韓國的研究人員已經開發出卷積神經網絡（CNN）架構，能夠幫助專家診斷134種皮膚疾病。他們的算法還可以預測治療方案。在這種方法的幫助下，研究小組發現皮膚科醫生和公眾的診斷準確性得到了顯著提高。

用174種疾病的220，680張圖像訓練了神經網絡，并使用愛丁堡（1，300張圖像； 10種疾病）和首爾國立大學數據集（2，201張圖像； 134種疾病）進行了驗證。數據集由亞洲人和高加索人的圖像組成。該算法對134種皮膚疾病進行了二元分類（預測惡性腫瘤和建議治療方案）和多分類。

首先將算法的性能與皮膚科醫生，皮膚病學居民以及普通大眾的性能進行比較。研究人員發現，他們的算法與皮膚科住院醫師的成功率相似，但略低于皮膚科醫師。在此初始試驗之后，測試參與者將被告知算法的結果，并有機會修改他們的答案。臨床醫生對惡性腫瘤的診斷敏感性從77.4％提高到86.8％。公眾對診斷性能的相應提高從47.6％上升到87.5％。

“最近，在醫學上使用人工智能取得了顯著進展。對于特定的問題，例如區分黑色素瘤和痣，AI已顯示出與人類皮膚科醫生相當的結果。但是，要使這些系統在實踐中有用，就需要在類似于實際操作的環境中測試其性能，這不僅需要對惡性病變與良性病變進行分類，還需要將皮膚癌與眾多其他皮膚疾病（包括炎癥和感染性疾病）區分開來，首爾國立大學首席研究員Na Jung-Im Na解釋說。

這項研究表明，無論是在預測惡性腫瘤還是在決定治療方案方面，該算法加上皮膚科醫生均能發揮最大的作用。Na博士指出：“我們的研究結果表明，我們的算法可以作為增強智能的手段，增強醫學診斷皮膚病學專業人員的能力。” “我們期望人工智能能夠代替人類代替人類，而作為增強智能來支持人類，從而更快，更準確地進行診斷。”

Dr博士說：“我們預計，將我們的算法與智能手機配合使用會鼓勵公眾拜訪可能被忽視的黑色素瘤等癌性病變的專家。” “但是，公眾拍攝的照片質量或構圖存在問題，可能會影響算法的結果。如果該算法的性能可以在臨床環境中重現，它將有望通過智能手機早期發現皮膚癌。我們希望未來的研究將評估我們算法在臨床環境中的效用和性能。”

研究人員還警告說，他們的方法不能最終解釋未經訓練的圖像。例如，僅訓練以區分黑素瘤和痣的算法不能區分指甲血腫和黑素瘤或痣的圖像。
責任編輯：tzh