深度学习系统用于诊断皮肤疾病
研究人员开发了一种能够通过提高诊断和预测治疗方案的准确性来诊断134种皮肤疾病和支持专家的AI算法。
韩国的研究人员开发了深度学习可以准确地对皮肤疾病进行分类,预测恶性肿瘤,提出主要治疗选择并作为提高临床医生诊断准确性的辅助工具的算法。在该系统的帮助下,皮肤科医生和公众的诊断准确性得到了显着改善。
皮肤疾病很常见,但是快速探访皮肤科医生或将恶性与良性疾病区分开并不总是容易的。“最近,在医学中使用AI已取得了显着的进步。对于特定问题,例如区分黑色素瘤和Nevi,AI显示出与人类皮肤科医生的结果相当的结果。但是,对于这些系统,实际上是有用的,它们的结果是有用的,它们的结果是有用的。绩效需要在类似于实际实践的环境中进行测试,这不仅需要对恶性病变和良性病变进行分类,而且还需要将皮肤癌与包括炎症和感染性疾病在内的许多其他皮肤疾病区分开来。”博士皮肤科,韩国首尔国立大学。
研究人员使用专门的AI算法使用“卷积神经网络”,开发了一种能够预测恶性肿瘤,建议治疗选择和对皮肤疾病进行分类的AI系统。研究人员收集了22万张亚洲人和高加索人的图像,患有174种皮肤疾病和训练有素的神经网络来解释这些图像。他们发现该算法可以诊断134种皮肤疾病,并提出主要治疗选择,在疾病之间进行多类分类,并通过增强的智能增强医疗专业人员的表现。大多数先前的研究都仅限于特定的二元任务,例如将黑色素瘤与NEVI区分开。
这算法最初的表现与21位皮肤科医生,26个皮肤科居民和23名公众的表现进行了比较。它的性能类似于皮肤病学居民,但略低于皮肤科医生。初始测试后,测试参与者被告知算法的结果,并随后修改了他们的答案。47位临床医生的恶性诊断的敏感性从77.4%提高到86.8%。同样,23名公众对恶性肿瘤诊断的敏感性从47.6%显着提高到87.5%。值得注意的是,根据最初的结果,一半的恶性肿瘤将被公众遗漏,而没有转介专家。
Na博士指出:“我们的结果表明,我们的算法可以作为增强情报,可以增强医疗专业人员的诊断皮肤病学。”“我们希望AI并没有代替人工智能代替人类,而是支持人类,因为增强的智力能够更快,更准确地实现诊断。”
研究人员警告说,AI不能明确地解释图像,即使提出的问题很简单,也无法训练它可以解释。例如,只有在区分黑色素瘤和Nevi的算法无法区分指甲血肿的图像和黑色素瘤或黑脑瘤。如果血肿的形状不规则,则该算法可能将其诊断为黑色素瘤。他们还指出,使用高质量图像对算法进行了训练和测试,如果输入图像质量低,则其性能通常是次优的。
此外,与在临床环境中做出的诊断相比,只有一个具有最佳组成图像的图像制作的诊断可能存在固有的局限性。在实际实践中,与患者的其他病变和通过身体接触评估的病变质地相比,基于多种信息来源的组合进行皮肤病学诊断。
NA博士评论说:“我们预计,我们的算法使用智能手机可以鼓励公众去拜访专家,以了解诸如黑色素瘤等癌变的专家。”“但是,公众拍摄的照片的质量或组成可能会影响算法的结果。如果可以在临床环境中复制算法的性能,那么对于早期发现皮肤癌将是有希望的借助智能手机。我们希望未来的研究能够评估临床环境中算法的实用性和性能。”
该团队深度学习方法的早期演示版可通过其网站获得。通过通过网站分析数据,研究人员希望确定如果通过远程医疗使用AI,可能仍会出现的问题,这更依赖于临床摄影来诊断皮肤疾病。以及患者的病史和身体检查。
资源:Elsevier