新技術如何取代你的醫生。
研究人員發現，CNN在識別黑色素瘤，一種侵襲性皮膚癌和良性痣方面比甚至有經驗的皮膚科醫生更可靠。
組裝一套包含黑素瘤和良性痣的100張皮膚鏡圖像測試集
這項研究是在2017年在斯坦福大學的研究人員發表的一篇具有里程碑意義的論文中提出的，該論文首先提出，通過機器學習，人工智能可以在檢查成千上萬的疾病圖片之後直觀地識別皮膚癌。機器學習是人工智能根據過去的表現和數據“學習”並在給定的任務中提高其性能的過程。
CNN在此研究中使用的過程基於Google開發的算法，該算法允許人工智能在視覺上區分數千個不同的對象。
然而，直到現在，這個過程的準確性還沒有與一大群人體皮膚科醫生進行比較。
為了進行這項研究，Haenssle和他的團隊組裝了一套包含黑素瘤和良性痣的100張皮膚鏡圖像測試集。
Dermoscopic圖像被放大，用稱為dermoscope的工具創建高分辨率圖像。它們比肉眼檢查更容易診斷。
圖像由CNN和來自世界各地的58名皮膚科醫生分析。
圖像由CNN和來自世界各地的58名皮膚科醫生分析
來自17個不同國家和不同技能水平的皮膚科醫生，從初級到專家參加。在皮膚科醫生中，17人（大約三分之一）是“初學者”，意味著在皮膚鏡檢中不到兩年的經驗; 11名“熟練”，有2至5年的經驗; 30多名（超過一半）被認為是“專家”，擁有超過五年的經驗。
第一輪分析後，研究人員向皮膚科醫生提供了相同區域和臨床信息的額外特寫圖像，例如患者的年齡和性別以及病變位於身體上的位置。
在研究的第一部分，皮膚科醫生確定了86.6％的黑素瘤，儘管更有經驗的醫生得分更高，達到89％。平均而言，該小組準確確定了71.3％的良性痣。
當人工智能被用於同樣的任務時，它正確地識別了95％的黑素瘤。
在隨後的研究階段，當醫生獲得更多信息時，他們的準確性得到提高。黑素瘤的平均檢測率提高到88.9％，良性痣提高到75.7％。
但是，即使有了這些額外的信息，人類皮膚科醫生的表現仍然比CNN差。
機器學習AI廣泛整合到皮膚病臨床實踐中可能會增加皮膚癌的檢測並改善結果。
澳大利亞墨爾本莫納什大學的Victoria Mar博士和澳大利亞布里斯班昆士蘭大學的H. Peter Soyer教授在隨行的社論中描述了這項技術如何成為普遍的做法。
“未來，我認為人工智能將作為一種診斷手段，特別是在初級保健中的實際應用，以支持切除病變，轉診或以其他方式確保其良性的決定。”Mar告訴Healthline。
AI技術有可能與二維或三維皮膚成像系統集成
“AI技術有可能與二維或三維皮膚成像系統集成，這意味著大多數良性病變已經被機器過濾了，因此我們可以花更多時間專注於困難或更多的相關病變，“ 她說。“對我而言，這意味著與病人進行更有成效的互動，我們可以專注於適當的管理，並提供更加精簡的護理。”
“雖然這項技術對於皮膚科的實踐有很大的希望，但是為實現這一承諾需要做更多的工作和研究，”她說。
在此之前，你仍然可能會與經過認證的皮膚科醫生握手。
閱讀更多 醫學速遞 的文章
