MEDICINE & AI

タイトル：Exploring the potential of artificial intelligence in improving skin lesion diagnosis in primary care. 雑誌名：Sci Rep. 2023 Mar 15; 13(1): 4293. 概　要： 皮膚科の疾患は重要な健康問題であり、機械学習（ML）モデルが皮膚癌の検出や疾患の分類において診断支援ツールとして活用されています。本研究の目的は、44種類の皮膚疾患をスクリーニングできる画像分析MLモデルの前向き検証を行い、一般開業医（GP）および遠隔皮膚科医（TD）との診断精度を比較することです。2021年6月から10月にかけて、スペイン・カタルーニャのGPを訪れた100人の患者を対象に、皮膚の問題を評価し、MLアプリケーションに画像をアップロードして診断を行いました。結果として、MLモデルの診断精度はGPや皮膚科医よりも低いことが示されましたが、特定の疾患に対しては比較的高い精度を示しました。 方　法： この研究は、2021年6月から10月にかけて、スペイン・カタルーニャのGPを訪れた100人の皮膚問題を持つ患者を対象にした前向き診断精度研究です。皮膚の問題はまずGPによって評価され、その後、匿名化された皮膚疾患の画像がMLアプリケーションにアップロードされ、可能性の高い診断がリストアップされました。画像はその後、TDを通じて皮膚科医に送信され、診断が行われました。MLモデル、GP、皮膚科医の診断結果を比較し、精度、感度、特異度を計算しました。 結　果： MLモデルの全体的なTop-1精度は39%で、GPの64%や皮膚科医の72%よりも低かった。しかし、モデルが明示的に訓練された82の診断に限定した場合、Top-1精度は48%に向上し、Top-3では75%でGPの76%に匹敵しました。MLモデルのTop-5精度は89%で、皮膚科医のTop-3精度90%に近い結果となりました。良性腫瘍の病理群においては、MLモデルの感度（Top-3 87%、Top-5 96%）がGP（76%）や皮膚科医（84%）よりも高かったです。92%のGPがこのモデルを有用な診断支援ツールと考え、60%が最終診断の補助として役立つと評価しました。 結　論： この研究では、MLモデルの診断精度はGPや皮膚科医よりも低い結果となりましたが、特定の疾患に対しては有用性が示されました。MLモデルはGPの差別診断を支援する可能性があり、臨床医の関与がモデルの訓練において重要であることが強調されました。AI診断モデルの実用化には、実際の条件下での外部テストとデータ検証が不可欠です。