Digital Libraries

디지털 피부과의 혁신 지도

인공지능의 피부과 분야 도입은 의료 접근성의 민주화를 약속하지만, 모델의 신뢰성이 이러한 모델을 구동하는 데이터의 품질과 포괄성에 따라 달라집니다. 공개적으로 이용 가능한 피부과 이미지의 빠른 증가에도 불구하고, 이 분야는 새로운 데이터셋이 임상적 범위를 확장시키는지 아니면 이미 알려진 내용을 단순히 재현하는지를 측정하기 위한 양적 성과 지표를 갖추고 있지 않습니다. 본 연구에서는 전체 데이터 기반에 대한 첫 번째 포괄적인 심사 프레임워크로 피부지도(SkinMap)를 제시합니다. 저희는 공개적으로 이용 가능한 피부과 데이터셋을 단일 쿼리 가능한 의미론적 아틀라스로 통합하여 피부 질환 이미지 110만 개 이상에 대한 정보적 신규성, 데이터셋 중복, 인구통계학 및 진단 간의 표현 격차를 정량화합니다. 데이터셋 크기의 지수적인 성장에도 불구하고 시간 경과에 따른 정보적 신규성은 어느 정도 정체 상태입니다 공선종양 같은 일부 클러스터는 밀집되어 있지만, 소수 피부 유형과 많은 희귀 질환은 여전히 다루어지지 않습니다. 저희는 더불어 커버리지 간의 구조적 격차를 식별합니다 피츠파트릭 V-VI 피부색을 가진 이미지는 5.8%에 불과하며, 소아 환자는 3.0%에 그치며 많은 희귀 질환과 형태 조합은 여전히 저밀도로 표현됩니다. 피부지도는 검증되지 않은 영역을 측정하고 임상적 공간의 미표현 지역으로 전략적인 데이터 수집을 유도하는 인프라를 제공합니다.