Fot. dr inż. Michał Kozłowski, źródło: UWM

Wydawałoby się, że wykrywanie czerniaka to zadanie lekarzy, a nie informatyków. Czerniak to przecież złośliwy nowotwór skóry. Co roku na świecie diagnozuje się jego 132 tys. przypadków, a zachorowalność systematycznie rośnie. Częściowo jest to związane z większą wykrywalnością i świadomością społeczną, ale też ze zwiększoną ekspozycją na naturalne i sztuczne promieniowanie ultrafioletowe. U osób przed 40. rokiem życia czerniak występuje rzadko. Później zachorowalność wzrasta i osiąga szczyt w siódmej i ósmej dekadzie życia. Czerniak wcześnie wykryty jest uleczalny, ale im później zdiagnozowany, tym trudniejszy do wyleczenia i w wielu przypadkach kończy się śmiercią. Klimat mamy coraz cieplejszy, Polacy żyją coraz dłużej i coraz częściej jeżdżą do ciepłych krajów. Zachorowalność na czerniaka będzie więc rosnąć – prognozują lekarze.  

Informatyka wspiera medycynę 

Dr inż. Michał Kozłowski z Katedry Mechatroniki na Wydziale Nauk Technicznych UWM zajmuje się komputerową analizą obrazu. Tego dotyczyła jego praca doktorska. Komputerowa analiza obrazu to dziedzina nauki, która w ostatnich latach mocno przyspieszyła. Stało się to za sprawą wykorzystania potencjału drzemiącego w tzw. głębokich sieciach neuronowych, czyli ważnych narzędziach w dziedzinie sztucznej inteligencji. Są one szeroko stosowane na użytek rożnych sfer życia, w tym medycyny.  

Czerniak to zjawisko objawiające się na powierzchni skóry, czyli dające się sfotografować i to właśnie jest punkt wyjścia dla dr. Kozłowskiego. Co dokładnie robi? Algorytm dla sztucznej inteligencji do wykrywania zmian skórnych, szczególnie czerniaka. Dr Kozłowski uczestniczy bowiem w projekcie badawczym finansowanym przez Program Operacyjny Inteligentny Rozwój (POIR) i prowadzonym na Wydziale Elektrotechniki, Elektroniki, Informatyki i Automatyki Politechniki Łódzkiej, z którą współpracuje kortowski WNT. W tym projekcie uczestniczy ponadto firma Skopia z Krakowa, która we współpracy z naukowcami zamierza skonstruować urządzenie do wspomagania wczesnej diagnostyki znamion skórnych, w tym czerniaka. 

Rewolucja w diagnostyce? 

Nowoczesny sprzęt ma odciążyć lekarzy w zakresie żmudnego analizowania skóry pacjenta w poszukiwaniu zmian chorobowych. Przy ocenie złośliwości znamienia skórnego jest kilka ważnych czynników, które są brane pod uwagę. Znamiona, które są różnokolorowe, o nieregularnym kształcie, o nierównej strukturze lub większe niż 6 mm są bardziej niepokojące. Ponadto sama zmiana w wyglądzie znamienia, taka jak zmiana koloru, kształtu, rozmiaru lub tekstury, może być objawem czerniaka. Te czynniki są znane jako ABCDE (z ang.: asymetria, nieregularność granicy, różnorodność kolorów, średnica, ewolucja) i są używane jako wstępne narzędzie do oceny znamion. Obecnie jedynie profesjonalny dermatolog może ocenić, czy znamię jest rzeczywiście czerniakiem. 

W jaki sposób pracuje dr Kozłowski? 

Punktem wyjścia są zdjęcia powierzchni skóry. Na tych zdjęciach dermatolodzy zaznaczyli wszystkie widoczne znamiona. Im więcej opisanych zdjęć algorytm dostanie, tym precyzyjniej będzie rozpoznawać potencjalnie niebezpieczne zmiany skórne. Dr Kozłowski pracuje w zespole, który próbuje rozwiązać ten problem za pomocą metod wizji komputerowej, modelowania przestrzennego, analizy porównawczej i klasyfikacji. Zadaniem dr. Kozłowskiego jest napisanie takiego algorytmu, który nauczy komputer rozpoznawania znamion na obrazie całego ciała ludzkiego, które to zostaną poddane kolejnym analizom. Potrzebne są więc trzy elementy: obraz, ekspert i informatyk. Z tym jednak zastrzeżeniem, że jeden ekspert, czyli lekarz, to za mało, bo ludzie są omylni. Musi to być zatem grupa ekspertów. – Mój model ma za zadanie znaleźć wszystkie znamiona skóry i zaznaczyć je wzdłuż ich granic. Dzięki temu, wykonując zdjęcia pacjenta w pewnych odstępach czasu, będziemy w stanie ocenić nie tylko to, czy dane znamię wygląda podejrzanie, ale i oszacować, jak duże zmiany w nim zaszły – tłumaczy dr Kozłowski. 

Badaczowi z UWM zależy na tym, by jego algorytm pozwalał z dużym przybliżeniem rozpoznawać wszystkie chorobowe przypadki. – W podejściu, które stosuję, wymagana jest duża liczba dokładnie opisanych obrazów szkoleniowych, które trzeba podzielić na trzy zbiory: treningowy, walidacyjny i testowy. Model jest szkolony poprzez analizę danych treningowych i cyklicznie sprawdzany na zbiorze walidacyjnym. Proces ten wymaga użycia wydajnej karty graficznej, aby był zrealizowany w sensownym czasie. Gdy już uzyskam zadowalające wyniki na zbiorze walidacyjnym, dodatkowo sprawdzam, czy podobne wyniki uzyskam podczas przetworzenia zbioru testowego, który nie brał udziału w procesie szkolenia. Po więcej szczegółów odsyłam do publikacji, której jestem współautorem – mówi dr Kozłowski. 

Skaner składający się z systemu kamer i sensorów głębi ma być kompaktowy, aby mógł być wykorzystany w każdej przychodni. Jeżeli dalsze prace się powiodą, to w przyszłości pacjent ze skierowaniem od lekarza rodzinnego wejdzie do niego jak do fotobudki, a ta wykona automatycznie dokumentację jego skóry. Na podstawie tych obrazów sztuczna inteligencja podejmie decyzję, czy zmiany skórne są podejrzane i w razie konieczności zawiadomi lekarza pierwszego kontaktu, a ten zaleci dalsze leczenie u specjalisty dermatologa. W ten sposób medycy zajmą się przede wszystkim przypadkami wskazującymi na czerniaka, a wstępna diagnostyka skórna zajmie im około minuty. 

Autor: Lech Kryszałowicz, UWM