2020年3月31日-韩国研究人员开发了一种基于深度学习的人工智能(AI)算法，可以对皮肤病进行准确分类，预测恶性肿瘤，提出主要治疗方案，并作为临床医生提高诊断准确率的辅助工具。借助该系统，大大提高了皮肤科医生和公众的诊断准确率。这项新研究发表在《皮肤病学研究杂志》。
皮肤病很常见，但要快速看皮肤科医生或区分恶性肿瘤和良性疾病并不总是容易的。“最近，人工智能在医学上的应用取得了显著进展。对于具体的问题，如区分黑色素瘤和痣，人工智能已经显示出与人类皮肤科医生相当的结果。然而，为了使这些系统在实践中有用，需要在类似于实际操作的环境中测试它们的性能，这不仅需要对恶性病变和良性病变进行分类，还需要将皮肤癌与许多其他皮肤病(包括炎症和传染病)区分开来，”韩国首尔国立大学皮肤科首席医学研究员Jung-Im Na博士解释说。
研究人员使用特殊的人工智能算法“卷积神经网络”来开发一个人工智能系统，该系统可以预测恶性肿瘤，提出治疗方案并对皮肤病进行分类。研究人员收集了22万张患有174种皮肤病的亚洲人和高加索人的图像，并训练神经网络来解释这些图像。他们发现，该算法可以诊断134种皮肤病，提出主要的治疗方案，将疾病分为多个类别，并通过增强智能来提高医疗专业人员的绩效。大多数以前的研究局限于特定的二元任务，例如区分黑色素瘤和痣。
首先，将该算法的性能与21名皮肤科医生、26名皮肤科医生和23名普通公众进行了比较。其表现与皮肤科医生相似，但略低于皮肤科医生。初始测试后，测试参与者将被告知算法的结果，然后修改答案。47名临床医生对恶性肿瘤诊断的敏感性从77.4%提高到86.8%。同样，23名普通人对恶性肿瘤诊断的敏感性从47.6%显著提高到87.5%。值得注意的是，根据初步结果，如果没有转诊专家，一般市民会错过一半的恶性肿瘤。
那博士说：“我们的结果表明，我们的算法可以作为一种增强智能的工具，可以增强医学专家诊断皮肤科的能力。”“我们期待人工智能代替人类，代替人类，支持人类成为增强智能，从而更快、更准确地做出诊断。”
研究人员警告说，即使提出的问题很简单，人工智能也无法最终解释未经训练的图像。比如只训练区分黑色素瘤和痣的算法，无法从黑色素瘤或痣的图像中区分指甲血肿。如果血肿形状不规则，算法可能诊断为黑色素瘤。他们还指出，该算法是用高质量的图像训练和测试的，如果输入图像的质量较低，其性能通常会很差。
此外，与临床环境中的诊断相比，仅使用具有最佳组成的一个图像的诊断可能具有固有的局限性。在实践中，皮肤科的诊断是基于各种信息来源，包括过去的病史、症状、与患者其他病变相比的外观以及通过身体接触评估的病变质地。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！