Onderzoekers van het Fox Chase Cancer Center, de College of Engineering en de Lewis Katz School of Medicine van de Temple University hebben een innovatieve methode ontwikkeld die kunstmatige intelligentie (AI) in staat stelt huidkanker, met name melanoom, veel beter te herkennen bij mensen met een donkere huid.
Volgens hoofdonderzoeker dr. Hayan Lee, assistent-professor aan het Cancer Epigenetics Institute, schuilt het grootste probleem van bestaande AI-modellen in hun beperkte trainingsdata. “De meeste systemen zijn ontwikkeld met beelden van patiënten met een lichte huid. Daardoor presteren ze aanzienlijk slechter bij mensen met een donkere huidskleur, wat ertoe leidt dat huidkanker in deze groep vaak pas in een later stadium wordt ontdekt,” legt Lee uit.
Herkomst datasets
Dat verschil in nauwkeurigheid is niet alleen een technologisch, maar ook een gezondheidsongelijkheid-probleem. Omdat veel datasets afkomstig zijn uit slechts één regio of land, weerspiegelen ze niet de diversiteit van de wereldbevolking. Het gevolg is dat algoritmen onbedoeld bevooroordeeld raken, wat een directe impact heeft op diagnostiek en behandeling.
Om dit probleem op te lossen, ontwikkelde het onderzoeksteam een nieuwe AI-aanpak gebaseerd op de Monk Skin Tone (MST)-schaal. Deze schaal, ontworpen door socioloog dr. Ellis Monk van Harvard University, onderscheidt tien huidtinten en biedt zo een realistischer weergave van menselijke diversiteit. De onderzoekers gebruikten deze schaal om een model te creëren dat huidtinten nauwkeurig kan inschatten en de prestaties van AI-diagnoses kan corrigeren.
MST-AI-methode
Het resultaat is de MST-AI-methode, die werd getest op een grote, publiek toegankelijke collectie van dermatologische beelden van huidkanker. Uit de evaluaties bleek dat MST-AI aanzienlijk betere en betrouwbaardere huidtinschattingen opleverde dan bestaande methoden. Hierdoor kan het model onevenwichtigheden in datasets compenseren, wat leidt tot een eerlijkere en nauwkeurigere diagnose voor alle patiënten, ongeacht hun huidtype.
“Veel onderzoekers streven naar één universeel AI-model dat voor iedereen werkt, maar dat is te kort door de bocht,” zegt Lee. “We moeten juist rekening houden met de unieke eigenschappen van verschillende huidtypen om bias te verminderen en de zorg voor iedereen gelijkwaardig te maken.”
De nieuwe methode is ontwikkeld door een multidisciplinair team van ingenieurs, artsen en datawetenschappers, waaronder Vahid Khalkhali, promovendus in de elektrotechniek, en professor Saroj K. Biswas, beiden van Temple University. Het onderzoek, "MST-AI: Skin Color Estimation in Skin Cancer Datasets," is gepubliceerd in de Journal of Imaging.
Ook voor andere medische disciplines
De impact van deze technologie reikt verder dan alleen de dermatologie. Door AI-systemen te trainen met meer inclusieve data, kunnen diagnostische algoritmen ook in andere medische disciplines eerlijker en effectiever worden ingezet.
Lee besluit: “Onze aanpak laat zien dat AI geen one-size-fits-all oplossing hoeft te zijn. Door technologie af te stemmen op de diversiteit van mensen kunnen we zorgen voor vroegere, nauwkeurigere en rechtvaardigere diagnoses, en dat is een grote stap vooruit voor de wereldwijde gezondheidszorg.”
AI en huidkanker diagnostiek
Vorig jaar ontwikkelden Nigeriaanse wetenschappers een AI-model voor het detecteren van huidkanker. Volgens de wetenschappers is dit model in staat met een zeer hoge nauwkeurigheid (bijna 95%) het type huidkanker te diagnosticeren. De potentiële toepassingen van dit AI-model in klinische omgevingen zijn immens, zo stelden de onderzoekers. Denk aan het stroomlijnen van het diagnostische proces, waardoor niet alleen de zorg voor patiënten verbeterd kan worden, maar ook bespaard wordt op de kosten voor deze zorg.
De integratie van deze technologie in digitale telehealth platforms zou ertoe kunnen bijdragen dat de patiënten ook in minderbedeelde gebieden toegang krijgen tot huidkankerdiagnostiek en de geavanceerde medische zorg die daarbij hoort.
