深度学习可以帮助医疗专业人员诊断皮肤疾病

深度学习可以帮助医疗专业人员诊断皮肤疾病

韩国的研究人员已经开发出卷积神经网络（CNN）架构，能够帮助专家诊断134种皮肤疾病。他们的算法还可以预测治疗方案。在这种方法的帮助下，研究小组发现皮肤科医生和公众的诊断准确性得到了显着提高。

用174种疾病的220,680张图像训练了神经网络，并使用爱丁堡（1,300张图像； 10种疾病）和首尔国立大学数据集（2,201张图像； 134种疾病）进行了验证。数据集由亚洲人和高加索人的图像组成。该算法对134种皮肤疾病进行了二元分类（预测恶性肿瘤和建议治疗方案）和多分类。

首先将算法的性能与皮肤科医生，皮肤病学居民以及普通大众的性能进行比较。研究人员发现，他们的算法与皮肤科住院医师的成功率相似，但略低于皮肤科医师。在此初始试验之后，测试参与者将被告知算法的结果，并有机会修改他们的答案。临床医生对恶性肿瘤的诊断敏感性从77.4％提高到86.8％。公众对诊断性能的相应提高从47.6％上升到87.5％。

“最近，在医学上使用人工智能取得了显着进展。对于特定的问题，例如区分黑色素瘤和痣，AI已显示出与人类皮肤科医生相当的结果。但是，要使这些系统在实践中有用，就需要在类似于实际操作的环境中测试其性能，这不仅需要对恶性病变与良性病变进行分类，还需要将皮肤癌与众多其他皮肤疾病（包括炎症和感染性疾病）区分开来，首尔国立大学首席研究员Na Jung-Im Na解释说。

这项研究表明，无论是在预测恶性肿瘤还是在决定治疗方案方面，该算法加上皮肤科医生均能发挥最大的作用。Na博士指出：“我们的研究结果表明，我们的算法可以作为增强智能的手段，增强医学诊断皮肤病学专业人员的能力。” “我们期望人工智能能够代替人类代替人类，而作为增强智能来支持人类，从而更快，更准确地进行诊断。”

Dr博士说：“我们预计，将我们的算法与智能手机配合使用会鼓励公众拜访可能被忽视的黑色素瘤等癌性病变的专家。” “但是，公众拍摄的照片质量或构图存在问题，可能会影响算法的结果。如果该算法的性能可以在临床环境中重现，它将有望通过智能手机早期发现皮肤癌。我们希望未来的研究将评估我们算法在临床环境中的效用和性能。”

研究人员还警告说，他们的方法不能最终解释未经训练的图像。例如，仅训练以区分黑素瘤和痣的算法不能区分指甲血肿和黑素瘤或痣的图像。

该小组已通过其网站提供了CNN方法的早期演示版本。