Google opracowało system głębokiego uczenia (DLS), który – w przypadku 26 rodzajów chorób skóry – osiąga taką samą dokładność jak dermatolodzy. Lekarze pierwszego kontaktu mogliby z niego korzystać, żeby trafniej kierować swoich pacjentów. Tym bardziej, że w przeciwieństwie do specjalistów, trafność diagnozy stawianej przez lekarza pierwszego kontaktu wynosi od 24 do 70 proc. (Google na swoim blogu wykorzystuje dane dotyczące USA). Podczas gdy dermatolodzy rozpoznają poprawnie od 77 do 96 proc. przypadków. Poza tym, lekarze podstawowej opieki zdrowotnej nie mają problemu ze spektakularnymi zmianami na skórze, kierując od razu do właściwego specjalisty, ale potrafią zlekceważyć zmianę łagodniejszą, która może przerodzić się w poważniejszy problem.
Sztuczna inteligencja Google’a potrafi postawić wstępną diagnozę nawet wtedy, gdy zmiana skórna nie jest oczywista. Po prostu tworzy listę kolejnych, najbardziej prawdopodobnych schorzeń. Na tej podstawie możliwe jest zaordynowanie badań weryfikujących diagnozę. DLS wykorzystuje obrazy kliniczne nieprawidłowości skórnych, a także dodatkowe informacje związane z konkretną osobą. Wśród tych ostatnich znajduje się historia choroby, wiek, płeć, a także zgłaszane objawy. SI bez dodatkowych danych działa gorzej, a radzi sobie lepiej, kiedy ma większą liczbę zdjęć.
Do uczenia maszynowego badacze wykorzystali niemal 18 tys. niezdiagnozowanych przypadków, z lat 2010-2018, a także 50 tys. diagnoz postawionych przez dermatologów. Naukowcy przyznają, że jeszcze długa droga przed nimi. Przede wszystkim niezbędne jest sprawdzenie opracowanego modelu na większym obszarze geograficznym. Konieczna jest także dalsza praca nad rozpoznawaniem samych zdjęć. Tym bardziej, że historia choroby nie zawsze jest dostępna. Mimo wszystko, wyniki SI są imponujące.