Studie visar: Hudcancer-appar brister i information och märkning

AI-baserade appar för att granska hudförändringar är populärt. Men apparna behöver bli bättre i sin information, visar forskning.
Allt fler mobilappar använder AI för att analysera bilder av misstänkta hudförändringar. Men många appar för självundersökning brister i informationen om hur de fungerar. Det visar två studier ledda av Åsa Ingvar, överläkare i hudsjukvård på Skånes universitetssjukhus och docent vid Lunds universitet.

Att tidigt upptäcka hudcancerformen malignt melanom är viktigt, och idag finns det många mobilappar som utlovar snabb och smidig analys av egentagna bilder av leverfläckar och födelsemärken. Men det är svårt för en enskild konsument att veta om apparna håller måttet, konstaterar Åsa Ingvar, som i två studier forskat om AI-baserade appar för självundersökning av hudförändringar.

– För att kunna avgöra om det går att lita på appens kvalitet behöver man som användare få information om hur den är uppbyggd – och det saknas ofta idag, säger Åsa Ingvar.

Studierna genomfördes i Australien, och syftet med dem var dels att undersöka vilken typ av märkning och information som tillverkarna ger kring apparna – dels komma med riktlinjer för hur informationen om apparna bör se ut.

Uppfyllde inte rekommendationer

I den ena studien granskade forskarna 21 AI-baserade dermatologiska mobilappar och kunde konstatera att ingen av apparna uppfyllde helt vanliga märkningsrekommendationer.

– Det är ett bekymmer eftersom man som användare inte får kunskap om apparnas begränsningar, säger Åsa Ingvar.

Som exempel nämner hon att flera av de AI-baserade apparna ofta är ”tränade” på bilder på hudförändringar tagna på personer med ljus hudton, vilket kan göra dem sämre på att analysera bilder från personer med annan hudfärg. Apparna kan också begränsas av att de bara tränats på bilder från en viss typ av kamera, eller om de tränats på för få eller inga bilder alls av vissa hudförändringar.

– Det är välkänt bland utvecklare att AI-appar är känsliga för avvikelser från den data de är tränade på. Men denna kunskap måste även spridas bland användare, oavsett om de är sjukvårdspersonal eller inte, säger Åsa Ingvar.