韓國的研究人員開發(fā)了一種基于深度學習的人工智能(AI)算法，該算法可以準確地對皮膚皮膚疾病進行分類，預測惡性腫瘤，建議主要治療方案，并可以作為輔助工具來提高臨床醫(yī)生的診斷準確性。借助該系統，皮膚科醫(yī)生和公眾的診斷準確性大大提高。這項新的研究發(fā)表在《皮膚病學研究雜志》上。

皮膚病很常見，但是要迅速拜訪皮膚科醫(yī)生或區(qū)分惡性腫瘤與良性疾病并不總是那么容易。“最近，人工智能在醫(yī)學上的應用取得了顯著進展。對于特定問題，例如區(qū)分黑色素瘤和痣，人工智能已顯示出與人類皮膚科醫(yī)生相當的結果。但是，對于這些系統在實踐中有用，它們的性能需要在與實際操作類似的環(huán)境中進行測試，這不僅需要對惡性病變與良性病變進行分類，而且還需要將皮膚癌與眾多其他皮膚疾病(包括炎癥和感染性疾病)區(qū)分開來，”醫(yī)學首席研究員Jung-Im Na解釋說，韓國首爾國立大學皮膚科，博士。

研究人員使用專門的AI算法“卷積神經網絡”開發(fā)了一種能夠預測惡性腫瘤，建議治療方案并對皮膚疾病進行分類的AI系統。研究人員收集了22萬張患有174種皮膚病的亞洲人和高加索人的圖像，并訓練了神經網絡來解釋這些圖像。他們發(fā)現，該算法可以診斷134種皮膚疾病，并提出主要的治療選擇，對疾病進行多類分類，并通過增強智能提高醫(yī)療專業(yè)人員的績效。大多數先前的研究僅限于特定的二元任務，例如區(qū)分黑色素瘤和痣。

最初將該算法的性能與21位皮膚科醫(yī)生，26位皮膚病學家和23位普通公眾的性能進行了比較。它的表現與皮膚科住院醫(yī)師相似，但略低于皮膚科醫(yī)師。初始測試后，測試參與者將被告知算法結果，并隨后修改了答案。47名臨床醫(yī)生的惡性診斷敏感性從77.4%提高到86.8%。同樣，由23名普通民眾對惡性腫瘤的診斷敏感性從47.6%顯著提高到87.5%。值得注意的是，根據最初的結果，如果沒有轉介專家，一般公眾就會錯過一半的惡性腫瘤。

Na博士說：“我們的結果表明，我們的算法可以作為增強智能的工具，可以增強醫(yī)學專家在診斷皮膚病學中的能力。”“我們期望人工智能能夠代替人類代替人類，而作為增強智能來支持人類，從而更快，更準確地進行診斷。”

研究人員告誡說，即使提出的問題很簡單，人工智能也不能最終解釋未經訓練的圖像。例如，僅受過訓練以區(qū)分黑色素瘤和痣的算法不能區(qū)分指甲血腫和黑色素瘤或痣的圖像。如果血腫的形狀不規(guī)則，該算法可能會將其診斷為黑素瘤。他們還指出，該算法是使用高質量圖像進行訓練和測試的，如果輸入圖像的質量較低，則其性能通常會欠佳。

另外，與在臨床環(huán)境中進行的診斷相比，僅使用一張具有最佳構圖的圖像進行的診斷可能會存在固有的局限性。在實際實踐中，皮膚病學診斷是基于多種信息源進行的，包括過去的病史，癥狀，與患者其他病變相比的外觀，以及通過身體接觸評估的病變質地。

Na博士評論說：“我們預計，將我們的算法與智能手機配合使用會鼓勵公眾拜訪可能被忽視的黑色素瘤等癌癥病變的專家。”“但是，公眾拍攝的照片質量或構圖可能會影響算法的結果。如果可以在臨床環(huán)境中重現算法的性能，則對早期檢測皮膚癌將很有希望。我們希望未來的研究能夠在臨床環(huán)境中評估我們算法的效用和性能。”

可通過其網站獲得團隊深度學習方法的早期演示版本。研究人員希望通過網站上的數據進行分析，以找出通過遠程醫(yī)療使用AI仍然可能出現的問題，遠程醫(yī)療更多地依賴于臨床攝影來診斷皮膚疾病，但是這種診斷仍需要皮膚科醫(yī)生進行驗證以及患者的病史和體格檢查。