AI皮肤癌检测准确率超越资深皮肤科医生
- 研究者训练卷积神经网络检测皮肤癌。
- 其表现优于来自14国的58位资深皮肤科医生组成的国际专家组。
- AI不替代医生，但可作为辅助决策工具提升诊断准确性。
首次有国际团队证实：人工智能检测皮肤癌准确度超过经验丰富皮肤科医生。
恶性黑色素瘤病例上升——2015年全球新增确诊超23万，死亡5.98万。早期发现至关重要；IV期5年与10年生存率分别跌至15%与10%。
欧洲医学肿瘤学会团队在10万+皮肤镜图像（恶性黑色素瘤与良性痣）上训练卷积神经网络（CNN）。
直接对比中，CNN漏诊阳性病例少于58位皮肤科医生。
人工神经网络
研究采用Google Inception-v4架构，在皮肤镜图像及诊断标签上训练。神经网络通过示例学习，随数据暴露逐步改进。
图像放大10倍供CNN细节视野。每轮迭代锐化模型区分恶性与良性病变能力。
CNN对决医生
构建两测试集：Level-I（仅皮肤镜图像）、Level-II（皮肤镜图像+临床信息）。CNN与皮肤科医生均测特异性、敏感性、ROC曲线下面积。
Level-I中，医生黑色素瘤平均敏感性86.6%、良性痣特异性71.3%。CNN达95%黑色素瘤敏感性，同等71.3%良性痣特异性。
Level-II双方表现均提升，但CNN仍保持更高敏感性与特异性，漏诊更少癌症、误判更少良性病变。
结果亦匹配2016年ISBI挑战赛前三算法表现。
结论
数据表明CNN能在识别皮肤癌上超越高资深皮肤科医生。
技术非旨在替代临床医生，而提供强大决策支持工具，提升诊断准确性。
更大训练集与成像技术进步将持续改进，有望近期重塑皮肤科诊断范式。
参考：Annals of Oncology | doi: 10.1093/annonc/mdy166工业技术