Система ИИ с MultiTask-обучением для помощи в диагностике БКК с двойным объяснением

Почему это важно для повседневного здоровья кожи

Рак кожи — самый распространённый вид рака в мире, и базальноклеточный рак является его наиболее частой формой. По мере расширения телемедицины семейные врачи отправляют специалистам в больницы всё больше фотографий кожи, чем когда‑либо прежде, что создаёт очереди и задержки. В этом исследовании представлен инструмент искусственного интеллекта, который не только обнаруживает вероятные случаи базальноклеточного рака на таких изображениях, но и показывает врачам, почему он пришёл к такому заключению, что облегчает доверие и использование в реальных клиниках.

Как сегодня передачи фотоснимков кожи проходят через телемедицину

Во многих регионах семейные врачи используют теледерматологию, чтобы отправлять крупные планы поражений кожи больничным дерматологам. Эти специалисты ищут набор визуальных подсказок, таких как определённые формы, цвета и узоры сосудов, чтобы решить, является ли пятно базальноклеточной карциномой или безвредным образованием. Хотя базовые правила хорошо известны, каждый случай может выглядеть довольно по‑разному, и специалистам приходится просматривать всё возрастающий поток изображений из многих клиник, что замедляет помощь и создаёт нагрузку на систему.

Преобразование экспертных правил в полезного помощника

Исследователи спроектировали систему ИИ, которая следует той же логике, что и специалисты. Она ищет семь ключевых визуальных паттернов в каждом дермоскопическом изображении, таких как изъязвление или листовидные очертания, а также проверяет наличие паттерна, указывающего на то, что поражение вряд ли является базальноклеточным раком. Вместо простого ответа «рак» или «не рак» инструмент сообщает, какие из этих паттернов он обнаружил, а затем использует простые правила, основанные на практике дерматологов, чтобы объявить поражение вероятным раком или нет. Такой подход делает рассуждение компьютера более понятным.

Обучение системы на мнениях многих экспертов

Для обучения ИИ команда использовала 1 559 изображений кожи, собранных в 60 центрах первичной помощи в Андалусии, а также дополнительные изображения без рака из публичного архива. Четверо дерматологов отмечали, какие из семи паттернов они видят в каждом поражении, но для этих тонких паттернов не существует совершенного эталона, и специалисты часто расходятся во мнениях. Исследователи применили статистический метод, чтобы объединить эти разные мнения в единую консенсусную метку для каждого изображения, зафиксировав общую оценку группы и уменьшая влияние индивидуальных предубеждений.

Чему научился ИИ

Ядром системы является компактная сеть распознавания изображений, адаптированная из известной мобильной архитектуры. Её обучают одновременно для двух задач: отделять базальноклеточный рак от других поражений и обнаруживать визуальные паттерны, обосновывающие это решение. Чтобы справиться с редкими паттернами и несбалансированностью датасета, команда применила такие приёмы, как продвинутые функции потерь, аугментацию данных и тщательную кросс‑валидацию. В результате получена модель, которая правильно классифицирует поражения как базальноклеточный рак или нет примерно в 90% случаев и при этом хорошо выделяет ключевые визуальные признаки, лежащие в основе этого решения.

Где ИИ «смотрит»

Кроме списков паттернов, система предоставляет цветные карты, выделяющие области изображения, которые наиболее влияют на её решение. Чтобы проверить, действительно ли эти карты соответствуют клиническому мышлению, дерматологи тщательно обвели зоны паттернов на сотнях изображений. Затем исследователи сравнили выделенные ИИ зоны с этими контурами и обнаружили, что большая часть «внимания» модели попадает в те же области, которые считают важными эксперты. В почти всех случаях с положительным результатом рака по меньшей мере один релевантный паттерн был правильно идентифицирован, и в большинстве случаев без рака соблюдалось ожидаемое правило «безопасного» паттерна.

Что это значит для пациентов и врачей

В совокупности результаты показывают, что компактный инструмент ИИ может помочь сортировать поражения кожи в теледерматологии, одновременно предоставляя ясные, клинически значимые объяснения своих решений. Он не заменяет дерматологов, но может выделять случаи, которые следует посмотреть в первую очередь, и показывать визуальные подсказки, стоящие за его предупреждениями. Поскольку система работает на лёгком оборудовании и отражает рассуждения специалистов, она хорошо подходит для быстрого внедрения в сети первичной помощи, с потенциальной возможностью ускорить диагностику, поддержать обучение и повысить доверие к ИИ‑помощи в уходе за раком кожи.

Цитирование: 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

Ключевые слова: базальноклеточный рак, теледерматология, объяснимый ИИ, визуализация поражений кожи, дермоскопия