Analiza skóry AI vs. dermatolog: co jest dokładniejsze?
Porównanie narzędzi do analizy skóry AI z dermatologami, w czym są dobre, w czym zawodzą i jak mogą wpasować się w twoje inteligentne nawyki monitorowania skóry
Analiza skóry AI to wykorzystanie algorytmów uczenia maszynowego, zazwyczaj głębokich sieci neuronowych trenowanych na dużych zbiorach danych obrazowych, do identyfikacji dolegliwości skórnych na podstawie zdjęć. Narzędzia te obejmują szeroki zakres, od aplikacji na smartfony, które klasyfikują znamiona, po systemy klasy klinicznej, które pomagają dermatologom w diagnozie. W pewnych wąskich zadaniach ich dokładność dorównuje już certyfikowanym specjalistom.
Wizja jest kusząca: kierujesz telefon na znamię i uzyskujesz natychmiastową ocenę. Rzeczywistość jest jednak bardziej skomplikowana, niż sugeruje jakikolwiek opis w sklepie z aplikacjami. AI radzi sobie doskonale w kontrolowanych warunkach, a w innych zawodzi, a przepaść między artykułem naukowym a lustrem w twojej łazience jest większa, niż większość ludzi sobie wyobraża.
Najważniejsze wnioski:
- AI dorównuje lub przewyższa dokładność dermatologów w określonych zadaniach, takich jak klasyfikacja czerniaka, ale tylko wtedy, gdy jest testowana na tych samych typach obrazów, na których była trenowana
- Aplikacje do analizy skóry na smartfony nie mają spójnej walidacji klinicznej, a większość z nich nie została zatwierdzona przez organy regulacyjne
- AI działa znacznie gorzej na ciemniejszych odcieniach skóry z powodu danych treningowych, które w przeważającej mierze obejmują jaśniejszą karnację
- Najskuteczniejsze wykorzystanie AI to rola narzędzia wspomagającego decyzje dermatologa, a nie jego zastępcy
- Najlepsze, co możesz zrobić, to używać narzędzi AI do śledzenia zmian i budowania świadomości, a diagnozę pozostawić dermatologowi
Jak dokładna jest AI w diagnozowaniu dolegliwości skórnych?
W kontrolowanych warunkach badawczych AI radzi sobie dobrze. Naprawdę dobrze. W badaniu z 2017 roku wytrenowano splotową sieć neuronową na 129 450 obrazach klinicznych obejmujących 2032 choroby skóry i osiągnięto dokładność klasyfikacji porównywalną z 21 certyfikowanymi dermatologami 1. Przegląd systematyczny obejmujący badania z lat 2013-2023 wykazał, że AI nie była gorsza lub przewyższała dermatologów w 30 z 34 badań, z łączną czułością 86% i swoistością 94% w wykrywaniu czerniaka 2. Te liczby są imponujące. Ale jest przy nich gwiazdka: te wyniki odzwierciedlają skuteczność na starannie dobranych zbiorach danych badawczych, a nie na nieostrych, słabo oświetlonych zdjęciach, które robisz w swojej łazience.
Czy aplikacje do analizy skóry działają tak dobrze, jak sugerują badania?
Jeszcze nie. Przegląd systematyczny aplikacji na smartfony opartych na algorytmach wykazał, że obecne narzędzia „nie mogą być uznawane za wiarygodne w wykrywaniu wszystkich przypadków czerniaka” oraz że ich skuteczność w świecie rzeczywistym jest prawdopodobnie gorsza niż ta podawana w artykułach naukowych 3. Tylko pięć aplikacji dermatologicznych miało dowody naukowe w postaci recenzowanych publikacji, a zaledwie cztery ujawniły swój status zatwierdzenia przez organy regulacyjne 4. Jedna z komercyjnie dostępnych aplikacji, SkinVision, osiągnęła 80% czułości i 78% swoistości w badaniach, ale niezależna analiza określiła jej dokładność w porównaniu z zaleceniami ekspertów jako niską. Różnica między testem laboratoryjnym a aparatem w twoim telefonie we wtorkowy poranek jest realna i ma znaczenie.
Czy AI działa tak samo dobrze na wszystkich odcieniach skóry?
Nie, i jest to jeden z największych nierozwiązanych problemów w dermatologii AI. Badania pokazują, że najnowocześniejsze modele działają znacznie gorzej na ciemniejszych odcieniach skóry i w przypadku rzadkich chorób 5. Główną przyczyną są dane treningowe: większość zbiorów obrazów używanych do budowy tych systemów w przeważającej mierze reprezentuje jaśniejszą skórę, co oznacza, że algorytmy po prostu widziały mniej przykładów dolegliwości występujących na ciemnej skórze 6. Przegląd zakresowy potwierdził systematyczne niedostateczne zgłaszanie i niedostateczną reprezentację różnych typów skóry w badaniach nad uczeniem maszynowym w zakresie wykrywania raka skóry 7. Dostrajanie modeli na bardziej zróżnicowanych zbiorach obrazów zamyka tę lukę w wydajności, ale dopóki nie stanie się to standardową praktyką, analiza skóry AI niesie ze sobą wbudowany problem z równością.
| Czynnik | Analiza skóry AI | Dermatolog |
|---|---|---|
| Czułość w wykrywaniu czerniaka | ~86% (łączna) | ~91% (doświadczony) |
| Działa na wszystkich odcieniach skóry | Ograniczone przez dane treningowe | Zależy od doświadczenia lekarza |
| Świadomość kontekstu | Tylko obraz | Pełna historia medyczna, dotyk, kontekst |
| Dostępność | 24/7, na każdym smartfonie | Wymagana wizyta, kilkutygodniowe oczekiwanie |
| Koszt | Darmowe lub tanie | Zależny od ubezpieczenia, często ponad 100 $ |
| Nadzór regulacyjny | Głównie nieuregulowane | Certyfikowany, z licencją |
Kiedy zaufać AI bardziej niż dermatologowi (i na odwrót)?
AI jest najsilniejsza jako narzędzie do badań przesiewowych i monitorowania. Jeśli chcesz monitorować znamię w czasie, oznaczyć coś, co wygląda podejrzanie, lub uzyskać dodatkowe dane przed umówieniem wizyty, to właśnie w tych zastosowaniach narzędzia te się sprawdzają. Na przykład Skin Bliss Face Scanner używa AI do tworzenia spersonalizowanego profilu skóry i śledzenia zmian w czasie. Daje ci dane, które możesz przynieść swojemu dermatologowi, zamiast zastępować wizytę.
Tym, czego brakuje AI, jest niuans. Dermatolog dotyka twojej skóry, pyta o leki, które przyjmujesz, i bierze pod uwagę twoją historię rodzinną. Model AI, który nigdy wcześniej cię nie widział, przetwarza piksele. W przypadku czegokolwiek niepokojącego – zmiany, która zmieniła kształt, kolor lub rozmiar – ludzki ekspert pozostaje standardem opieki.
Czy AI i dermatolodzy mogą skutecznie współpracować?
Tak, a połączenie to daje lepsze wyniki niż każde z nich osobno. Badanie dotyczące wyjaśnialnej AI wykazało, że gdy dermatolodzy używali AI jako narzędzia wspomagającego decyzje, ich zrównoważona dokładność diagnostyczna poprawiła się o 2,8 punktu procentowego w porównaniu z używaniem standardowej AI lub brakiem AI w ogóle 8. Algorytmy komputerowe w zawodach International Skin Imaging Collaboration osiągnęły wyższe pole pod krzywą (0,87) niż dermatolodzy (0,74) w klasyfikacji czerniaka, ale klinicyści nadal przewyższali AI, gdy mieli dostęp do kontekstu klinicznego 9. AI jest użytecznym współpracownikiem. Traktowanie jej w ten sposób przynosi lepsze rezultaty niż traktowanie jej jako zbawienia lub sztuczki.
Często zadawane pytania
Czy aplikacja AI może zastąpić mojego dermatologa?
Nie. Obecnym aplikacjom do analizy skóry AI brakuje spójnej walidacji klinicznej i nie mogą one uwzględniać twojej historii medycznej, interakcji leków ani informacji dotykowych, które dermatolog zbiera podczas badania. Najlepiej używać ich do monitorowania i budowania świadomości, a nie do ostatecznej diagnozy.
Czy aplikacje do analizy skóry AI są regulowane?
Większość nie jest. Przegląd komercyjnie dostępnych aplikacji dermatologicznych AI wykazał, że tylko cztery ujawniły swój status zatwierdzenia przez FDA lub oznaczenia CE 4. Oznacza to, że wiele aplikacji, które twierdzą, że stawiają diagnozy, nie zostało niezależnie zweryfikowanych pod kątem bezpieczeństwa ani dokładności.
Dlaczego AI działa gorzej na ciemniejszej skórze?
Modele AI uczą się na podstawie danych treningowych, a zbiory danych używane w badaniach dermatologicznych w przeważającej mierze zawierają obrazy jaśniejszych odcieni skóry 6. Mając mniej przykładów dolegliwości na ciemnej skórze, algorytmy mają mniej informacji, na których mogą się oprzeć, co zmniejsza ich dokładność dla tych typów skóry.
Jak mogę odpowiedzialnie korzystać z narzędzi AI do analizy skóry?
Używaj ich do śledzenia zmian w czasie i do oznaczania problemów, które chcesz omówić z profesjonalistą. Nie traktuj wyniku z aplikacji jako powodu do pominięcia wizyty u dermatologa, zwłaszcza w przypadku nowych, zmieniających się lub objawowych zmian skórnych. Przynieś swoje dane ze śledzenia AI na następną wizytę, aby twój lekarz miał więcej informacji do pracy.
Sources
- Esteva A, Kuprel B, Novoa RA, et al. (2017). "Dermatologist-level classification of skin cancer with deep neural networks." *Nature*.
- Diagnostic accuracy of artificial intelligence compared to family physicians and dermatologists for skin conditions: a systematic review and meta-analysis. (2025).
- Freeman K, Dinnes J, Chuchu N, et al. (2020). "Algorithm based smartphone apps to assess risk of skin cancer in adults: systematic review of diagnostic accuracy studies." *BMJ*.
- Current State of Dermatology Mobile Applications With Artificial Intelligence Features. (2024).
- Daneshjou R, Vodrahalli K, Novoa RA, et al. (2022). "Disparities in dermatology AI performance on a diverse, curated clinical image set." *Sci Adv*.
- Wen D, Khan SM, Ji Xu A, et al. (2022). "Bias in, bias out: Underreporting and underrepresentation of diverse skin types in machine learning research for skin cancer detection." *J Am Acad Dermatol*.
- Marchetti MA, Codella NCF, Dusza SW, et al. (2019). "Computer algorithms show potential for improving dermatologists' accuracy to diagnose cutaneous melanoma." *J Am Acad Dermatol*.
- Dermatologist-like explainable AI enhances melanoma diagnosis accuracy: eye-tracking study. (2025).
- Marchetti MA, Codella NCF, Dusza SW, et al. (2019). "Computer algorithms show potential for improving dermatologists' accuracy to diagnose cutaneous melanoma: Results of the ISIC 2017." *J Am Acad Dermatol*.
