Het diagnostiseren
van gepigmenteerde huidlesies is gebaseerd op visuele waarneming door experts. Het
is denkbaar dat machine-learning algoritmen (MLAs) gepigmenteerde huidlesies
tenminste even accuraat kunnen onderscheiden als menselijke experts. Een
multinationale studie heeft MLAs op dit punt vergeleken met menselijke experts.
Dr. Philipp Tschandl (Medische Universiteit van Wenen) en collega’s publiceren de
studie online in The Lancet Oncology.1
Deelnemers
aan de studie waren 511 mensen in 63 landen (283 dermatologen, 118 dermatologen
in opleiding, en 83 general practicioners)
en 139 MLAs die waren geconstrueerd door 77 machine-learning centra. De
deelnemers beoordeelden 30 images uit een test-set van 1511, die zeven vooraf
gedefinieerde ziektecategorieën representeerden (intra-epitheliaal carcinoom,
basaal celcarcinoom, benigne keratinocytische lesies, dermatofibroom, melanoom,
melanocytische nevus, en vasculaire lesies).
Bij
vergelijking van de perfomance van alle menselijke beoordelaars met alle MLAs
hadden de MLAs gemiddeld 2,01 (p<0,001) van 30 meer correcte diagnosen
(17,91 versus 19,92). De 27 mensen met meer dan tien jaar ervaring hadden
gemiddeld 18,78 (SD 3,15) correcte diagnosen, vergeleken met 25,43 (SD 1,95)
voor de top-drie MLAs (p<0,0001). Het verschil in performance tussen mensen
en de top-drie MLAs was significant lager voor images in de test-set die
afkomstig waren van bronnen die niet in de training-set waren opgenomen (underperfomance
door mensen 3,6% versus 11,4%; p<0,0001).
De
onderzoekers concluderen dat MLAs significant meer accuraat gepigmenteerde
huidlesies diagnostiseerden dan menselijke experts. Een mogelijke beperking van
de MLAs is hun afnemende performance voor out-of-distribution
images.
1.Tschandl
P, Codella N, Akay BN et al. Comparison
of the accuracy of human readers versus machine-learning algorithms for
pigmented skin lesion classification: an open, web-based, international,
diagnostic study. Lancet Oncol 2019; epub ahead of print
Summary: A multinational study found
that state-of-the-art machine-learning classifiers outperformed human experts
in the diagnosis of pigmented skin lesions; a possible limitation of these
algorithms is their decreased performance for out-of-distribution images.
Commentaren
Reageren op dit artikel is mogelijk na registratie. (Login)