Maskiner slår dermatologer i att ställa diagnosen hudcancer
Tyska forskare visar att artificiell intelligens är bättre än tränade hudläkare på att upptäcka hudcancer. Fynden presenteras i tidskriften Annals of Oncology.
Med hjälp av en så kallad maskin-inlärning, som används för att träna en dator, har forskare från Tyskland lyckats urskilja malignt melanom från ofarliga födelsemärken. Något som var möjligt då datorn lärde sig analysera övar 100 000 bilder på både farliga och ofarliga hudförändringar. Det rapporterar Vetenskapsradion.
Vad vet du om biosimilarer?
Vi på NetdoktorPro vore tacksamma om du ville genomföra enkäten som bara tar några minuter. Du får samtidigt uppdaterade kunskaper om t ex vad som krävs för att en biosimilar ska godkännas, skillnaden mellan ett generiskt läkemedel och biosimilarer och vad som egentligen menas med en "switch".
Kongressbevakning
NetdoktorPro rapporterar från ESMO
Följ vår kongressbevakning från ESMO (European Society of Medical Oncology) och ta del av bland annat kongressrapporter, referat och intervjuer med kollegor som deltagit.
Därefter lät forskarna jämföra maskinens prestation med 58 internationella hudläkare och resultatet var tydligt – maskinen presterade bättre än läkarna. Maskinen identifierade både fler fall av hudcancer samt feldiagnosticerade färre godartade förändringar, jämfört med hudläkarna.
Referens: H. A. Haenssle et al, 2018. Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. Annals of Oncology 00: 1–7, 2018. Doi:10.1093/annonc/mdy166
Vad vet du om biosimilarer?
Vi på NetdoktorPro vore tacksamma om du ville genomföra enkäten som bara tar några minuter. Du får samtidigt uppdaterade kunskaper om t ex vad som krävs för att en biosimilar ska godkännas, skillnaden mellan ett generiskt läkemedel och biosimilarer och vad som egentligen menas med en "switch".
- Vetenskapsradion - https://sverigesradio.se/sida/artikel.aspx?programid=406&artikel=6965434