電話：
021-67610176傳真：
| 導讀 | 5月28日，在ANNALS OF ONCOLOGY上發(fā)表的一項研究中，來自德、美、法三國的研究人員開發(fā)了一個深度學習卷積神經(jīng)網(wǎng)絡（CNN），并通過展示10萬多幅惡性黑色素瘤和良性痣的圖像來讓它識別皮膚癌。而且，在CNN與58位皮膚科醫(yī)生的“PK賽”中， CNN比皮膚科醫(yī)生更少漏診黑素瘤，誤診良性黑素瘤的幾率更低。 |
這是科學家們表明， CNN作為人工智能或機器學習形式比有經(jīng)驗的皮膚科醫(yī)生更能準確診斷皮膚癌。
關于CNN
CNN是一種人工神經(jīng)網(wǎng)絡，它的研發(fā)靈感來源于大腦中神經(jīng)元相互連接并對眼睛看到的東西做出反應的啟發(fā)。CNN能夠從它“看到”的圖像中快速學習，并從它所學的知識中自學提高其性能，這一過程也稱為機器學習。
這項研究的*作者，德國海德堡大學皮膚科醫(yī)師Holger Haenssle教授解釋說:“CNN的工作原理就像一個孩子的大腦。為了訓練它，我們向CNN展示了10萬多幅惡性和良性皮膚癌和黑痣的圖像，并指出每幅圖像的診斷。CNN通過每一幅圖像的訓練提高了區(qū)分良惡性病變的能力。”
“培訓結(jié)束后，我們從海德堡圖書館創(chuàng)建了兩套未被用于培訓的測試圖像（CNN對此一無所知）。接著建立一組300幅圖像來單獨測試CNN的性能。在此之前，選擇了100個zui困難的病變來測試真正的皮膚科醫(yī)生，并與CNN的結(jié)果進行比較。”
圖片來源：conceptsrise.com
CNN對戰(zhàn)皮膚科醫(yī)生
來自世界17個國家的58位皮膚科醫(yī)生受邀參加了這項“對決”。其中17人（29 %）表示他們在皮膚鏡檢查方面的經(jīng)驗不足兩年，11人（19 %）表示他們擁有2至5年的經(jīng)驗，30人（52 %）表示他們擁有5年以上的經(jīng)驗。
首先，皮膚科醫(yī)生被要求從皮膚鏡圖像（I級）診斷惡性黑色素瘤或良性痣，并給出治療對策（手術、短期隨訪或不需要采取行動）。然后，四周后，他們會得到關于患者的臨床信息（包括年齡、性別和病變位置）和相同100例（II級）的特寫圖像，并再次要求診斷和治療決策。
在I級測試中，皮膚科醫(yī)生平均準確檢測到86.6 %的黑色素瘤，并且正確地識別出平均71.3 %的非惡性病變。然而，當CNN調(diào)節(jié)到與醫(yī)生相同的水平時，可檢測到95 %的黑色素瘤。在II級測試中，皮膚科醫(yī)生改善了他們的表現(xiàn)，準確診斷出88.9 %的惡性黑色素瘤和75.7 %的非惡性病變。
盡管當皮膚科醫(yī)生在II級獲得更多臨床資料和圖像時，他們的診斷性能得到了提高。然而，與此同時CNN仍在努力超越醫(yī)生的診斷能力。另一方面，專家皮膚科醫(yī)生在I級表現(xiàn)比經(jīng)驗較少的皮膚科醫(yī)生更好，并且在惡性黑色素瘤的檢測方面更好。然而，他們平均作出正確診斷的能力仍然比CNN要差。
Melanoma in skin biopsy with H&E stain — this case may represent superficial spreading melanoma. Credit: Wikipedia/CC BY-SA 3.0
CNN未來運用方向
惡性黑素瘤的發(fā)病率正在增加，估計*有23.2萬個新病例，每年約有55 500人死于這種疾病。如果及早發(fā)現(xiàn)，這種病是可以治愈的，但許多病例確診時已經(jīng)進入癌癥后期。
Haenssle教授說：“近20年來，我一直致力于改善黑色素瘤早期檢測的研究項目。我和我的團隊專注于無創(chuàng)技術，例如，在進行皮膚癌篩查時，這些技術可以幫助醫(yī)生避免錯過黑色素瘤。而當我看到zui近關于深度學習算法在特定任務中優(yōu)于人類專家的報告時，我立刻知道我們必須探索人工智能算法來診斷黑色素瘤。”
“CNN診斷遺漏的黑色素瘤較少，這意味著它比皮膚科醫(yī)生更敏感；它誤診為惡性黑色素瘤的良性痣較少，這意味著它具有更高的特異性；這些發(fā)現(xiàn)將減少不必要的手術。”
需要指出的是，研究人員并不認為CNN會取代皮膚科醫(yī)生診斷皮膚癌，但它可以作為一種額外的輔助手段。
“CNN可以幫助參與皮膚癌篩查的醫(yī)生決定是否對病灶進行活檢。大多數(shù)皮膚科醫(yī)生已經(jīng)使用數(shù)字皮膚鏡系統(tǒng)對病變進行成像和存儲，以便記錄和隨訪。然后，CNN可以簡易快速地評估存儲的圖像，以獲得關于黑色素瘤概率的‘專家意見’。我們目前正在計劃前瞻性研究，以評估CNN對醫(yī)生和患者的現(xiàn)實影響。”
一些局限性
這項研究有一些局限性，包括皮膚科醫(yī)生是處于一個人工環(huán)境中，他們知道自己并不是在作“生死”的決定；測試集不包括全部皮膚損傷；非白種人皮膚類型和遺傳背景的有效圖像較少等。
他們還強調(diào)，在AI成為臨床標準之前需要解決的一些問題還包括難以在手指、腳趾和頭皮等部位成像一些黑色素瘤，以及如何訓練AI充分識別非典型黑色素瘤和醫(yī)學尚且未知的黑色素瘤等。
“目前，沒有什么可以替代*的臨床檢查。但2 - D和3 - D全身影像已經(jīng)能夠捕獲約90 %至95 %的皮膚表面，且鑒于成像技術的指數(shù)發(fā)展，我們設想自動診斷遲早將改變皮膚病學的診斷范式。然而，在將這一技術安全應用到常規(guī)臨床護理前，還有許多工作要做。”作者們總結(jié)說。
參考資料：
Man against machine: AI is better than dermatologists at diagnosing skin cancer
13224517959
