开发经济实惠的人工智能工具，早期检测皮肤癌症

随着东南亚皮肤癌症发病率持续上升，对早期和可获得诊断的需求变得越来越迫切，特别是在获得专科护理机会有限的地区。

为了帮助解决这一问题，INTI国际大学数据科学与信息技术学院的Deshinta Arrova Dewi博士正在为一项区域研究合作做出贡献，该合作旨在开发一种更快、更具成本效益和高度准确的癌症皮肤筛查工具。

英迪国际大学数据科学与信息技术学院的Deshinta Arrova Dewi教授博士加入了一项区域研究计划，旨在开发一种更快、更实惠、更准确的筛查解决方案。

这项研究是与印度尼西亚信息学与商业研究所Darmajaya和泰国西那瓦大学合作进行的，重点是一种混合算法，该算法将区域增长技术与被称为长期短期记忆（LSTM）的深度学习模型相结合。

根据Deshinta教授的说法，组合模型产生的结果明显优于传统方法。她说：“所提出的算法实现了96.62%的准确率，而独立LSTM模型的准确率仅为84%。”。

她解释说，区域生长技术的功能就像一个数字荧光笔，隔离病变，这样人工智能就可以更精确地聚焦于它。“这种有针对性的方法是减少周围健康皮肤背景噪声的关键，这可能会混淆传统的人工智能模型，”她补充道。

通过在分类前隔离病变，该模型提高了诊断精度，并有助于减少人为错误的可能性，这是临床医生在目视检查中经常遇到的问题。

（左起）印度尼西亚楠榜省Darmajaya信息与商业研究所的Suhendro Yusuf Irianto先生、Muhammad Said Hasibuan博士和Rian Yunandar先生，以及泰国西那瓦大学的助理教授Nualyai Pitsachart，他与Deshinta教授合作进行了这项研究。

尽管混合模型比简单的方法需要更多的处理时间，但研究小组认为，提高的准确性证明了这种权衡是合理的。

该工具的主要优势之一是它有可能为接触皮肤科医生有限的社区服务。Deshinta教授说：“对于生活在偏远或农村地区的个人来说，这项技术也具有很高的成本效益。在大城市以外，获得皮肤科医生或专业医疗服务的机会往往有限。通过将这种基于人工智能的工具整合到当地的卫生诊所，可以在不需要专家干预的情况下进行早期筛查。”。

该模型专为可扩展性而设计，可以以最小的持续成本为多个患者重复使用。这减少了对专家的依赖，支持早期检测，降低了治疗费用，并改善了患者的预后。

其影响超越了个人诊断。她说：“从公共卫生的角度来看，这项技术对马来西亚和印度尼西亚等国具有重要的前景。这两个国家都报告了癌症的发病率不断上升，包括基底细胞癌、鳞状细胞癌和黑色素瘤。然而，在许多领域，获得早期诊断服务的机会仍然有限。”。

她补充说，该工具可以通过在户外工作者和农村社区等高危人群中进行早期筛查来支持国家卫生工作。Deshinta教授总结道：“此外，将这一系统整合到国家卫生举措中，可以改善癌症的结果，支持大规模筛查计划，并有助于为未来的政策规划收集重要的健康数据。”。

随着发展的推进，这种基于人工智能的解决方案可能成为马来西亚医疗保健系统的重要组成部分，弥合诊断差距，扩大服务不足社区的早期检测。

由于其地理位置，马来西亚和整个东南亚的皮肤癌症发病率继续上升。然而，在许多地区，获得专科护理的机会仍然有限。