АНО ДПО «Московский медико-социальный институт имени Ф.П. Гааза» (Кафедра внутренних болезней, Ассистент)
Россия
АНО ДПО "Московский медико-социальный институт имени Ф.П. Гааза", Москва (Кафедра профилактической медицины, Заведующий)
АНО ДПО "Московский медико-социальный институт имени Ф.П. Гааза", Москва (Кафедра внутренних болезней, профессор)
г. Москва и Московская область, Россия
г. Москва и Московская область, Россия
Россия
В настоящее время отмечается значительный рост числа программ искусственного интеллекта для диагностики различных заболеваний, в том числе для диагностики опухолей кожного покрова. Большинство существующих технологий искусственного интеллекта для диагностики новообразований кожи были разработаны как мобильные приложения для смартфонов. Эти программы, как правило, создаются для сортировки пациентов с доброкачественными и злокачественными опухолями на этапе первичной медико- санитарной помощи. Настоящая статья посвящена сравнению эффективности предварительной диагностики доброкачественных опухолей из сосудистой и фиброзной тканей кожи с помощью программы искусственного интеллекта для смартфона «Derma Onko Check».
искусственный интеллект, доброкачественные опухоли кожи, фиброзные опухоли кожи, сосудистые опухоли кожи, диагностика
1. Ускова К.А., Гаранина О.Е., Ухаров А.О. и др. Искусственный интеллект как 11не11)умент популяционного скринннга опухолей кожи // Эффективная фармакотерапия. - 2024; 20 (1):62-71. Doi: 1 О.33978/2307-3586-2024-20-1-62-71
2. Сиводедова Н.А., Карякин Н.Н., Шливко И.Л. Современные методы выявления злока•1ественных новообразований кожи, включая использование мобильных приложений и 11скусс-гвенного интеллекта: обзор ли·гературы / ОРГЗДРАВ: иовости, мнения, обу•1ение // Вестник ВШОУЗ. - 2024.- Т. 1 О. -№ 2. - С. 78-93. doi.org/10.33029/2411-8621-2024-10-2-78-93
3. Wen D., Coombe А., Cl1aralambides М. et al. DS03: А scopiпg review of co1n111ercially availaЫe artificial i11telligeпce-based techпologies for diagnosis ог risk assess1neпt of skiп cancer // Br J Der1natol. - 2022; 187(1):159. doi.org/10.1111/Ьjd.21446
4. Jones О.Т., Matiп R.N., van der Schaar М. et al. Artificial intelligence апd 111achine lean1ing algorithms for early detectioп of skin сапсег in co1111nш1ity and primary са1·е settiпgs: а systen1atic revie\v // Laпcet Digit Health. - 2022; 4(6):е466-е476. Doi: 10.1 О l 6/S2589-7500(22)00023-1
5. Joпes О.Т., Matiп R.N., Walte1· F.M. Using artificial iпtelligeпce techпologies to in1prove skin сапсеr detection in primary саге // Lancet Digit Health. - 2025; 7( 1 ): е8-е I О. Doi: 10.1 О l 6/S2589-7500(24)00216- 4
6. Ang X.L., 011 С.С. Tl1e Use of Aгtificial lпtelligence for Skin Сапсеr Detectioп iп Asia-A Syste111a1ic Revie,v // Diagnostics (Basel). - 2025; 15(7):939. Doi:https://doi.org/10.3390/diagпostics 15070939
7. Ламо·гкии А.И., Корабельииков Д.И., Ламоткин И.А. и др. Точиость предварительной диаr·нос,·ики злокачественных меланоцитариых опухолей кожи при помощи программы искусс-rвенного иителлекта «Melano111a Check» // Медицинский вес-1·н11к ГВКГ им. Н. Н. Бурденко. - 2025. -№ 1: 42-1. Doi:https://doi.org/10.53652/2782-1730-2025-6-42-51
8. Ламоткин А.И., Ламоткин И.А., Корабельников Д.И. Программа для визуальной идентификации злокачественных и доброкачественных опухолей кожи «Denna Опkо Cl1eck» / Свидетельство о 1·осударственно1i регистрации программы ддя ЭВМ № RU 2024668566, 08.08.2024. Заявка от 08.08.2024
9. \VHO classification of skiп tt11no1·s, 4th editioп, Volt1111e 11/Edited Ьу Elder DE, Massi D, Scolyer RA, Willemze R. lпten1ational Agency for Research оп Cancer. Lyon. - 2018.
10. Briпker T.J., Hekler А., Епk А.Н. et al. А convolнtio11al 11eural пet\vork t1·aiпed ,vith der1noscopic i1nages perfonned оп par ,vith 145 dem1atologists iп а cli11ical 111ela1101na i1nage classification task // Et11· J Сапсеr.-2019; 111:148-54. doi.org/l0.1016/j.ejca.2019.02.005
11. l-luaпg К., Не Х., Jin Z. et al. Assistant diagпosis of basal cell carcino1na a11d seborrl1eic keratosis iп Cl1inese population нsing coпvolutioпal neнral пetwork // J Healthc Епg. - 2020; 2020: 1713904. Doi: 1 О.1155/2020/1713904
12. Jапsеп Р., Bagt1er О.О., Duschпer N. et al. Evaluatioп of а Deep Leamiпg Approach to differeпtiate Во\vеп 's disease З11d seborrheic keratosis // Caпcers (Basel). - 2022; 14( 14):3518. Doi:https://doi.org/10.3390/cancers 141435 18
13. Guaп Н., Унаn Q., Lv К. et al. Dem1oscopy-based Radiomics Help Distingнish Basal cell ca1·ciпoma апd actiпic keratosis: А Large-scale Real-,vorld Stнdy Bascd on а 207-con1biпatio11 Machiпe Lear11ing Coп1pt1tational F1·a1newo1·k // J. Cancer. - 2024; 15( 11):3350. Doi:https://doi.org/10.7150/jca.94759
14. Zhang A.J., Liпdberg N., Cl1a111liп S.L. et al. Develop1neпt ofan artificial intelligeпce algoritl1n1 for the diagnosis of i11fantile hema11gio111as // Pediatr Dem1atol. - 2022; 39(6):934-936. Doi: 10.1111
15. Mohained N., RaЬie Т. Digital [111aging and Artificial lntelligeпcc i11 lпfaпtilc Hema11gio111a: А Systen1a1ic Literature Re, ie,v // Bio111in1etics. - 2024; 9( 1 1 ):663. doi.oгg/ 1 0.3390/Ьion1imetics9 I 10663
