Ros-net, kan een computer straks bepalen of je rosacea hebt?

Ik heb een beetje een vreemd onderzoek gevonden:

Nemen we straks allemaal een selfie en weet onze telefoon dan of we rosacea hebben? Misschien wel. Maar het nut en de noodzaak voor zoiets ontgaan mij nog een beetje. Nu gaan we naar de huisarts, die al dan niet vaststelt dat we rosacea hebben. We krijgen gelijk wat middeltjes mee om uit te proberen, want ja, niet alle gangbare medicijnen zijn effectief en zeker niet voor iedereen.

Straks nemen we een selfie?, stelt de computer vast of we rosacea hebben en vervolgens gaan we met onze selfie naar de dokter om middeltjes te halen die al dan niet werken. Hmmm. :

Uit een recent door NRS gefinancierd onderzoek is gebleken dat een computerondersteunde rosacea-analysetool de mogelijkheid biedt om de visuele beoordelingspraktijken te verbeteren die dermatologen gebruiken om de aandoening te evalueren. Dit eerste onderzoek vergroot de kans dat artsen en patiënten met rosacea op een dag toegang hebben tot technologie die minder subjectief en minder variabel is dan de meest gebruikelijke diagnostische methoden van vandaag.

Onder leiding van Dr. Benjamin Kaffenberger verzamelde het team van zes onderzoekers van de Afdeling Dermatologie van de Ohio State University en de Wake Forest School of Medicine afbeeldingen, klinische bevindingen en demografische gegevens van 166 rosacea-patiënten, evenals drie tot vijf fotografische hoeken van elke patiënt . De onderzoekers wilden aanvankelijk een algoritme bouwen dat lijkt op een algoritme dat ze eerder hadden ontwikkeld voor acne, maar dankzij de vooruitgang in computertechnologie konden ze kunstmatige intelligentie gebruiken om een ​​”deep learning” -algoritme te creëren dat specifiek op rosacea was gericht.

Het algoritme, genaamd “Ros-NET”, is gebaseerd op digitale afbeeldingen die zijn gemaakt met natuurlijk wit licht en heeft geen hulp nodig bij het lokaliseren van gebieden die zijn getroffen door rosacea. In plaats daarvan gebruikt het algoritme natuurlijke gezichtskenmerken om gezichtsgrenzen te bepalen en verlichtingskenmerken om rosacea-gevoelige gebieden te identificeren. De onderzoekers gebruikten meer dan 1 miljoen patiëntbeelden uit bestaande databases om de detectiemogelijkheden van het algoritme te trainen en te verfijnen.

Het Ros-NET-systeem kon rosacea 88-90% van de tijd nauwkeurig identificeren. Onderzoekers merkten echter op dat het huidige raamwerk de soorten symptomen of laesies niet kan bepalen en de getroffen gebieden niet in detail kan beschrijven. Verder werk aan het algoritme zou deze factoren moeten helpen verbeteren, zeiden ze.

De wetenschappers merkten op dat de grootste behoefte aan toekomstige ontwikkeling van computerondersteunde rosacea-diagnose aanvullende patiëntbeelden en grotere identificatienauwkeurigheid zijn, waaronder het gebruik van een grotere diversiteit aan patiëntbeelden, huidtypes, rosacea-types en uiteenlopende ernst.

Ik vroeg mij af wat de onderzoekers heeft bewogen, behalve een zak met geld, om een dergelijk algoritme te ontwikkelen. En ben op zoek gegaan naar de reden.

https://pubmed.ncbi.nlm.nih.gov/31849118/

 

De diagnose van rosacea wordt voornamelijk gedaan door een lichamelijk onderzoek en een consistente anamnese. Kwalitatieve menselijke beoordeling is echter vaak subjectief en lijdt aan een relatief hoge intra- en inter-waarnemer variabiliteit bij het evalueren van patiëntuitkomsten.

 

 

 

Kortom, de beoordeling van mensen is niet erg betrouwbaar.

Jammer dat diezelfde kwalitatieve menselijke beoordeling wordt gebruikt om het algoritme te vullen en te beoordelen.

Ik had liever gezien dat ze hun geld, tijd en energie staken in iets dat werkt om het probleem op te lossen.

Wie weet ben ik veel te kritisch en lost dit straks een enorm probleem op. Ik ben heel benieuwd naar je mening.

Plaats een reactie

drie × drie =