Nový AI model v klinické dermatologii −⁠ vyšší přesnost, širší škála úloh

Integrace obrazových modalit

PanDerm patří mezi první tzv. foundation modely –⁠ rozsáhlé univerzální modely umělé inteligence, které jsou trénovány na různorodých datech a navrženy tak, aby zvládaly široké spektrum klinických úloh. Na rozdíl od klasických modelů zaměřených na jeden konkrétní problém, například pouze rozpoznání melanomu, je PanDerm koncipován jako flexibilní nástroj přímo pro potřeby klinické dermatologie. Využívá 4 typy obrazových vstupů: klinické fotografie, dermatoskopické snímky, patologické preparáty a celotělové fotografie. Jak uvedl Zongyuan Ge z Monashovy univerzity, právě schopnost integrovat tyto různé modality představuje výhodu oproti dřívějším systémům, které obvykle pracovaly pouze s jedním typem dat. „PanDerm byl navržen jako podpůrný nástroj pro klinické lékaře. Pomáhá jim interpretovat komplexní data a činit informovaná rozhodnutí s vyšší mírou jistoty.“

Vyšší přesnost, větší škála úloh

Model byl trénován na více než 2 milionech snímků z 11 mezinárodních institucí a testován v široké škále klinických úloh –⁠ od screeningu kožních nádorů, predikce rizika recidivy či metastáz přes hodnocení typu pleti a počítání znamének až po segmentaci lézí a sledování jejich vývoje v čase. V každé z těchto úloh dosahoval nejlepších výsledků ve své třídě, často s pouhými 5–10 % objemu anotovaných dat běžně potřebných k tréninku obdobných modelů.

V rámci klinických hodnocení se ukázalo, že PanDerm zvyšuje přesnost diagnostiky kožních nádorů až o 11 % u dermatologů a až o 16,5 % u lékařů bez dermatologické specializace. Nástroj také pomáhá detekovat rizikové léze dříve, než by byly rozpoznány běžným vyšetřením.

Široké možnosti využití

V klinickém prostředí funguje PanDerm jako podpůrný nástroj: analyzuje spektrum snímků, které lékaři běžně pořizují, a generuje pravděpodobnostní odhady diagnóz. Tato schopnost pomáhá zejména nespecialistům při interpretaci vizuálních nálezů, detekci jemných změn v čase i posouzení individuální úrovně rizika pacienta.

Na vývoji PanDerm se podíleli experti z Austrálie, Evropy i Asie. Podle profesora Haralda Kittlera z Lékařské univerzity ve Vídni je právě tato mezinárodní rozmanitost zárukou široké uplatnitelnosti modelu v různých systémech zdravotní péče. Jednou z klíčových vlastností modelu je právě jeho efektivita: vysokou výkonnost si zachovává i při tréninku s relativně malým množstvím dat. Tato vlastnost je zvlášť významná pro použití v regionech s omezenými zdroji.

Další validace

Ačkoliv model PanDerm dosahuje ve výzkumném prostředí velmi dobrých výsledků, pro jeho zavedení do rutinní klinické praxe bude nutná další validace. Výzkumný tým proto plánuje zavést standardizované protokoly pro hodnocení výkonnosti napříč různými demografickými skupinami a klinickými prostředími s cílem zajistit konzistentní a demograficky spravedlivé výsledky napříč různými skupinami pacientů. „Multimodální přístup nám umožňuje přiblížit se způsobu uvažování zkušeného dermatologa, tedy syntéze různých obrazových informací při stanovování diagnózy,“ uvedl hlavní autor studie Siyuan Yan z Monashovy univerzity.

(mb)

Zdroj: Yan S., Yu Z., Primiero C. et al. A multimodal vision foundation model for clinical dermatology. Nat Med 2025 Aug; 31 (8): 2691–2702, doi: 10.1038/s41591-025-03747-y.