Rak kože sve je veći problem današnjice, posebno zbog činjenice da ga nije lako uočiti

S druge strane, ljudi se ne odlučuju na pregled jer nisu potpuno sigurni treba li im uopće. Sve ove zapetljancije koje mogu ogroziti živote mogle bi u skorije vrijeme postati prošlost zahvaljujući strojnom učenju

 

Računalni stručnjaci sa Stanforda su kreirali bazu podataka od 130 tisuća slika kožnih oboljenja i 'trenirali' posebno skrojeni algoritam da prepoznaje (potencijalni) rak kože. Još od prvog testa, rezultati su bili impresivno točni. 

'Shvatili smo da je to moguće izvesti, ne samo da stvar radi dobro, već u rangu dermatologa', izjavio je Sebastian Thrun, profesor centra Stanford Artificial Intelligence Laboratory. 'Tada smo shvatili i kako nije riječ tek o zgodnom projektu za studente, već prilika da napravimo nešto fenomenalno za cijelo čovječanstvo', dodao je. 
Istraživački rad objavljen u znanstvenom glasilu Nature 21. siječnja prošao je test s više od 20 dermatologa. Algoritam je na ljudskoj razini uspješno prepoznavao lezije, koje predstavljaju najučestalije i najsmrtonosnije oblike raka. 

Kod raka kože prvi i osnovni korak dijagnoze je vizualni pregled. Dermatolozi u pravilu pregledaju sumnjive lezije, a ako je rezultat sumnjiv, slijedi biopsija. Uvođenjem algoritma u računicu za prvi pregled ne samo da bi se moglo srezati troškove, već i spasiti nebrojeno mnogo života zahvaljujući ranom otkrivanju. Strojno učenje se tek odnedavno počelo koristiti i za vizualne segmente, a takvo treniranje računala s vremenom bi postajalo samo bolje i bolje što barata s više vizualnog materijala koje koristi za dijagnostiku. 
Za temelj ovog algoritma sa Stanforda poslužilo je Googleovo postojeće rješenje koje je 'trenirano' da prepozna 1,28 milijun slika iz tisuću kategorija. Inicijalno je napravljen tek da razaznaje pse i mačke, no na Stanfordu su ga naučili kako prepoznati maligno oboljenje i razlikovati ga od bezopasnih pojava na koži. Dodana prednost korištenja algoritma za dijagnostiku je i činjenica da ga se, za razliku od ljudi, da objektivno fino podešavati za osjetljivost, u brdo dodatnih parametara. 

Budućnost je vrlo bliska. Za dijganostiku koju izvode na Stanfordu treba računalo, no isti znanstveni tim već planira napraviti mobilnu aplikaciju koja će korisnicima omogućiti dijagnostiku kod kuće - i u svakom trenutku.