сгенерировать QR код
Открытый доступ
Только для подписчиков
Диагностика меланомы кожи с помощью искусственного интеллекта с применением программы компьютерного зрения
https://doi.org/10.30629/0023-2149-2025-103-7-540-545
Аннотация
Проведено исследование эффективности применения программы для визуальной идентификации меланомы кожи «Melanoma Check» (приложение для смартфона), которое показало высокую точность при определении вероятности наличия у пациента меланомы кожи. Диагностическая точность программы составила 88%, чувствительность — 77%, специфичность — 91%, доля ложноположительных результатов — 9,2%, доля ложноотрицательных результатов — 23,1%. В связи с широким распространением смартфонов современная технология на основе искусственного интеллекта дает возможность раннего выявления меланомы кожи на первичном осмотре у врача общей практики и терапевта, особенно в медицинских организациях в регионах с недостатком или отсутствием врачей-дерматовенерологов и врачей-онкологов.
Об авторах
А. И. Ламоткин
АНО ДПО «Московский медико-социальный институт им. Ф.П. Гааза» ; ФГБУ «Центральный научно-исследовательский институт организации и информатизации здравоохранения» Минздрава России
Россия
Россия
Ламоткин Андрей Игоревич — ассистент кафедры внутренних болезней с курсами семейной медицины, функциональной диагностики, инфекционных болезней, профессиональных болезней медицинского факультета; специалист отдела мониторинга и анализа мероприятий федерального проекта «Борьба с онкологическим заболеваниями»
Москва
Д. И. Корабельников
АНО ДПО «Московский медико-социальный институт им. Ф.П. Гааза» ; ФГКУ «1586 Военный клинический госпиталь» Минобороны России
Россия
Россия
Корабельников Даниил Иванович — канд. мед. наук, доцент, заведующий кафедрой внутренних болезней с курсами семейной медицины, функциональной диагностики, инфекционных болезней, профессиональных болезней медицинского факультета, ректор
Москва; Подольск
И. А. Ламоткин
ФГБУ «Главный военный клинический госпиталь им. академика Н.Н. Бурденко» Минобороны России ; ФГБОУ ВО «Российский биотехнологический университет (РОСБИОТЕХ)»
Россия
Россия
Ламоткин Игорь Анатольевич — д-р мед. наук, профессор, заведующий кожно-венерологическим отделением; профессор кафедры кожных и венерических болезней с курсом косметологии медицинского института непрерывного образования
Москва
Список литературы
1. Bajwa J., Munir U., Nori A., Williams B. Artificial intelligence in healthcare: transforming the practice of medicine. Future Healthc J. 2021;8(2):e188–e194. DOI: 10.7861/fhj.2021-0095. PMID: 34286183; PMCID: PMC8285156
2. Ламоткин А.И., Корабельников Д.И., Ламоткин И.А., Лившиц С.А., Перевалова Е.Г. Искусственный интеллект в здравоохранении и медицине: история ключевых событий, его значимость для врачей, уровень развития в разных странах. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2024;17(2):243–250. DOI: 10.17749/2070-4909/farmakoekonomika.2024.254
3. Куракова Н. Г., Цветкова Л. А., Черченко О.В. Технологии искусственного интеллекта в медицине и здравоохранении: позиции России на глобальном патентном и публикационном ландшафте. Врач и информационные технологии. 2020;2:81– 100. DOI: 10.37690/1811-0193-2020-2-81-100
4. Janda M., Soyer H.P. Can clinical decision making be enhanced by artificial intelligence? Br. J. Dermatol. 2019;180(2):247–248. DOI: 10.1111/bjd.17110. PMID: 30714102
5. Zaar O., Larson A., Polesie S., Saleh K., Tarstedt M., Olives A. et al. Evaluation of the Diagnostic Accuracy of an Online Artificial Intelligence Application for Skin Disease Diagnosis. Acta Derm. Venereol. 2020;100(16):adv00260. DOI: 10.2340/00015555-3624. PMID: 32852557; PMCID: PMC9234984
6. Buechi R., Faes L., Bachmann LM., Thiel MA., Bodmer NS., Schmid MK. et al. Evidence assessing the diagnostic performance of medical smartphone apps: a systematic review and exploratory meta-analysis. BMJ Open. 2017;7(12):e018280. DOI: 10.1136/bmjopen-2017-018280. PMID: 29247099; PMCID: PMC5735404
7. Harskamp R.E., deVijlder H.C., Bekkenk M.W. Smartphone-apps voor zelfdiagnostiek van huidkanker [Smartphone apps for selfdiagnosis of skin cancer]. Ned. Tijdschr. Geneeskd. 2022;166:D5986. Dutch. PMID: 35138703.
8. Kränke T., Tripolt-Droschl K., Röd L., Hofmann-Wellenhof R., Koppitz M., Tripolt M. New AI-algorithms on smartphones to detect skin cancer in a clinical setting-A validation study. PLoS One. 2023;18(2):e0280670. DOI: 10.1371/journal.pone.0280670. PMID: 36791068; PMCID: PMC9931135
9. Kong FW., Horsham C., Ngoo A., Soyer HP., Janda M. Review of smartphone mobile applications for skin cancer detection: what are the changes in availability, functionality, and costs to users over time? Int. J. Dermatol. 2021;60(3):289–308. DOI: 10.1111/ijd.15132. PMID: 32880938
10. Ferlay J., Colombet M., Soerjomataram I. et al. Cancer incidence and mortality patterns in Europe: Estimates for 40 countries and 25 major cancers in 2018. Eur. J. Cancer. 2018;103:356–87. DOI: 10.1016/j.ejca.2018.07.005
11. World Cancer Research Fund. [Electronic resource]. URL: Wcrf.org/dietandcancer/cancer-trends/skin-cancer-statistics (дата обращения 19.09.2024).
12. Skin Cancer. [Electronic resource]. URL: https://www.aad.org/media/stats-skin-cancer (дата обращения 19.09.2024).
13. Xie F., Fan H., Li Y., Jiang Z., Meng R., Bovik A. Melanoma Classification on Dermoscopy Images Using a Neural Network Ensemble Model. IEEE Trans. Med. Imaging. 2017;36(3):849–858. DOI: 10.1109/TMI.2016.2633551. PMID: 27913337
14. Cancer Stat Facts: Melanoma of the Skin. [Electronic resource]. URL: https://seer.cancer.gov/statfacts/html/melan.html (дата обращения 04.06.2024).
15. Melanoma: Statistics. [Electronic resource]. URL: https://www.cancer.net/cancer-types/melanoma/statistics (дата обращения 19.09.2024).
16. Свидетельство о государственной регистрации программы для ЭВМ № 2024668565 РФ. Программа для визуальной идентификации меланомы кожи «Melanoma check»: 2024668246. Заявлено: 08.08.2024: опубликовано 08.08.2024 Бюл. №8 / Ламоткин А.И., Ламоткин И.А., Корабельников Д.И.; правообладатель АНО ДПО «Московский медико-социальный институт им. Ф.П. Гааза». Зарегистрировано в Реестре программ для ЭВМ.
17. Ламоткин И.А. Опухоли и опухолеподобные поражения кожи: Атлас. М.: БИНОМ. Лаборатория знаний, 2006.
18. Ламоткин И.А. Клиническая дерматоонкология: атлас. М.: БИНОМ. Лаборатория знаний, 2011.
19. Ламоткин И.А. Меланоцитарные и меланиновые поражения кожи: Учебное пособие. Атлас. М.: БИНОМ, 2014.
20. Ламоткин И. А. Онкодерматология: атлас. Учебное пособие. Лаборатория знаний, 2017.
21. WHO classification of skin tumors, 4th edition, Volume 11/Edited by Elder D.E., Massi D., Scolyer R.A., Willemze R. International Agency for Research on Cancer. Lyon, 2018.
22. Carr S., Smith C., Wernberg J. Epidemiology and Risk Factors of Melanoma. Surg. Clin. North Am. 2020;100(1):1–12. DOI: 10.1016/j.suc.2019.09.005. Epub 2019 Nov 4. PMID: 31753105.
23. Saginala K., Barsouk A., Aluru JS., Rawla P., Barsouk A. Epide miology of Melanoma. Med. Sci. (Basel). 2021;9(4):63. DOI: 10.3390/medsci9040063. PMID: 34698235; PMCID: PMC8544364.
24. Бахарева Ю.О., Тараканова В.О., Рубаняк М.Ю., Каменских Е.М. Меланома кожи (C43): анализ тенденций заболеваемости и смертности в свете пандемии COVID-19, молекулярная эпидемиология. Вопросы онкологии. 2023; 69(4):631-638 DOI 10.37469/0507-3758-2023-69-4-631-638
25. Garrison Z.R., Hall C.M., Fey R.M., Clister T., Khan N., Nichols R., Kulkarni R.P. Advances in Early Detection of Melanoma and the Future of At-Home Testing. Life (Basel). 2023;13(4):974. DOI: 10.3390/life13040974. PMID: 37109503; PMCID: PMC10145469.
26. Elliott T.M., Whiteman D.C., Olsen C.M., Gordon L.G. Estimated Healthcare Costs of Melanoma in Australia Over 3 Years Post-Diagnosis. Appl. Health Econ. Health Policy. 2017;15(6):805–816. DOI: 10.1007/s40258-017-0341-y
27. Serra-Arbeloa P., Rabines-Juárez Á.O., Álvarez-Ruiz M.S., Guillén-Grima F. Cost of Cutaneous Melanoma by Tumor Stage: A Descriptive Analysis. Actas Dermosifiliogr. 2017;108(3):229–236. English, Spanish. DOI: 10.1016/j.ad.2016.09.010
28. Chuchu N., Takwoingi Y., Dinnes J., Matin R.N., Bassett O., Moreau J.F. et al. Smartphone applications for triaging adults with skin lesions that are suspicious for melanoma. Cochrane Database Syst. Rev. 2018;12(12):CD013192. DOI: 10.1002/14651858.CD013192
29. Phillips M., Greenhalgh J., Marsden H., Palamaras I. Detection of malignant melanoma using artificial intelligence: An observational study of diagnostic accuracy. Dermatol. Pract. Concept. 2019;10(1):e2020011. DOI: 10.5826/dpc.1001a11
30. Brinker T.J, Hekler A., Enk A.H., Klode J., Hauschild A., Berking C. et al. A convolutional neural network trained with dermoscopic images performed on par with 145 dermatologists in a clinical melanoma image classification task. Eur. J. Cancer. 2019;111:148– 54. DOI: 10.1016/j.ejca.2019.02.005
31. Неретин Е.Ю., Титов К.С., Запиров Г.М. Первичная ранняя диагностика меланомы кожи после индивидуального обучения врачей. Клиническая дерматология и венерология. 2023;22(1):99– 105. DOI: 10.17116/klinderma20232201199
Рецензия
Для цитирования:
Ламоткин А.И., Корабельников Д.И., Ламоткин И.А. Диагностика меланомы кожи с помощью искусственного интеллекта с применением программы компьютерного зрения. Клиническая медицина. 2025;103(7):540-545. https://doi.org/10.30629/0023-2149-2025-103-7-540-545
For citation:
Lamotkin A.I., Korabelnikov D.I., Lamotkin I.A. Diagnosis of skin melanoma using artificial intelligence using the computer vision program. Clinical Medicine (Russian Journal). 2025;103(7):540-545. (In Russ.) https://doi.org/10.30629/0023-2149-2025-103-7-540-545
Просмотров:
14
Послать статью по эл. почте 