Gambar sintetis dari kondisi kulit pada kulit yang lebih gelap mungkin memiliki masalah sendiri.
Basis data gambar kondisi kulit terkenal bias terhadap kulit yang lebih terang. Daripada menunggu proses lambat mengumpulkan lebih banyak gambar dari kondisi seperti kanker atau peradangan pada kulit yang lebih gelap, satu kelompok ingin mengisi celah menggunakan kecerdasan buatan. Ini bekerja pada program AI untuk menghasilkan gambar sintetis penyakit pada kulit yang lebih gelap — dan menggunakan gambar tersebut untuk alat yang dapat membantu mendiagnosis kanker kulit.
“Memiliki gambar kulit yang lebih gelap adalah solusi utama,” kata Eman Rezk, pakar pembelajaran mesin di Universitas McMaster di Kanada yang mengerjakan proyek tersebut. “Sampai kita memiliki data itu, kita perlu menemukan cara untuk menutup kesenjangan.”
Tetapi para ahli lain yang bekerja di lapangan khawatir bahwa menggunakan gambar sintetis dapat menimbulkan masalah mereka sendiri. Fokusnya harus pada menambahkan gambar nyata yang lebih beragam ke database yang ada, kata Roxana Daneshjou, seorang sarjana klinis di bidang dermatologi di Universitas Stanford. “Membuat data sintetis terdengar seperti rute yang lebih mudah daripada melakukan kerja keras untuk membuat kumpulan data yang beragam,” katanya.
Ada lusinan upaya untuk menggunakan AI dalam dermatologi. Para peneliti membangun alat yang dapat memindai gambar ruam dan tahi lalat untuk mengetahui jenis masalah yang paling mungkin terjadi. Dokter kulit kemudian dapat menggunakan hasilnya untuk membantu mereka membuat diagnosis. Tetapi sebagian besar alat dibangun di atas basis data gambar yang tidak menyertakan banyak contoh kondisi pada kulit yang lebih gelap atau tidak memiliki informasi yang baik tentang kisaran warna kulit yang disertakan. Itu membuat sulit bagi kelompok untuk yakin bahwa alat akan seakurat pada kulit yang lebih gelap.
Itu sebabnya Rezk dan tim beralih ke gambar sintetis. Proyek ini memiliki empat fase utama. Tim telah menganalisis kumpulan gambar yang tersedia untuk memahami bagaimana warna kulit gelap yang kurang terwakili pada awalnya. Ia juga mengembangkan program AI yang menggunakan gambar kondisi kulit pada kulit yang lebih terang untuk menghasilkan gambar kondisi tersebut pada kulit gelap dan memvalidasi gambar yang diberikan model tersebut. “Berkat kemajuan AI dan pembelajaran mendalam, kami dapat menggunakan gambar pindaian putih yang tersedia untuk menghasilkan gambar sintetis berkualitas tinggi dengan warna kulit berbeda,” kata Rezk.
Selanjutnya, tim akan menggabungkan gambar sintetis dari kulit yang lebih gelap dengan gambar nyata dari kulit yang lebih terang untuk membuat program yang dapat mendeteksi kanker kulit. Ini akan terus memeriksa database gambar untuk menemukan gambar baru dan nyata dari kondisi kulit pada kulit yang lebih gelap yang dapat mereka tambahkan ke model masa depan, kata Rezk.
Tim ini bukan yang pertama membuat gambar kulit sintetis — kelompok yang menyertakan peneliti Google Health menerbitkan makalah pada tahun 2019 yang menjelaskan metode untuk menghasilkannya, dan itu dapat membuat gambar dengan warna kulit yang berbeda-beda. (Google tertarik dengan AI dermatologi dan mengumumkan alat yang dapat mengidentifikasi kondisi kulit musim semi lalu.)
Rezk mengatakan gambar sintetis adalah pengganti sementara sampai ada lebih banyak gambar nyata dari kondisi pada kulit yang lebih gelap yang tersedia. Daneshjou, bagaimanapun, khawatir tentang penggunaan gambar sintetis sama sekali, bahkan sebagai solusi sementara. Tim peneliti harus hati-hati memeriksa apakah gambar yang dihasilkan AI akan memiliki kebiasaan yang tidak dapat dilihat orang dengan mata telanjang. Jenis kekhasan itu secara teoritis dapat mengubah hasil dari program AI. Satu-satunya cara untuk memastikan bahwa gambar sintetis berfungsi sebaik gambar asli dalam sebuah model adalah dengan membandingkannya dengan gambar asli — yang jumlahnya sedikit. “Lalu kembali ke fakta, mengapa tidak mencoba untuk mendapatkan gambar yang lebih nyata?” dia berkata.
Jika model diagnostik didasarkan pada gambar sintetis dari satu kelompok dan gambar nyata dari yang lain — bahkan untuk sementara — itu menjadi perhatian, kata Daneshjou. Ini dapat menyebabkan model tampil berbeda pada warna kulit yang berbeda.
Bersandar pada data sintetik juga dapat membuat orang cenderung tidak mendorong gambar yang nyata dan beragam, katanya. “Jika Anda akan melakukan itu, apakah Anda benar-benar akan terus melakukan pekerjaan itu? dia berkata. “Saya sebenarnya ingin melihat lebih banyak orang bekerja untuk mendapatkan data nyata yang beragam, daripada mencoba melakukan solusi ini.”
Related Posts : Rapat Team Teaching Pascasarjana Universitas Medan Area Semester Genap TA. 2021/2022
