System AI do uczenia wielozadaniowego wspomagający rozpoznawanie raka podstawnokomórkowego z podwójnym wyjaśnieniem

Dlaczego to ma znaczenie dla codziennego zdrowia skóry

Rak skóry jest najczęstszym nowotworem na świecie, a rak podstawnokomórkowy jest jego najpowszechniejszą postacią. Wraz z rozwojem telemedycyny lekarze rodzinni wysyłają do specjalistów coraz więcej zdjęć skóry, co powoduje wydłużające się kolejki i opóźnienia. W badaniu przedstawiono narzędzie sztucznej inteligencji, które nie tylko wykrywa prawdopodobne przypadki raka podstawnokomórkowego na tych zdjęciach, lecz także pokazuje lekarzom, dlaczego doszło do takiego wniosku — co ułatwia zaufanie i zastosowanie w rzeczywistej praktyce klinicznej.

Jak zdjęcia skóry trafiają dziś przez telemedycynę

W wielu regionach lekarze rodzinni korzystają z teledermatologii, aby przesyłać zbliżenia zmian skórnych do dermatologów szpitalnych. Eksperci szukają zestawu wskazówek wizualnych, takich jak określone kształty, kolory i wzory naczyń krwionośnych, aby zdecydować, czy zmiana to rak podstawnokomórkowy, czy coś niegroźnego. Chociaż podstawowe zasady są dobrze znane, każde przypadek może wyglądać inaczej, a specjaliści muszą przeglądać rosnącą liczbę zdjęć z wielu przychodni, co spowalnia opiekę i obciąża system.

Przekształcenie reguł ekspertów w pomocnego asystenta

Badacze zaprojektowali system AI, który podąża tą samą logiką, co specjaliści. Wyszukuje siedem kluczowych wzorców wizualnych na każdym obrazie dermoskopowym, takich jak owrzodzenie czy liściaste kształty, a także sprawdza wzorzec sugerujący, że zmiana najprawdopodobniej nie jest rakiem podstawnokomórkowym. Zamiast jedynie stwierdzać „nowotwór” lub „brak nowotworu”, narzędzie raportuje, które z tych wzorców wykryto, a następnie stosuje proste reguły oparte na praktyce dermatologów, aby zaklasyfikować zmianę jako prawdopodobny rak lub nie. Takie podejście ułatwia zrozumienie rozumowania komputera.

Szkolenie systemu z wieloma opiniami

Aby nauczyć AI, zespół użył 1 559 zdjęć skóry zebranych z 60 ośrodków podstawowej opieki zdrowotnej w Andaluzji oraz dodatkowych zdjęć nie-nowotworowych z publicznego archiwum. Czterech dermatologów oznaczyło, które z siedmiu wzorców widzi na każdej zmianie, jednak nie istnieje idealne odniesienie dla takich szczegółowych wzorców i specjaliści często się różnią. Badacze zastosowali metodę statystyczną łączącą te różne opinie w pojedynczą etykietę konsensusu dla każdego obrazu, co odzwierciedla wspólny osąd grupy przy zmniejszeniu wpływu pojedynczych uprzedzeń.

Czego AI się nauczyła

Rdzeniem systemu jest kompaktowa sieć rozpoznawania obrazów, zaadaptowana z dobrze znanej architektury mobilnej. Została wytrenowana do jednoczesnego wykonywania dwóch zadań: rozróżniania raka podstawnokomórkowego od innych zmian oraz wykrywania wzorców wizualnych wspierających tę decyzję. Aby poradzić sobie z rzadkimi wzorcami i nierównomiernym zbiorem danych, zespół zastosował techniki takie jak zaawansowane funkcje straty, augmentacja danych i staranna walidacja krzyżowa. Efektem jest model, który poprawnie klasyfikuje zmiany jako rak podstawnokomórkowy lub nie w około 90% przypadków i jednocześnie dobrze wykrywa istotne wzorce wizualne stanowiące podstawę tej decyzji.

Widzienie, gdzie patrzy AI

Ponadto system dostarcza mapy kolorystyczne, które podkreślają obszary obrazu najbardziej odpowiedzialne za jego decyzję. Aby sprawdzić, czy te mapy rzeczywiście odpowiadają klinicznemu myśleniu, dermatolodzy starannie obrysowali obszary wzorców na setkach zdjęć. Badacze porównali wtedy zaznaczone przez AI strefy z tymi obrysami i stwierdzili, że większość „uwagi” modelu przypada w obrębie tych samych regionów, które eksperci uznają za ważne. W niemal wszystkich przypadkach z potwierdzonym rakiem przynajmniej jeden istotny wzorzec został prawidłowo zidentyfikowany, a w większości przypadków bez raka przestrzegano oczekiwanej reguły „bezpiecznego” wzorca.

Co to oznacza dla pacjentów i lekarzy

W sumie wyniki pokazują, że kompaktowe narzędzie AI może pomóc w segregacji zmian skórnych w teledermatologii, jednocześnie dostarczając jasnych, klinicznie istotnych powodów swoich wyborów. Nie zastępuje dermatologów, ale może wskazywać, które przypadki powinny być ocenione w pierwszej kolejności i ukazywać wskazówki wizualne stojące za swoimi alertami. Ponieważ system działa na lekkim sprzęcie i odzwierciedla rozumowanie specjalistów, nadaje się do szybkiego wdrożenia w sieciach podstawowej opieki, z potencjałem przyspieszenia diagnozy, wspierania nauki i zwiększania zaufania do opieki nad rakiem skóry wspomaganej AI.

Cytowanie: Matas, I., Serrano, C., Silva-Clavería, F. et al. MultiTask learning AI system to assist BCC diagnosis with dual explanation. Sci Rep 16, 15652 (2026). https://doi.org/10.1038/s41598-026-40229-8

Słowa kluczowe: rak podstawnokomórkowy, teledermatologia, wyjaśnialna AI, obrazowanie zmian skórnych, dermoskopia