0 items

Wereldwijd lijden naar schatting 1,9 miljard mensen op een bepaald moment aan een huidaandoening en door een tekort aan dermatologen worden cliënten in veel gevallen alleen door huisartsen gezien. Alleen al in de Verenigde Staten heeft tot 37% van de patiënten die in de kliniek worden gezien ten minste één huidaandoening en meer dan de helft van deze patiënten wordt gezien door niet-dermatologen.

Meer dan 90% van de huidproblemen zijn niet kwaadaardig, en het aanpakken van deze meer voorkomende aandoeningen is belangrijk om de wereldwijde last van huidziekten te verminderen.

Nauwkeurigheid diagnose

Uit studies blijkt echter dat er een aanzienlijke kloof bestaat in de nauwkeurigheid van de huidconditie-diagnoses tussen huisartsen en dermatologen, met een nauwkeurigheid van de huisartsen tussen 24% en 70%, vergeleken met 77-96% voor dermatologen. Dit kan leiden tot suboptimale verwijzingen, vertragingen in de zorg en fouten in diagnose en behandeling.
Bestaande werkwijzen voor niet dermatologen om de diagnostische nauwkeurigheid te verbeteren zijn onder andere het gebruik van naslagwerken, online bronnen, automatische leerhulpmiddelen en overleg met een collega.

A Deep Learning System voor 26 huidaandoeningen

In “A Deep Learning System for Differential Diagnosis of Skin Diseases” heeft Google Health een diepgaand leersysteem (DLS) ontwikkeld voor de meest voorkomende huidaandoeningen. De resultaten toonden aan dat een DLS een nauwkeurigheid kan bereiken voor 26 huidaandoeningen die vergelijkbaar is met die van de in de V.S. gecertificeerde dermatologen, wanneer deze wordt gepresenteerd met identieke informatie over de situatie van een patiënt (beelden en metadata).

Het onderzoek

In het onderzoek ontwikkelden en evalueerden Google health het DLS met 17.777 niet-geïdentificeerde gevallen die voornamelijk werden doorverwezen van eerstelijns gezondheidszorgklinieken naar een tele-dermatologische dienst. Gegevens van 2010-2017 zijn gebruikt voor training en gegevens van 2017-2018 voor evaluatie. Tijdens de modeltraining maakte de DLS gebruik van meer dan 50.000 differentiële diagnoses van meer dan 40 dermatologen.

Deze studie benadrukt het potentieel van de DLS om het vermogen van huisartsen die geen aanvullende specialistische training hebben gehad om een nauwkeurige diagnose van huidaandoeningen te stellen, te vergroten.

Bron : Google Health – Using Deep Learning to Inform Differential Diagnoses of Skin Diseases