ونُشرت الدراسة في مجلة Nature Medicine العلمية المتخصصة، كما جاء في يومية Kurier النمساوية.
في التعلم المعزز يتم دمج المعايير البشرية في نظام الذكاء الاصطناعي على شكل "جداول المكافآت". وهي أدوات تدمج النتائج الإيجابية والسلبية للتقييمات السريرية من وجهة نظر الطبيب والمريض في عملية صنع القرار.
نتيجة لذلك، لا يتم تصنيف نتائج تشخيص الذكاء الاصطناعي على أنها صحيحة أو خاطئة فحسب، بل يتم "مكافأتها" أو "معاقبتها" بعدد معين من النقاط الإيجابية أو السلبية.
"بهذه الطريقة يتعلم الذكاء الاصطناعي عواقب التشخيص الخاطئ عند تقييم التغييرات في الجلد، الحميدة منها والخبيثة"، كما يوضح المشرف على الدراسة، هارالد كيتلر، من قسم الأمراض الجلدية في "جامعة فيينا الطبية".
وأظهرت الدراسة تحسنا كبيرا في دقة تشخيص سرطان الجلد: بالنسبة للورم الميلانيني من 61.4٪ إلى 79.5٪، أما بالنسبة لسرطان الخلايا القاعدية من 79.4٪ إلى 87.1٪.
بشكل عام، ارتفع معدل التشخيص الصحيح بنسبة 12%. في الوقت نفسه، ارتفع معدل القرارات المثلى لعلاج المرض من 57.4٪ إلى 65.3٪.
"يُعزى تحسن تشخيص سرطان الجلد بالاستعانة بالذكاء الاصطناعي إلى حقيقة أن التعلم المعزز يقلل من الاعتماد المفرط للذكاء الاصطناعي على تنبؤاته الخاصة ويجعل الاقتراحات أكثر تمايزاً، أي أكثر إنسانية. هذا، بدوره، يساعد الأطباء على اتخاذ قرارات أكثر دقة ومصممة بشكل فردي في السيناريوهات الطبية المعقدة"، يؤكد كيتلر.
يركز البحث بشكل أساسي على تشخيص سرطان الجلد، ولكن يمكن استخدام أفكار البحث الأساسية في مجالات أخرى للمساعدة في عملية صنع واتخاذ القرار الطبي.