Tekoäly ihosyövän havaitsemisessa: Puutteita tummaihoisten kohdalla

Uudet tekoälypohjaiset työkalut lupaavat auttaa ihmisiä tunnistamaan mahdolliset ihosyövät kotona tai lääkärien avuksi. Näiden työkalujen tarkkuus kuitenkin vaihtelee merkittävästi ihonvärin mukaan, mikä vaarantaa tummaihoisten potilaiden hoidon.

Tekoälymallit oppivat tunnistamaan sairauksia visuaalisten piirteiden perusteella. Tutkimukset ovat osoittaneet, että mallit, jotka on koulutettu pääasiassa vaaleaihoisten potilaiden kuvilla, menettävät tarkkuutta, kun niille esitetään tummaihoisten potilaiden kuvia. Tämä johtuu siitä, että tekoäly saattaa virheellisesti käyttää ihon väriä oikotienä diagnoosin tekemisessä sen sijaan, että se keskittyisi itse ihomuutoksen ominaisuuksiin.

Esimerkiksi atooppisen ekseeman kaltaiset tilat voivat näyttää vaalealla iholla erilaisilta kuin tummalla iholla. Tekoäly saattaa tunnistaa vaalean ihon oireet luotettavasti, mutta jättää huomiotta tummalla iholla ilmenevät vastaavat oireet. Tämä ero voi johtaa siihen, että tummaihoiset potilaat saavat huonompaa hoitoa, mikä on erityisen ongelmallista, koska esimerkiksi melanooma on vaikeampi havaita pigmentoituneella iholla.

Tutkijat ovat havainneet, että jopa suuret kielimallit, kuten GPT-4, voivat luokitella hyvänlaatuisen luomen maliniksi, jos se esitetään tummempaa ihon väriä vasten. Tämä voi aiheuttaa tarpeetonta huolta tai jättää hengenvaaralliset syövät huomaamatta.

Tekoälyn koulutusaineistojen epätasapaino on keskeinen syy tähän vinoumaan. Lääketieteelliset kuvatietokannat ja oppikirjat ovat historiallisesti sisältäneet enemmän kuvia vaaleaihoisista potilaista. Tämän korjaamiseksi tarvitaan monipuolisempia kuvatietokantoja, jotka sisältävät runsaasti kuvia eri-ihonsävyisistä potilaista. Generatiivisen tekoälyn avulla voidaan luoda synteettisiä kuvia koulutusaineistojen monipuolistamiseksi ja yksityisyydensuojan varmistamiseksi.