في عالم الطب الحديث، يُعد الحصول على بيانات دقيقة وموثوقة أمرًا حاسمًا لتحسين أنظمة التشخيص الآلي. وأخيرًا، تم تقديم دراسة جديدة تسلط الضوء على منهجية فريدة لبناء مجموعة بيانات من الصور الديرماتوسكوبية (Dermatoscopic Images) الموثقة سريريًا.

الهدف من هذا البحث هو ضمان جودة الصور المستخدمة في أنظمة الدعم التشخيصي الآلي، حيث تؤثر ليس فقط الكمية ولكن أيضًا جودتها على الأداء. في العديد من الدراسات السابقة، كانت مجموعات البيانات تُجمع في ظروف مختلفة تمامًا عن تلك السائدة في الممارسات الطبية الروسية اليومية، مما قد يؤثر على دقة النتائج.

تتضمن المنهجية المقترحة ثلاث مكونات رئيسية:
1. **إجراءات التشغيل القياسية (SOP)** لجمع الصور باستخدام الديرماتوسكوب المحمول.
2. **نموذج معلومات** يتكون من 16 حقلًا من البيانات المنظمة مقسمة إلى ستة كُتل موجهة سريريًا، وكلها متوافقة مع توصيفات ISIC.
3. **التحقق المتعدد المراحل** للتسميات التشخيصية من قبل خبراء، يشمل التوضيح السريري الأولي، مراجعة الإجماع من قبل ثلاثة مختصين، والتأكيد النسيجي لجميع الأورام الخبيثة.

من خلال هذه المنهجية، تم جمع مجموعة بيانات مكونة من 1,026 صورة ديرماتوسكوبية فريدة من 443 مريضًا، مع استبعاد 18 نسخة مكررة. تغطي البيانات تسع فئات مرضية، حيث تم التحقق من جميع الأورام الخبيثة، بما في ذلك 39 إصابة خبيثة (مثل الميلانوما وسرطانات الخلايا القاعدية والحرشفية).

تتراوح أعمار المرضى من 2 إلى 90 عامًا، مع وجود 279 أنثى (63%) و164 ذكر (37%). تُرافق كل صورة هياكل ديرماتوسكوبية موصوفة بواسطة خبراء، مع حقل يوضح مستوى التأكيد التشخيصي. هذه المجموعة تمثل موردًا سريريًا موثقًا يُمكن استخدامه في تقييم النماذج المستقلة، وتحليل التحولات الميدانية، ودراسات القابلية للتفسير، والتوسع المستقبلي.

ما رأيكم في هذه التطورات في مجال تشخيص الأمراض الجلدية من خلال الذكاء الاصطناعي؟ شاركونا أفكاركم في التعليقات!