynch MD. What is AI? Applications of artificial intelligence to dermatology. Br J Dermatol. 2020;183(3):423-430. doi:10.1111/bjd.18880

Olsen TG, Jackson BH, Feeser TA, et al. Diagnostic Performance of Deep Learning Algorithms Applied to Three Common Diagnoses in Dermatopathology. J Pathol Inform. 2018;9:32. Published 2018 Sep 27. doi:10.4103/jpi.jpi_31_18

Hekler A, Utikal JS, Enk AH, et al. Pathologist-level classification of histopathological melanoma images with deep neural networks. Eur J Cancer. 2019;115:79-83. doi:10.1016/j.ejca.2019.04.021

De Logu F, Ugolini F, Maio V, et al. Recognition of Cutaneous Melanoma on Digitized Histopathological Slides via Artificial Intelligence Algorithm. Front Oncol. 2020;10:1559. Published 2020 Aug 20. doi:10.3389/fonc.2020.01559

Liu Z, Wang X, Ma Y, Lin Y, Wang G. Artificial intelligence in psoriasis: Where we are and where we are going. Exp Dermatol. 2023;32(11):1884-1899. doi:10.1111/exd.14938

Du AX, Ali Z, Ajgeiy KK, et al. Machine learning model for predicting outcomes of biologic therapy in psoriasis. J Am Acad Dermatol. 2023;88(6):1364-1367. doi:10.1016/j.jaad.2022.12.046

Maulana A, Noviandy TR, Suhendra R, et al. Evaluation of atopic dermatitis severity using artificial intelligence. Narra J. 2023;3(3):e511. doi:10.52225/narra.v3i3.511

Gustafson E, Pacheco J, Wehbe F, Silverberg J, Thompson W. A Machine Learning Algorithm for Identifying Atopic Dermatitis in Adults from Electronic Health Records. IEEE Int Conf Healthc Inform. 2017;2017:83-90. doi:10.1109/ICHI.2017.31

Seité S, Khammari A, Benzaquen M, Moyal D, Dréno B. Development and accuracy of an artificial intelligence algorithm for acne grading from smartphone photographs. Exp Dermatol. 2019;28(11):1252-1257. doi:10.1111/exd.14022

Keser G, Bayrakdar İŞ, Pekiner FN, Çelik Ö, Orhan K. A deep learning algorithm for classification of oral lichen planus lesions from photographic images: A retrospective study. J Stomatol Oral Maxillofac Surg. 2023;124(1):101264. doi:10.1016/j.jormas.2022.08.007

Winkler JK, Fink C, Toberer F, et al. Association Between Surgical Skin Markings in Dermoscopic Images and Diagnostic Performance of a Deep Learning Convolutional Neural Network for Melanoma Recognition. JAMA Dermatol. 2019;155(10):1135-1141. doi:10.1001/jamadermatol.2019.1735

Esteva A, Kuprel B, Novoa RA, et al. Corrigendum: Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017;546(7660):686. doi:10.1038/nature22985

Polesie S, Gillstedt M, Kittler H, et al. Attitudes towards artificial intelligence within dermatology: an international online survey. Br J Dermatol. 2020;183(1):159-161. doi:10.1111/bjd.18875