發(fā)布日期：2018-05-30
近日，研究人員首次表明，深度學習卷積神經網絡（CNN）在檢測黑色素瘤方面的表現(xiàn)，已經超過了經驗豐富的皮膚科醫(yī)生，這項研究的論文成果發(fā)表在了癌癥期刊《Annals of Oncology》上。
CNN是一種人造神經網絡，也是人工智能的一種形式。它模擬了大腦中的神經細胞相互連接，且對眼睛看到的事物產生反映的過程。CNN能夠快速學習它“看到”的圖像，并在這個學習過程中對自身表現(xiàn)進行改進，體現(xiàn)了機器學習的原理。
卷積神經網絡（CNN）是人工智能的一種形式（圖片來源：123RF）
在這項研究中，研究人員使用了超過10萬張皮膚癌圖像及診斷結果對CNN進行訓練，提高CNN區(qū)分惡性和良性皮膚癌的能力。這些圖像都是皮膚鏡圖像，即放大倍數(shù)為10倍的皮膚病變圖像，其中既包括良性和惡性皮膚癌，也包括皮膚上痣的圖像。在完成訓練后，研究人員使用了300張新圖像，來對CNN識別癌癥的能力進行評估。
在此同時，研究人員邀請了全球17個國家的58位皮膚科專家，來根據(jù)皮膚鏡圖像做出相應診斷。這一過程主要分為兩個階段：第一階段時，醫(yī)生們需要根據(jù)皮膚鏡圖像，來分辨惡性黑色素瘤或良性痣，并選擇控制病情的相關措施，包括手術、短期隨訪和無需采取措施三個選項；在四周后進行的第二階段，醫(yī)生們將會收到患者的年齡、性別和病變部位等臨床信息，以及這些患者的特寫圖像，并根據(jù)這些信息再次做出診斷和后續(xù)措施決策。
CNN檢測結果（紅色曲線）與皮膚科專家檢測結果平均值（大型墨綠色圓點）對比?？梢钥闯觯斕禺惗龋╔軸）數(shù)值相同時，CNN檢測結果的敏感度（Y軸）數(shù)值明顯高于皮膚科專家檢測結果（圖片來源：《Annals of Oncology》）
研究結果顯示，在第一階段，皮膚科醫(yī)生能夠準確檢測到平均86.6％的黑色素瘤，同時也可以準確識別出平均71.3％的非惡性病變。然而，當CNN識別良性痣的準確率達到同樣的71.3%時，它檢測出黑色素瘤的準確度竟高達95%！在第二階段，皮膚科醫(yī)生的表現(xiàn)有所改善，能夠準確地診斷出88.9％的惡性黑色素瘤和75.7％的非癌癥病變。
“這些研究結果表明，深度學習卷積神經網絡在檢測黑色素瘤的過程中，比經驗豐富的皮膚科專家表現(xiàn)還要好，”該研究的第一作者，德國海德堡大學皮膚病學系高級管理醫(yī)師Holger Haenssle教授表示：“CNN可以幫助醫(yī)生進行皮膚癌篩查，從而決定是否需要對病變進行活檢。目前，大多數(shù)皮膚科醫(yī)師已經開始使用電子皮膚鏡系統(tǒng)，將病變轉化為圖像形式并進行存儲，從而方便進行記錄和后續(xù)隨訪工作。CNN可以對存儲的圖像進行快速評估，以獲取關于黑色素瘤診斷的信息。目前我們正在計劃進行前瞻性研究，用來評估CNN對醫(yī)生和患者的實際影響。”
來源：新浪醫(yī)藥新聞
