Moxov (lepra, Gansen kasalligi) asosan Mycobacterium leprae va kamroq hollarda Mycobacterium lepromatosis bilan bogʻliq boʻlib, ayniqsa teri va periferik asab tizimini zararlaydigan surunkali yuqumli kasallikdir. Ushbu tuzilmali narrativ sharh moxov tashxisida mashinaviy oʻrganish, chuqur oʻrganish, kompyuter koʻrishi, multimodal sunʼiy intellekt, telemeditsina va mobil salomatlik texnologiyalarining mavjud dalil darajasini baholaydi. Tadqiqot yangi AI modeli yoki yangi bemor maʼlumotini yaratmaydi; avval nashr qilingan moxovga xos tadqiqotlarni, zarur hollarda umumiy dermatologiya AI adabiyotidan keladigan bilvosita dalillardan ajratib koʻrib chiqadi.

Sharhning asosiy xabari shuki, AI moxov tashxisida istiqbolli qarorlarni qoʻllab-quvvatlash vositasi boʻlishi mumkin, biroq mavjud dalillar AI mutaxassis klinik baholashining oʻrnini bosishini qoʻllab-quvvatlamaydi. Tadqiqot sharoitlarida ayrim modellar yuqori accuracy, sensitivity, specificity yoki AUC qiymatlarini bildirgan; biroq tadqiqotlar maʼlumotlar toʻplami, bemor populyatsiyasi, tasvir olish usuli, maqsadli vazifa va validatsiya shakli jihatidan bir-biridan sezilarli darajada farq qiladi. Shu sababli bildirilgan samaradorlik qiymatlarini yagona “moxov AI aniqligi” sifatida birlashtirib boʻlmaydi.

Moxovga bevosita qaratilgan misollardan birida de Souza va hamkasblarining klinik va epidemiologik qaydlar bilan ishlaydigan random forest asosidagi tizimi paucibacillary va multibacillary tasnifida %92,38 accuracy, %93,97 sensitivity va %87,09 specificity bildirgan. AI4Leprosy tadqiqotida teri lezyoni suratlarini demografik va klinik oʻzgaruvchilar bilan birlashtirgan multimodal tizim uchun %90 accuracy va 0,9646 AUC xabar qilingan. Teri bilan bogʻliq besh xil neglected tropical disease ni qamrab olgan Yotsu va hamkasblarining tasvir tadqiqotida esa umumiy toʻgʻri bashorat darajasi %70 dan yuqori boʻlgan va ResNet-50, VGG-16 ga qaraganda yaxshiroq ishlagan. Oxirgi natija faqat moxovga xos samaradorlik qiymati emas.

Bu raqamlarni bevosita taqqoslab boʻlmaydi. Birinchi tadqiqot tuzilmali maʼlumotlar bilan operatsion PB/MB tasnifini, ikkinchisi surat va klinik maʼlumotlar bilan multimodal moxov tasnifini, uchinchisi esa moxov ham kiradigan besh teri kasalligini tasvirlardan ajratishni baholagan. Bundan tashqari, manba sharhining oʻz 1-jadvalida ayrim validatsiya va model arxitekturasi maydonlari “verify in full text” yoki “architecture to verify” ko‘rinishidagi tugallanmagan tahririy toʻldirgichlarni oʻz ichiga olgani sababli, bu maydonlar Verianla tomonidan taxmin qilib toʻldirilmagan.

Sharh moxov tashxisida yakka holda yetarli sensitivity ga ega bitta laboratoriya testi yoʻqligini taʼkidlaydi. Klinik baholash slit-skin smear mikroskopiyasi, gistopatologiya, PCR/qPCR kabi molekulyar usullar, serologik testlar va biomarkerlar bilan birgalikda qoʻllanishi mumkin. Ayniqsa paucibacillary (PB) kasallikda bakterial yukning past boʻlishi ham anʼanaviy mikroskopiyani, ham erta klinik tashxisni qiyinlashtiradi.

AI ning yaqin muddatdagi eng ehtimoliy roli teri lezyoni tasvirlarini baholashni qoʻllab-quvvatlash, PB/MB operatsion tasnifiga yordam berish, noaniq holatlarni triaj qilish, tasvir sifatini nazorat qilish va mutaxassisga kirish cheklangan hududlarda teledermatologik yoʻnaltirishni osonlashtirishdir. Biroq katta, yaxshi belgilangan va turli populyatsiyalarni qamrab oladigan maʼlumotlar toʻplamlarining kamligi; tashqi validatsiya yetishmasligi; teri pigmentatsiyasi, demografik vakillik va tasvirlash sharoitlaridan kelib chiqishi mumkin boʻlgan algoritmik tarafkashlik; izohlanuvchanlik va maʼlumot maxfiyligi muammolari muntazam klinik qoʻllanishni cheklaydi.

Manba, shuningdek, moxovga xos tadqiqotlar teri tusi kichik guruhlari boʻyicha samaradorlik natijalarini bermaganini alohida qayd etadi. Shuning uchun “AI toʻq terida yomonroq ishlaydi” yoki “teri tusidan taʼsirlanmaydi” degan xulosalarning hech biri ushbu sharhning moxovga xos maʼlumotlari bilan isbotlangan emas. Bu xavf umumiy dermatologiya AI adabiyotidan kelib chiqadigan mantiqiy tashvish boʻlib, moxovda prospektiv kichik guruh validatsiyasini talab qiladi.

Xulosa qilib, tadqiqot sunʼiy intellekt va raqamli salomatlikni avtonom tashxis tizimi sifatida emas, balki klinitsist, tasdiqlovchi laboratoriya testi, telemeditsina va yoʻnaltirish tizimlarini oʻzaro bogʻlaydigan yordamchi qatlam sifatida joylashtiradi.

Moxov Tashxisida Sunʼiy Intellektning Roli Nima?

Moxov tashxisida sunʼiy intellekt klinik suratlar yoki tuzilmali klinik va epidemiologik maʼlumotlardagi naqshlardan foydalanib lezyonni tanish, operatsion tasnif, triaj va klinik qarorlarni qoʻllab-quvvatlashga yordam bera oladigan hisoblashga asoslangan yordamchi qatlamdir; mavjud moxovga xos dalil AI klinitsist va tasdiqlovchi diagnostika usullarini almashtirishini emas, ularni toʻldirishini qoʻllab-quvvatlaydi.

Moxovni erta aniqlash nega qiyin?

Moxovning klinik koʻrinishi bir xil emas. Terida gipopigmentatsiyalangan yoki eritematoz sohalar, sezgi yoʻqolishi, periferik asab zararlanishi, motor buzilish, mushak kuchsizligi, terlashning kamayishi, quruq teri, tugunlar yoki kengroq teri infiltratsiyasi kabi turli belgilar paydo boʻlishi mumkin. Bu oʻzgaruvchanlik, ayniqsa kasallikning erta bosqichida, boshqa yalligʻlanish yoki yuqumli teri kasalliklari bilan adashish xavfini oshiradi.

Manba taʼkidlagan ikkinchi muammo uzoq inkubatsiya davridir. Klinik belgilar infeksiyadan ancha vaqt oʻtgach paydo boʻlishi mumkinligi sababli erta holatlarni aniqlash qiyinlashishi mumkin.

Uchinchi muammo kasallikning butun spektrida yakka holda yetarli sensitivity beradigan laboratoriya testi yoʻqligidir. Yakuniy diagnostik baholash klinik belgilar, bakteriologik tekshiruv, gistopatologiya, molekulyar usullar va zarur hollarda immunologik biomarkerlarni birgalikda baholashga asoslanishi mumkin.

Moxov tashxisidagi kardinal belgilar

Sharhda klinik tashxis asosida uchta asosiy belgilar guruhi turadi: sezgi yoʻqolishi bilan bogʻliq gipopigmentatsiyalangan yoki eritematoz teri lezyonlari, sezuvchi yoki motor buzilish bilan kechadigan periferik asab zararlanishi va slit-skin smear tekshiruvida kislotaga chidamli basillarning koʻrsatilishi.

Manbada bu belgilardan birortasi avtomatik tasvir tasnifi bilan toʻliq almashtirilgani haqida xulosa yoʻq. Ayniqsa sezgi tekshiruvi va periferik asablarni baholash faqat teri suratidan bevosita olinmaydigan klinik maʼlumotlardir.

Paucibacillary va Multibacillary Moxov Oʻrtasidagi Farq Nega Muhim?

Paucibacillary (PB) va multibacillary (MB) moxovning operatsion tasnifida qoʻllanadigan ikki guruhdir; ushbu sharhda PB kasallik ayniqsa muhim, chunki bakterial yukning pastligi va klinik belgilarining xira boʻlishi mikroskopiya va boshqa diagnostik yondashuvlarning sensitivity sini pasaytirib, erta tashxisni qiyinlashtirishi mumkin.

Paucibacillary kasallik

PB kasallikda bakterial yukning past boʻlishi klassik bakteriologik tasdiqlashni qiyinlashtirishi mumkin. Manba slit-skin smear mikroskopiyasi PB kasallikda past sensitivity koʻrsatishi mumkinligini bildiradi.

Bu holat AI nuqtayi nazaridan ham muhim. Agar referens tashxisning oʻzini olish qiyin boʻlsa, AI modeli oʻqitiladigan “toʻgʻri yorliq”larni yaratish ham qiyinlashadi. Bu Verianla manba topilmalaridan chiqargan metodologik izohdir; manba yangi raqamli yorliq xatosi darajasini bermaydi.

Multibacillary kasallik

MB kasallik yuqoriroq bakterial yuk bilan bogʻliq boʻlgani sababli slit-skin smear kabi bakteriologik usullar bu guruhda foydaliroq boʻlishi mumkin. Manba slit-skin smear usuli MB kasallikni tasdiqlashda yuqori specificity ga ega ekanini va bacterial index ni aniqlashi mumkinligini bildiradi.

Manba aniq PB/MB chegaralarini beradimi?

Sharh PB va MB operatsion tasnifi haqida soʻz yuritadi va 1-rasmda ikki sinfni tashxis yoʻlining bir bosqichi sifatida koʻrsatadi. Biroq ushbu maqolaning asosiy matni PB/MB uchun batafsil raqamli lezyon yoki asab chegaralarini oʻrgatuvchi tasnif jadvali ko‘rinishida taqdim etmaydi. Shu sababli Verianla manbada mavjud boʻlmagan chegaralarni ushbu maqolaning topilmasi sifatida qoʻshmaydi.

Slit-skin smear mikroskopiyasi nima?

Slit-skin smear teridan olingan materialda kislotaga chidamli basillar mikroskopik ravishda izlanadigan bakteriologik baholashdir. Sharh ushbu usul MB kasallikda yuqori specificity taʼminlashini va bacterial index ni oʻlchashga yordam berishini, biroq PB kasallikda sensitivity past boʻlishi mumkinligini bildiradi.

Samaradorlik mos namuna olish va tajribali xodimlarga bogʻliq. Shu sababli usulning faqat texnik mavjudligi emas, uni qoʻllash sifati ham tashxis ishonchliligining bir qismidir.

Gistopatologiya nega qoʻllanadi?

Teri biopsiyasining gistopatologik tekshiruvi granulomatoz yalligʻlanish, periferik asab zararlanishi va basillarning taqsimlanishi kabi topilmalar haqida qoʻshimcha maʼlumot beradi. Ridley–Jopling tasnifi kabi gistopatologik/klinik doiralarga ham hissa qoʻshishi mumkin.

Manba, shuningdek, erta kasallikda ayrim gistopatologik topilmalar spetsifik boʻlmasligi va talqin dermatopatologiya tajribasini talab qilishini bildiradi.

PCR va qPCR nima beradi?

Polymerase chain reaction (PCR) va quantitative PCR (qPCR) Mycobacterium leprae DNA sini bevosita nishonga oladigan molekulyar diagnostika yondashuvlaridir. Ayniqsa bakterial yuk past boʻlgan va klassik mikroskopiya manfiy qolishi mumkin boʻlgan PB holatlarida diagnostik yordamni oshirish salohiyatiga ega.

Biroq sharh PCR samaradorligi klinik tasnif, namuna turi, nishon ketma-ketligi va usul dizayniga qarab oʻzgarishi mumkinligini taʼkidlaydi. Bundan tashqari, molekulyar usullar texnik infratuzilma va xarajat talab qilgani sababli barcha endemik hududlarda muntazam mavjud emas.

LAMP nima?

Manba 1-rasmda LAMP ni molekulyar tashxis bosqichlaridan biri sifatida koʻrsatadi. LAMP “loop-mediated isothermal amplification” iborasining qisqartmasi boʻlib, nishon nuklein kislotani doimiy harorat sharoitida koʻpaytirishga asoslangan molekulyar amplifikatsiya yondashuvidir. Bu tushuntirish tushunchani oʻrgatish uchundir; sharh LAMP uchun mustaqil samaradorlik maʼlumoti yoki yangi tajriba xabar qilmaydi.

Anti-PGL-I serologiyasining chegarasi nima?

Phenolic glycolipid-I (PGL-I) antigeniga qarshi antitanalarni nishonga oladigan serologik usullar holatlarni aniqlash yoki kontaktdagi shaxslarda xavfni tasniflash uchun oʻrganilgan. Biroq antitana javobining bakterial yuk bilan bogʻliqligi PB kasallikda sensitivity ni cheklashi mumkin.

Sharhning muhim xulosasi shuki, hozirgi holatda hech bir biomarker moxovning butun klinik spektrida yetarlicha aniq yakka tashxis testi emas.

AI tashxis oqimining qayerida joylashadi?

Manba AI ni klinik shubhadan keyingi butun tashxis jarayonining oʻrnini bosadigan yagona “avtomatik tashxis qutisi” sifatida taʼriflamaydi. AI koʻproq tasvir tahlili, operatsion tasnif, klinik qaror yordami, triaj va yoʻnaltirish jarayonlariga yordam bera oladigan qatlamdir.

Bu farq ayniqsa muhim, chunki moxovda sezgi tekshiruvi, periferik asablarni baholash, bakteriologik tekshiruv va molekulyar tasdiqlash kabi suratdan mustaqil maʼlumotlar ham tashxis jarayonining qismlaridir.

Telemeditsina va mobil salomatlik nima bera oladi?

Smartfon bilan tasvir olish, teledermatologiya va mobil salomatlik vositalari mutaxassis shifokorga jismoniy kirish cheklangan hududlarda shubhali holatlarni masofadan baholashga yordam berishi mumkin.

Sharh WHO Skin NTD mobil ilovasini ushbu kontekstdagi raqamli salomatlik misollaridan biri sifatida koʻrib chiqadi. Potensial qoʻllanish sohalari masofaviy maslahat, holatlarni ustuvorlashtirish, epidemiologik kuzatuv, kontaktlarni kuzatish va davolash monitoringini qamrab oladi.

Biroq ilovaning mavjudligi klinik samaradorlik yoki moxovga xos AI aniqligining avtomatik dalili emas. Haqiqiy amaliyotda oflayn ishlash, foydalanish qulayligi, xarajat, maʼlumot almashish, tizimlararo moslashuvchanlik va yoʻnaltirish zanjirining yakunlanishi ham baholanishi kerak.

Accuracy, Sensitivity, Specificity va AUC Qanday Talqin Qilinishi Kerak?

Accuracy barcha toʻgʻri tasniflarning umumiy ulushini, sensitivity haqiqiy musbat holatlarning qanchasi aniqlanganini, specificity haqiqiy manfiy holatlarning qanchasi toʻgʻri chiqarib tashlanganini, AUC esa turli qaror chegaralarida sensitivity bilan false-positive rate oʻrtasidagi ajratish samaradorligini umumlashtiradi; bu metrikalarning yuqori boʻlishi foydali boʻlsa-da, mustaqil tashqi validatsiya va klinik qoʻllanuvchanlik oʻrnini bosa olmaydi.

TP, TN, FP va FN nimani anglatadi?

• TP — True Positive: Haqiqatan musbat boʻlgan va model musbat deb tasniflagan namuna.
• TN — True Negative: Haqiqatan manfiy boʻlgan va model manfiy deb tasniflagan namuna.
• FP — False Positive: Haqiqatan manfiy boʻlsa ham model musbat deb tasniflagan namuna.
• FN — False Negative: Haqiqatan musbat boʻlsa ham model manfiy deb tasniflagan namuna.

Muhim eslatma: Quyidagi tenglamalar manba maqolaning original tenglamalari emas. Ular manbada bildirilgan samaradorlik metrikalari nimani anglatishini oʻrgatish uchun berilgan standart konseptual taʼriflardir.

Accuracy — aniqlik

Accuracy barcha namunalarning qanchasi toʻgʻri tasniflanganini koʻrsatadi. Biroq sinflar juda nomutanosib boʻlsa, yuqori accuracy chalgʻitishi mumkin. Masalan, manfiy namunalar juda koʻp boʻlsa, model ko‘pchilikni toʻgʻri bashorat qilib yuqori accuracy olishi, lekin musbat bemorlarni yetarli darajada aniqlay olmasligi mumkin.

Sensitivity — sezgirlik

Sezgirlik haqiqatan kasallik yoki maqsadli sinfga ega namunalarning qanchasi model tomonidan aniqlanganini koʻrsatadi. Tashxisda past sezgirlik haqiqiy bemorlarning muhim qismi koʻzdan qochishi mumkinligini anglatadi.

Specificity — spetsifiklik

Spetsifiklik haqiqatan manfiy boʻlgan namunalarning qanchasi toʻgʻri ravishda manfiy deb tasniflanganini koʻrsatadi. Past spetsifiklik koʻplab notoʻgʻri musbat yoʻnaltirishlarga olib kelishi mumkin.

AUC nima?

AUC ROC egri chizigʻi ostidagi maydonni ifodalaydi. ROC egri chizigʻi turli qaror chegaralari boʻylab true-positive rate bilan false-positive rate oʻrtasidagi munosabatni koʻrsatadi. AUC ning 1 ga yaqinlashishi modelning baholanayotgan maʼlumotlar toʻplamida sinflarni ajratish qobiliyati ortayotganini koʻrsatadi.

Biroq AUC ning yuqori boʻlishi model barcha klinik chegaralarda bir xil darajada foydali degani emas. Bundan tashqari, ayni model yangi shifoxonalarda, boshqa kamera tizimlarida yoki boshqa populyatsiyalarda pastroq samaradorlik koʻrsatishi mumkin.

Tashqi validatsiya nimani anglatadi?

Tashqi validatsiya modelni ishlab chiqishda ishlatilmagan mustaqil populyatsiya yoki maʼlumotlar toʻplamida sinashdir. Bu test model faqat trening markazi xususiyatlari yoki maʼlumot toʻplash odatlarini yodlab olganmi-yoʻqmi, tushunishga yordam beradi.

Sharhda tashqi validatsiya yetishmasligi moxov AI adabiyotining asosiy cheklovlaridan biri sifatida taʼkidlanadi.

Prospektiv validatsiya nega kuchliroq?

Prospektiv validatsiyada model oldindan ishlab chiqiladi va keyinchalik haqiqiy klinik oqimda uchraydigan yangi holatlarda baholanadi. Bu tuzilma retrospektiv maʼlumotlar toʻplamidan farqli ravishda maʼlumot yigʻish, foydalanuvchi xatti-harakati, yoʻnaltirish jarayoni va klinik qaror kabi real amaliyot elementlarini yaxshiroq ifodalashi mumkin.

Umumiy Dermatologiya AI Natijalarini Moxovga Bevosita Koʻchirish Mumkinmi?

Yoʻq. Sharh umumiy dermatologiyadagi kuchli AI natijalaridan faqat inson–AI hamkorligi mumkinligiga oid bilvosita dalil sifatida foydalanadi; moxovga xos dermatolog–AI head-to-head tadqiqotlari yetarlicha tashkil etilmagani sababli melanoma yoki boshqa teri kasalliklarida olingan samaradorlik oshishlarini moxov tashxisi uchun miqdoriy tarzda ishlatib boʻlmaydi.

PanDerm misoli nega bilvosita dalil?

Maqola 2025-yildagi keng dermatologiya baholashidan PanDerm nomli multimodal foundation model uchun erta melanoma aniqlashda klinitsistlarga nisbatan %10,2 farq, dermoskopik teri saratoni tasnifida klinitsist aniqligida %11 oshish va 128 teri kasalligi differensial tashxisida dermatolog boʻlmagan klinitsistlar samaradorligida %16,5 oshish bildirilganini keltiradi.

Biroq PanDerm moxov uchun validatsiya qilingan model emas. Ushbu raqamlarni moxov tashxisi samaradorligi prognozi sifatida ishlatib boʻlmaydi.

Shuningdek, manba matni PanDerm natijalarini [19] raqamli havola bilan bergan boʻlsa, adabiyotlar roʻyxatida [19] Moor va hamkasblarining 2023-yildagi foundation-model maqolasidir; PanDerm bilan bevosita bogʻliq 2025-yilgi Nature Medicine qaydi [21] sifatida keltirilgan. Verianla manba ichidagi bu raqamlash nomuvofiqligini yashirincha tuzatmaydi.

AI Mutaxassis Shifokor Oʻrnini Bosa Oladimi?

Ushbu sharhga koʻra yoʻq; mavjud moxov dalillari AI ni mutaxassis baholash oʻrnini bosadigan avtonom tashxis tizimi sifatida emas, balki klinik qaror yordami, triaj, operatsion tasnif va mutaxassis yordamiga kirishni osonlashtiradigan yordamchi texnologiya sifatida qoʻllab-quvvatlaydi.

Nega avtonom tashxis uchun dalil yetarli emas?

Birinchidan, mavjud moxovga xos tadqiqotlar soni va maʼlumotlar xilma-xilligi cheklangan. Ikkinchidan, tadqiqot vazifalari bir-biridan farq qiladi: ayrim modellar PB/MB tasnifi, ayrimlari moxov tasnifi, boshqalari esa bir nechta teri kasalligini farqlash muammosi ustida ishlaydi.

Uchinchidan, tashqi va prospektiv validatsiya cheklangan. Modelning oʻz ishlab chiqish maʼlumotlar toʻplamidagi yuqori samaradorligi boshqa geografiyada, boshqa kamera qurilmasida yoki boshqa klinik amaliyotda xuddi shunday natijani kafolatlamaydi.

Toʻrtinchidan, moxov tashxisida faqat vizual maʼlumot mavjud emas. Sezgi yoʻqolishi, periferik asab zararlanishi, bakteriologik natijalar, gistopatologiya va molekulyar topilmalar kabi turli maʼlumot turlari klinik jihatdan birgalikda talqin qilinishi kerak.

Automation bias nima?

Automation bias tibbiyot xodimining avtomatlashtirilgan tizim tavsiyasiga ortiqcha ishonib, oʻz klinik bahosini ikkinchi oʻringa surish xavfidir. Sharh kelajakdagi inson–AI reader studies da AI oldingi safdagi tibbiyot xodimlari samaradorligini oshiradimi-yoʻqmi, shu bilan birga automation bias keltirib chiqaradimi-yoʻqmi, baholashni tavsiya qiladi.

Algoritmik tarafkashlik teri pigmentatsiyasi bilan bogʻliq boʻlishi mumkinmi?

Mumkin; biroq manba bu yerda juda ehtiyotkor chegara qoʻyadi. Teri rangi va pigmentatsiya tasvirga asoslangan modellarda distribution shift va turlicha samaradorlik uchun ehtimoliy manbadir. Shunga qaramay, sharhdagi moxovga xos birlamchi tadqiqotlar teri tusi boʻyicha ajratilgan samaradorlik natijalarini bermaydi.

Shu sababli mavjud moxov maʼlumotlari pigmentatsiyaga bogʻliq samaradorlik tengsizligi roʻy berganini ham, roʻy bermaganini ham koʻrsatmaydi. Bu masala turli endemik populyatsiyalarda prospektiv kichik guruh baholashini talab qiladi.

Explainable AI nega muhim?

Izohlanadigan AI model qaysi topilma yoki maʼlumot naqshiga tayanib muayyan tavsiyani chiqarganini klinitsist yaxshiroq tushunishini maqsad qiladi. Sogʻliqni saqlash amaliyotida bu xususiyat shunchaki texnik qiziqish emas, balki ishonch, xatolarni tahlil qilish, bemor xavfsizligi va regulyator nazorati nuqtayi nazaridan muhimdir.

Manba shaffof model ishlab chiqish, izohlanuvchanlik, fairness, bemor maxfiyligi, axborotli rozilik, xavfsiz maʼlumot boshqaruvi va klinik nazoratni ishonchli AI uchun zarur sohalar qatoriga kiritadi.

Tadqiqot Usuli va Natijalari

Sharh qanday olib borilgan?

Mualliflar tadqiqotni “structured narrative review” deb taʼriflaydi. PubMed/MEDLINE asosiy bibliografik maʼlumotlar bazasi sifatida ishlatilgan.

PubMed qidiruvida moxov tomonda “leprosy”, “Hansen disease” yoki “Mycobacterium leprae”; texnologiya tomonda esa “artificial intelligence”, “machine learning”, “deep learning”, “convolutional neural network”, “computer vision”, “foundation model”, “digital health”, “telemedicine”, “mobile health” yoki “clinical decision support” atamalari birlashtirilgan.

Qidiruv oxirgi marta 17 avgust 2026-da yangilangan. Bundan tashqari, nashriyot veb-saytlari va WHO manbalarida moxov tashxisi hamda raqamli salomatlik amaliyotlariga oid maqsadli qidiruvlar oʻtkazilgan; mos sharhlar va birlamchi tadqiqotlarning manbalar roʻyxatlari qoʻshimcha nashrlar uchun koʻrib chiqilgan.

Molekulyar tashxis, biomarkerlar, tashqi validatsiya, algoritmik tarafkashlik va inson–AI diagnostik taqqoslashlari uchun ham qoʻshimcha maqsadli qidiruvlar oʻtkazilgan.

Qaysi nashrlarga ustuvorlik berildi?

Moxovda AI yoki raqamli salomatlik amaliyotini bevosita baholagan taqrizdan oʻtgan birlamchi tadqiqotlarga ustuvorlik berilgan. Birlamchi dalil kam boʻlgan sohalarda sistematik yoki scoping sharhlar hamda vakolatli qoʻllanmalardan foydalanilgan.

Diagnostik tasnif, operatsion tasnif, tasvir tahlili, teledermatologiya, klinik qaror yordami, molekulyar/biomarker integratsiyasi, tashqi validatsiya yoki amaliyot muammolarini koʻrib chiqqan tadqiqotlar mos deb hisoblangan.

Eskiroq tadqiqotlar faqat moxov telemeditsinasi yoki masofaviy tashxis sohasida asosiy dalil boʻlsa saqlab qolingan.

Nega meta-tahlil oʻtkazilmadi?

Mualliflar tadqiqotlar oʻrtasida klinik vazifalar, maʼlumotlar toʻplamlari, natija taʼriflari va samaradorlik metrikalari sezilarli darajada farq qilishini bildiradi. Ushbu geterogenlik sababli miqdoriy meta-tahlil mos deb topilmagan va natijalar narrativ tarzda sintez qilingan.

Bu qaror, shuningdek, turli model metrikalarini bevosita bitta birlashtirilgan samaradorlik raqamiga aylantirmaslik kerakligini koʻrsatadi.

Moxovga bevosita qoʻllangan AI tadqiqotlarini taqqoslash

de Souza va hamkasblari modeli nima qildi?

Bu tadqiqot moxov bemorlarini faqat suratga qarab bevosita tashxislashga urinishdan farqli vazifani koʻrib chiqdi. Maqsad klinik va epidemiologik qaydlardan foydalanib paucibacillary va multibacillary operatsion tasnifiga yordam berish edi.

Random forest bir nechta qaror daraxtlarini birlashtirib, har bir daraxt chiqishidan kollektiv tasnif hosil qiladigan mashinaviy oʻrganish yondashuvidir. Bu yerda manba sharhi modelning batafsil giperparametrlarini yoki barcha maʼlumotni dastlabki qayta ishlash bosqichlarini qayta bermaydi.

Bildirilgan %92,38 accuracy, %93,97 sensitivity va %87,09 specificity istiqbolli tadqiqot samaradorligidir. Biroq bu qiymatlar boshqa mamlakatlarda yoki mustaqil klinik oqimlarda xuddi shunday chiqadi degan xulosa chiqarib boʻlmaydi.

AI4Leprosy nega multimodal?

AI4Leprosy tadqiqoti faqat teri suratidan foydalanish oʻrniga klinik tasvirni demografik va klinik oʻzgaruvchilar bilan birlashtirgan. Shu sababli manba uni multimodal AI tadqiqoti sifatida koʻrib chiqadi.

Manba sharhi 222 ishtirokchidan 1229 teri tasviri va 585 metadata toʻplamini bildiradi, model uchun %90 accuracy va 0,9646 AUC beradi.

Biroq manba 1-jadvalda model arxitekturasini aniq koʻrsatish oʻrniga “architecture to verify” iborasini qoldirgan. Shu sababli Verianla modelning CNN qatlamlari, optimizer-i, loss funksiyasi yoki boshqa texnik arxitektura tafsilotlarini manbada tasdiqlanmagan holda toʻldirmaydi.

Yotsu va hamkasblari natijasini nega ehtiyotkor oʻqish kerak?

Yotsu va hamkasblarining tadqiqoti faqat moxovdan iborat maʼlumotlar toʻplamini tasniflamagan. Teri bilan bogʻliq besh xil neglected tropical disease sinfidan 506 bemorga oid jami 1709 tasvir ishlatilgan.

Manba sharhi “%70 dan yuqori toʻgʻri bashorat” natijasini butun koʻp sinfli vazifa uchun beradi. Bu koʻrsatkichni “moxov tashxisida %70 dan ortiq aniqlik” sifatida qayta yozish ilmiy jihatdan toʻgʻri emas.

Uch tadqiqot samaradorligi nega tartiblanmasligi kerak?

%92,38, %90 va %70 dan yuqori qiymatlarni yonma-yon qoʻyib, “birinchi model eng yaxshi” deb tartiblash mos emas. Modellar turli vazifalar, turli populyatsiyalar va turli maʼlumot turlarini baholagan.

Bundan tashqari, accuracy, sensitivity, specificity va AUC bir xil samaradorlik tushunchasi emas. Bir modelning AUC qiymatini boshqa modelning accuracy qiymati bilan bevosita miqdoriy ustunlik taqqoslashiga qoʻyib boʻlmaydi.

Foundation model yondashuvi moxovda tasdiqlanganmi?

Yoʻq. Manba katta multimodal foundation modellarning kelajakda klinik surat, dermoskopiya, gistopatologiya, matn va tuzilmali klinik maʼlumotni bir xil reprezentatsiyada birlashtirish salohiyati haqida gapiradi.

Biroq moxovga xos foundation modelning klinik foydasi hali koʻrsatilmaganini aniq qayd etadi.

Kelajakda tavsiya etilayotgan multimodal maʼlumot integratsiyasi

Manba kelajakda standartlashtirilgan teri suratlarini sezgi topilmalari, periferik asab baholashi, molekulyar testlar, mezbon javobi biomarkerlari va uzoq muddatli kuzatuv maʼlumotlari bilan birlashtirish mumkinligini muhokama qiladi.

Bu tuzilma hozircha tasdiqlangan klinik vosita emas. Mualliflar qoʻshimcha maʼlumot turlari haqiqatan klinitsistning oʻzi yoki oddiyroq modellarga qaraganda koʻproq foyda beradimi-yoʻqmi, prospektiv tarzda oʻlchash zarur deb hisoblaydi.

PCR/qPCR va AI integratsiyasining salohiyati

Molekulyar testlar morfologik teri koʻrinishidan farqli maʼlumot qatlamini beradi. Ayniqsa bakterial yuk past boʻlgan PB kasallikda tasvir va klinik maʼlumotga molekulyar dalil qoʻshish nazariy jihatdan diagnostik noaniqlikni kamaytirishi mumkin.

Sharh bu yondashuvni tadqiq etilishi kerak boʻlgan kelajak yoʻnalishi sifatida taʼriflaydi. Integratsiyalashgan tizimlar diagnostik unumdorlikni, tashxisgacha boʻlgan vaqtni, kasallik rivojlanishini bashorat qilishni yoki kontaktlardagi xavf tasnifini haqiqatan yaxshilashi hali prospektiv tarzda koʻrsatilmagan.

Raqamli salomatlik tizimlari qaysi real hayot mezonlari bilan baholanishi kerak?

Manba faqat accuracy yoki AUC yetarli emasligini taʼkidlaydi. Amaliyot tadqiqotlarida foydalanish qulayligi, oflayn ishlash, tizimlararo oʻzaro ishlash qobiliyati, xarajat-samaradorlik, yoʻnaltirishning yakunlanishi, davolashgacha boʻlgan vaqt va tenglik kabi real sogʻliqni saqlash mezonlari ham baholanishi kerak.

Tadqiqotning kuchli tomonlari

• Moxovga xos AI dalilini umumiy dermatologiya AI dalilidan aniq ajratadi.
• Tashxisni faqat tasvir tasnifi deb koʻrmay, klinik, bakteriologik, gistopatologik va molekulyar qatlamlar bilan birgalikda baholaydi.
• PB kasallikning past bakterial yuk bilan bogʻliq oʻziga xos diagnostik qiyinchiligini koʻrsatadi.
• Model samaradorligini faqat accuracy orqali baholamaydi; tashqi validatsiya, calibration va kichik guruh samaradorligini ham muhokamaga kiritadi.
• Teri pigmentatsiyasi va demografik vakillik kabi fairness muammolarini muhokama qiladi.
• Telemeditsina, mobil salomatlik va yoʻnaltirish zanjirini AI muhokamasiga qoʻshadi.
• AI mutaxassis shifokor oʻrnini emas, qaror yordamini maqsad qilishi kerakligini aniq bildiradi.

Tadqiqotning cheklovlari

• Tadqiqot narrativ sharhdir; sistematik meta-tahlil emas.
• PubMed/MEDLINE asosiy maʼlumotlar bazasidir; qamrov barcha ilmiy maʼlumotlar bazalarini toʻliq tekshiradigan formal sistematik sharh darajasida emas.
• Kiritilgan tadqiqotlar vazifa, maʼlumot turi va samaradorlik oʻlchovi jihatidan geterogendir.
• Moxovga xos birlamchi AI tadqiqotlari soni cheklangan.
• Mustaqil tashqi va prospektiv validatsiya umuman yetarli emas.
• 1-jadvalda “verify in full text”, “architecture to verify” va “denominator to verify” kabi tugallanmagan tahririy iboralar mavjud.
• Sharh teri tusiga qarab ajratilgan moxovga xos AI samaradorlik maʼlumotini bermaydi.
• Umumiy dermatologiyadan olingan PanDerm natijalarini moxovga bevosita koʻchirish mumkin emas.
• PanDerm paragrafidagi havola raqami bilan adabiyotlar roʻyxatidagi tegishli qayd oʻrtasida manba ichidagi moslik muammosi bor.
• Tadqiqot yangi AI modeli ishlab chiqmaydi yoki yangi bemor kohortida prospektiv validatsiya oʻtkazmaydi.
• Samaradorlik metrikalari uchun barcha tadqiqotlarda umumiy ishonch intervallari yoki umumiy xato oʻlchovlari berilmagan.
• Model calibration qiymatlari barcha birlamchi tadqiqotlar uchun miqdoriy tarzda bildirilmagan.
• Iqtisodiy qoʻllanuvchanlik va haqiqiy klinik yoʻnaltirish natijalari hali yetarli tasdiqlanmagan.

Tadqiqot qoʻllab-quvvatlaydigan va qoʻllab-quvvatlamaydigan xulosalar

Kelajak tadqiqot ustuvorliklari

Mualliflar koʻp markazli hamkorlik, standartlashtirilgan klinik maʼlumotlar toʻplami, prospektiv tashqi validatsiya, shaffof hisobot berish va izohlanadigan AI ni asosiy ustuvorliklar qatoriga kiritadi.

Turli teri pigmentatsiyalarida, turli endemik populyatsiyalarda va turli sogʻliqni saqlash muhitlarida kichik guruh samaradorligini alohida baholash fairness nuqtayi nazaridan zarur.

AI modellarida faqat discrimination emas, calibration va uncertainty estimation ham baholanishi kerak. Modelning toʻgʻri bashorat darajasi qanchalik muhim boʻlsa, qachon noaniq ekanini ishonchli koʻrsata olishi ham klinik xavfsizlik uchun shunchalik muhim.

Prospektiv human–AI reader studies AI yakka holda, klinitsist yakka holda va AI yordamidagi klinitsist samaradorligini taqqoslab, tizimning haqiqiy hissasini oʻlchashi kerak.

Yakuniy maqsad AI bemorni bevosita avtomatik tarzda “musbat/manfiy” deb eʼlon qiladigan uzilgan vosita emas, balki shubhali holatni mos tasdiqlovchi test va mutaxassis yordamiga bogʻlaydigan xavfsiz klinik qaror yordami tizimi boʻlishidir.

Sharhning asosiy ilmiy xulosasi

Ushbu sharhning asosiy xulosasi “AI moxovni odamlardan yaxshiroq tashxislaydi” emas. Mavjud moxovga xos tadqiqotlar tadqiqot sharoitida istiqbolli samaradorlik koʻrsatadi; biroq maʼlumotlar toʻplami kichik yoki cheklangan, vazifalar geterogen va mustaqil prospektiv validatsiya yetarli emas.

Eng himoya qilinadigan yondashuv AI teri tasviri, klinik maʼlumot va raqamli salomatlik oqimlaridan foydalanib oldingi safdagi tibbiyot xodimlarini qoʻllab-quvvatlashi; noaniq yoki shubhali holatlarni tasdiqlovchi laboratoriya usullari va mutaxassis klinik bahosiga yoʻnaltirishidir.

Manba va Usul Haqida Izoh

Asl sarlavha: Artificial Intelligence and Digital Health in the Diagnosis of Leprosy: Current Advances and Future Perspectives

Mualliflar: Gerardo Rivera; Raúl Rubio; Luis Rodríguez; Josefina Rodríguez; Augusto Salinas; David Orozco; Francisco González; María Moreno.

Masʼul muallif: María Moreno.

Teng hissa: Manbada teng birinchi mualliflik yoki teng hissa bayonoti koʻrsatilmagan.

Muassasa 1: Academic Department and Cardiovascular Tissue Bank, Faculty of Medicine, University of Monterrey (UDEM), Monterrey, Nuevo Leon, Mexico.

Muassasa 2: Center for Interdisciplinary Studies and Research, Autonomous University of Coahuila (UAdeC), Saltillo, Coahuila, Mexico.

Muassasa 3: Mexican Social Security Institute (IMSS), Monterrey, Nuevo Leon, Mexico.

Jurnal: Acta Microbiologica Hellenica.

Nashriyot: Hellenic Society for Microbiology nomidan MDPI.

Manba turi: Review; mualliflarning usul taʼrifi boʻyicha structured narrative review.

Bibliografik qayd: Acta Microbiologica Hellenica, 2026, 71(4), Article 44.

DOI: 10.3390/amh71040044

Rasmiy havola: DOI 10.3390/amh71040044 orqali nashriyot qaydi.

Nashr vaqt jadvali: Received: 31 avgust 2026; Revised: 16 oktabr 2026; Accepted: 20 oktabr 2026; Published: 22 oktabr 2026.

Academic Editor: Tomislav S. Kostyanev.

Taqriz holati: Nashr qilingan Review; Acta Microbiologica Hellenica taqrizdan oʻtuvchi, ochiq kirishli tibbiy mikrobiologiya jurnalidir.

Litsenziya: Creative Commons Attribution (CC BY).

Preprint holati: Koʻrib chiqilgan manba nashr qilingan jurnal versiyasidir; manbada alohida preprint identifikatori koʻrsatilmagan.

Adabiyot qidirish usuli: PubMed/MEDLINE asosiy maʼlumotlar bazasi; nashriyot saytlari va WHO manbalarida maqsadli qidiruv; mos tadqiqotlar manbalar roʻyxatini koʻrib chiqish; molekulyar tashxis, biomarkerlar, tashqi validatsiya, algoritmik tarafkashlik va inson–AI taqqoslashlari uchun qoʻshimcha maqsadli qidiruvlar.

Soʻnggi qidiruv yangilanishi: 17 avgust 2026.

Meta-tahlil: Oʻtkazilmagan. Mualliflar tadqiqot vazifalari, maʼlumotlar toʻplami, natija taʼriflari va samaradorlik metrikalaridagi geterogenlik sababli miqdoriy meta-tahlil mos emasligini bildirgan.

Yangi tajribaviy maʼlumot: Yoʻq.

Yangi AI modeli: Yoʻq.

Manbada raqamlangan ilmiy tenglama: Yoʻq. Accuracy, sensitivity va specificity tenglamalari Verianla da faqat manbada ishlatilgan metrikalarning oʻrgatuvchi izohi sifatida berilgan.

Asosiy moxov-AI tadqiqotlari: de Souza va b. (2021), Barbieri va b. / AI4Leprosy (2022) va Yotsu va b. (2023).

Manba 1-jadval tahririy eslatmasi: Ayrim kataklarda “denominator to verify”, “architecture to verify” va “verify in full text” iboralari nashr qilingan manbada koʻrinadi. Ushbu maydonlar Verianla tomonidan taxmin qilinib toʻldirilmagan.

PanDerm havola eslatmasi: Maqola PanDerm samaradorligi paragrafida [19] raqamini ishlatadi; adabiyotlar roʻyxatida [19] Moor va b. (2023), PanDerm bilan bevosita bogʻliq 2025-yilgi Nature Medicine qaydi esa [21] Yan va b. sifatida koʻrinadi. Ushbu manba ichidagi havola mosligi yashirincha oʻzgartirilmagan.

IRB: Qoʻllanilmaydi; tadqiqot ilgari nashr etilgan va ochiq mavjud adabiyotning narrativ sharhidir.

Axborotli rozilik: Qoʻllanilmaydi.

Moliyalashtirish: Tadqiqot tashqi moliyalashtirish olmagan.

Maʼlumotlarning mavjudligi: Usul boʻlimi tahlil qilingan maʼlumotlar havola berilgan nashrlarda mavjudligini bildiradi, yakuniy Data Availability Statement esa maqola natijalarini qoʻllab-quvvatlaydigan xom maʼlumotlar mualliflardan soʻrov boʻyicha taqdim etilishini bildiradi. Verianla har ikki bayonotni oʻzgartirmasdan qayd etadi.

Manfaatlar toʻqnashuvi: Mualliflar manfaatlar toʻqnashuvini bildirmagan.

Conceptualization: María Moreno va Gerardo Rivera.

Methodology: Gerardo Rivera, María Moreno va Luis Rodríguez.

Software: Raúl Rubio va Augusto Salinas.

Validation: Gerardo Rivera, Josefina Rodríguez va David Orozco.

Formal analysis: Gerardo Rivera, María Moreno va Francisco González.

Investigation: Gerardo Rivera, María Moreno, Raúl Rubio, Luis Rodríguez, Josefina Rodríguez, Augusto Salinas, David Orozco va Francisco González.

Resources: María Moreno va Francisco González.

Data curation: Gerardo Rivera, Luis Rodríguez va Josefina Rodríguez.

Writing — original draft: Gerardo Rivera va María Moreno.

Writing — review & editing: María Moreno, Gerardo Rivera, Raúl Rubio, Luis Rodríguez, Josefina Rodríguez, Augusto Salinas, David Orozco va Francisco González.

Visualization: Gerardo Rivera va David Orozco.

Supervision: María Moreno va Raúl Rubio.

Project administration: María Moreno.

Funding acquisition: María Moreno.

Acknowledgment eslatmasi: Manba mualliflar chiqishni koʻrib chiqib tahrir qilganini va nashr etilgan mazmun uchun masʼuliyatni oʻz zimmasiga olganini bildiradi; muayyan sunʼiy intellekt vositasi yoki foydalanish tafsiloti manbada alohida nomlanmagan.

Asosiy talqin chegarasi: Moxovga xos AI modellaridagi tadqiqot samaradorligi haqiqiy hayotdagi klinik samaradorlik yoki mutaxassis shifokor oʻrnini bosish mumkinligining dalili emas. Umumiy dermatologiya AI natijalari moxovga miqdoriy tarzda koʻchirilmasligi kerak.