Онлайн-дерматолог. Google Lens научился распознавать заболевания кожи по фото

Google объявила, что функция поиска изображений Lens, встроенная в приложения на мобильных устройствах iOS и Android, может распознать сыпь или родинки, предоставив похожие результаты в ответ на запрос.

Функция будет доступна для всех частей тела – если, например, вы захотите получить больше информации о небольшой опухоли на губе, царапинах на ногте или зоне головы, на которой стало чуть меньше волос.

Конечно, Google предупреждает, что результаты «исключительно информационные», а за диагностированием советует обращаться в медицинские центры.

Компания годами исследовала инструменты искусственного интеллекта, которые могли бы распознать заболевания кожи на изображении. На конференции Google I/O 2021 продемонстрировали прототип, который на тот момент «мог определить 288 различных состояний» и выявлял правильный результат в трех лучших предложениях в 84% случаев.

Инструмент, получивший название DermAssist, в настоящее время в ограниченном выпуске проходит «дальнейшее рыночное тестирование‎». И хотя технология получила маркировку CE как медицинское устройство класса 1 (этикетка для обозначения товаров в Европейской экономической зоне), Управление по продовольствию и медикаментам США его еще не оценило.

Еще один аргумент быть более осторожным при использовании инструмента – его вероятно меньшая способность к идентификации заболеваний темной кожи. The Guardian цитирует исследование 2021 года, отметив отсутствие данных о категориях типа кожи и изображений темнокожих людей во многих бесплатных базах данных изображений, используемых для обучения систем ИИ.

В прошлом году Google, которая уже сталкивалась с проблемами, когда ее нейросеть обозначила темнокожих людей как горилл, начала сотрудничество с профессором Гарвардского университета Эллисом Монком, чтобы использовать его Шкалу оттенков кожи (MST) в разработке ИИ. Впоследствии компания заявила, что ее система глубокого обучения стала более точной в определении болезней кожи у темнокожих пациентов – для них системы определили результаты с точностью 87,9%.