据《Journal of Investigative Dermatology》报道,研究人员已经开发了一种能够诊断134种皮肤疾病并通过提高诊断的准确性和预测治疗方案来支持专家的AI算法。 费城,2020年3月31日 — 韩国研究人员开发了一种基于深度学习的人工智能(AI)算法,该算法可以准确地对皮肤皮肤疾病进行分类,预测恶性肿瘤,建议主要治疗方案,并可以用作辅助工具以提高诊断准确性的临床医生。借助该系统,皮肤科医生以及普通公众的诊断准确性得到了显着提高。这项新的研究发表在《Journal of Investigative Dermatology》上。 皮肤病很常见,但是要迅速拜访皮肤科医生或区分恶性肿瘤与良性疾病并不总是那么容易。 “最近,在医学上使用人工智能取得了显着进步。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,就需要在与实际操作类似的环境中对它们的性能进行测试,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。”韩国首尔国立大学皮肤病学系首席研究员Na Jung-Im Na博士解释说。 研究人员使用一种特殊的AI算法 “Convolutional Neural Network”,开发了一种能够预测恶性肿瘤,建议治疗方案并对皮肤疾病进行分类的AI系统。研究人员收集了22万张患有174种皮肤病的亚洲人和高加索人的图像,并训练了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,并提出主要的治疗选择,对疾病进行多类分类,并通过增强智能提高医疗专业人员的表现。大多数先前的研究仅限于特定的二元任务,例如区分黑色素瘤和痣。 最初将该算法的性能与21位皮肤科医生,26位皮肤病学家和23位普通公众的性能进行了比较。它的表现与皮肤科住院医师相似,但略低于皮肤科医师。初始测试后,测试参与者将被告知算法结果,并随后修改了答案。 47位临床医生对恶性肿瘤的诊断敏感性从77.4%提高到86.8%。同样,由23名普通民众对恶性肿瘤的诊断敏感性也从47.6%显着提高到87.5%。值得注意的是,根据最初的结果,如果不转介专家,一般公众就会错过一半的恶性肿瘤。

人工智能系统可以帮助医疗专业人员诊断皮肤疾病
人工智能系统可以帮助医疗专业人员诊断皮肤疾病

据《Journal of Investigative Dermatology》报道,研究人员已经开发了一种能够诊断134种皮肤疾病并通过提高诊断的准确性和预测治疗方案来支持专家的AI算法。

费城,2020年3月31日 — 韩国研究人员开发了一种基于深度学习的人工智能(AI)算法,该算法可以准确地对皮肤皮肤疾病进行分类,预测恶性肿瘤,建议主要治疗方案,并可以用作辅助工具以提高诊断准确性的临床医生。借助该系统,皮肤科医生以及普通公众的诊断准确性得到了显着提高。这项新的研究发表在《Journal of Investigative Dermatology》上。
皮肤病很常见,但是要迅速拜访皮肤科医生或区分恶性肿瘤与良性疾病并不总是那么容易。 “最近,在医学上使用人工智能取得了显着进步。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,就需要在与实际操作类似的环境中对它们的性能进行测试,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。”韩国首尔国立大学皮肤病学系首席研究员Na Jung-Im Na博士解释说。
研究人员使用一种特殊的AI算法 “Convolutional Neural Network”,开发了一种能够预测恶性肿瘤,建议治疗方案并对皮肤疾病进行分类的AI系统。研究人员收集了22万张患有174种皮肤病的亚洲人和高加索人的图像,并训练了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,并提出主要的治疗选择,对疾病进行多类分类,并通过增强智能提高医疗专业人员的表现。大多数先前的研究仅限于特定的二元任务,例如区分黑色素瘤和痣。
最初将该算法的性能与21位皮肤科医生,26位皮肤病学家和23位普通公众的性能进行了比较。它的表现与皮肤科住院医师相似,但略低于皮肤科医师。初始测试后,测试参与者将被告知算法结果,并随后修改了答案。 47位临床医生对恶性肿瘤的诊断敏感性从77.4%提高到86.8%。同样,由23名普通民众对恶性肿瘤的诊断敏感性也从47.6%显着提高到87.5%。值得注意的是,根据最初的结果,如果不转介专家,一般公众就会错过一半的恶性肿瘤。

Model Dermatology (http://modelderm.com) 输出的示例显示了每种皮肤病变的前三项选择。 左:一例基底细胞癌,通常被误诊为痣。 右:一例湿疹疱疹,通常被误诊为特应性皮炎。 在这两种情况下,作者的算法都能正确诊断出这种情况。

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来增强医学诊断皮肤病学专业人才的能力。” “我们希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,从而可以更快,更准确地进行诊断。”

与在临床环境中进行的诊断相比,仅使用一张具有最佳构图的图像进行的诊断可能会存在固有的局限性。在实际操作中,皮肤病学诊断是基于多种信息来源的组合,包括过去的医学知识。

Na博士评论说:“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。”

可通过其网站(http://modelderm.com)获得该团队的深度学习方法的早期演示版本,而在Android(https://play.google.com/store/apps/details?id = com.phonegap.whichderm)上可获得该新的演示版本。 1月20日。

(Elsevier)出版的《Journal of Investigative Dermatology》上。该文章将在发布时公开提供。(https://doi.org/10.1016/j.jid.2020.01.019)

--

--