人工智能在皮肤癌检测准确性方面超越经验丰富的皮肤科医生

国际团队首次证明人工智能可以比经验丰富的皮肤科医生更准确地检测皮肤癌。

恶性黑色素瘤病例不断增加——2015 年全球新增诊断病例超过 230,000 例，死亡病例达 59,800 例。早期发现至关重要；在 IV 期，5 年和 10 年生存率分别降至 15% 和 10%。

欧洲肿瘤内科学会团队使用超过 100,000 张恶性黑色素瘤和良性痣的皮肤镜图像训练了卷积神经网络 (CNN)。

在一对一比较中，CNN 漏检的阳性病例少于来自 14 个国家的 58 名皮肤科医生。

研究人员采用了谷歌的 Inception-v4 架构，根据皮肤镜图像及其诊断对其进行训练。神经网络通过实例学习，随着接触更多数据而逐步改进。

图像被放大 10 倍，以便为 CNN 提供详细视图。每次训练迭代都增强了模型区分恶性和良性病变的能力。

人工智能在皮肤癌检测准确性方面超越经验丰富的皮肤科医生

创建了两个测试集：I 级（仅皮肤镜图像）和 II 级（皮肤镜图像加上临床信息）。 CNN 和皮肤科医生都测量了特异性、敏感性和 ROC 曲线下面积。

在 I 级中，皮肤科医生对黑色素瘤的平均敏感性为 86.6%，对良性痣的特异性为 71.3%。 CNN 对黑色素瘤的敏感性达到 95%，同时对良性痣保持 71.3% 的特异性。

在 II 级中，两组的表现均有所提高，但 CNN 仍然表现出更高的敏感性和特异性，漏掉的癌症更少，错误分类的良性病变也更少。

人工智能在皮肤癌检测准确性方面超越经验丰富的皮肤科医生

结果也与 2016 年国际生物医学成像研讨会 (ISBI) 挑战赛的前三名算法相匹配。

数据表明，CNN 在识别皮肤癌方面甚至可以胜过经验丰富的皮肤科医生。

虽然该技术并不是要取代临床医生，但它提供了强大的决策支持工具，可以提高诊断准确性。

未来的改进将来自更大的训练集和成像技术的进步，有可能在不久的将来改变皮肤病诊断。

参考：肿瘤学年鉴| doi:10.1093/annonc/mdy166

工业技术