分析照片的神經(jīng)網(wǎng)絡(luò)系統(tǒng)或可幫助臨床醫(yī)生尋找“丑小鴨”癌前皮膚病變
0
分析照片的神經(jīng)網(wǎng)絡(luò)系統(tǒng)或可幫助臨床醫(yī)生尋找“丑小鴨”癌前皮膚病變
（神秘的地球uux.cn報(bào)道）據(jù)EurekAlert!：一個(gè)分析照片的神經(jīng)網(wǎng)絡(luò)系統(tǒng)可以對(duì)可疑的、潛在癌前皮膚病變進(jìn)行分級(jí)和甄別；這些癌前皮膚病變?nèi)绻患霸绨l(fā)現(xiàn)和清除，分析膚病它們可能會(huì)演變成致命的照片助臨找癌惡性皮膚癌：黑色素瘤。
該系統(tǒng)準(zhǔn)確評(píng)估了68位患者的經(jīng)網(wǎng)可疑病變，其結(jié)果與皮膚科醫(yī)生的絡(luò)系經(jīng)受時(shí)間考驗(yàn)的評(píng)估基本吻合。這些結(jié)果表明，統(tǒng)或該平臺(tái)可以幫助臨床醫(yī)生更快、可幫更大規(guī)模地在病人就診時(shí)發(fā)現(xiàn)可疑病變，床醫(yī)從而有可能提前診斷和施治。生尋黑色素瘤是前皮最致命形式的皮膚癌，但對(duì)那些在疾病萌芽時(shí)期就切除了黑色素瘤的丑小鴨患者來說，其轉(zhuǎn)歸非常好，分析膚病因?yàn)槟菚r(shí)的照片助臨找癌病變?nèi)蕴幱跍\薄狀態(tài)，并未擴(kuò)散至皮膚深層。經(jīng)網(wǎng)為了篩查黑色素瘤，絡(luò)系臨床醫(yī)生常會(huì)使用ABCDE組標(biāo)準(zhǔn)來評(píng)估較大面積的皮膚表面，以期找到顯示出癌前跡象的“丑小鴨”病變。當(dāng)局還開始推出大型皮膚癌篩查計(jì)劃，旨在減輕黑色素瘤負(fù)擔(dān)，但診所缺乏評(píng)估大量患者病變的可擴(kuò)展篩檢規(guī)模的工具。
Luis Soenksen和同事在此設(shè)計(jì)了一個(gè)神經(jīng)網(wǎng)絡(luò)平臺(tái)，它可對(duì)皮膚病變拍照（甚至可用手機(jī)攝像頭拍的照片），快速發(fā)現(xiàn)可能需要追蹤檢測(cè)的可疑標(biāo)記。該團(tuán)隊(duì)用3萬(wàn)8283張照片（包括133位患者的皮膚照片）來培訓(xùn)他們的技術(shù)，并觀察到該方法能以90.3％和89.9％的靈敏度和特異性將可疑病變與非可疑病變進(jìn)行區(qū)分。在另一項(xiàng)實(shí)驗(yàn)中，該策略還對(duì)68位患者皮膚上的“丑小鴨”病變進(jìn)行了排名，其排名與3位皮膚科醫(yī)生的評(píng)估結(jié)果基本相符。作者補(bǔ)充說，未來的改進(jìn)可能會(huì)幫助解決該系統(tǒng)當(dāng)前存在的某些局限性，例如使其能被用于范圍更廣的相機(jī)、光線設(shè)置和攝影者。
相關(guān)報(bào)道：科學(xué)家開發(fā)深度學(xué)習(xí)算法 用“丑小鴨”技術(shù)高精準(zhǔn)發(fā)現(xiàn)黑色素瘤
（神秘的地球uux.cn報(bào)道）據(jù)cnBeta：外媒報(bào)道，人工智能開始與智能手機(jī)技術(shù)結(jié)合，其方式可能會(huì)對(duì)我們監(jiān)測(cè)健康的方式產(chǎn)生深遠(yuǎn)的影響，從跟蹤糖尿病患者的血容量變化到通過拍攝眼睛來檢測(cè)腦震蕩等。利用該技術(shù)在早期階段發(fā)現(xiàn)黑色素瘤是另一種令人興奮的可能性，哈佛大學(xué)和麻省理工學(xué)院的科學(xué)家開發(fā)的一種新的深度學(xué)習(xí)系統(tǒng)有望達(dá)到新的水平，通過使用皮膚科醫(yī)生常用的方法，即所謂的“丑小鴨”標(biāo)準(zhǔn)。
利用智能手機(jī)來檢測(cè)皮膚癌是科學(xué)家們十多年來一直在探索的想法。早在2011年，科學(xué)家就研究了一款iPhone應(yīng)用，該應(yīng)用利用設(shè)備的攝像頭和基于圖像的模式識(shí)別軟件來提供異常痣和雀斑的風(fēng)險(xiǎn)評(píng)估。2017年，研究人員提出了另一個(gè)令人興奮的例子，其中一個(gè)人工智能能夠使用深度學(xué)習(xí)來檢測(cè)潛在的皮膚癌，其準(zhǔn)確度與訓(xùn)練有素的皮膚科醫(yī)生相當(dāng)。
麻省理工學(xué)院和哈佛大學(xué)的研究人員開發(fā)的新系統(tǒng)再次利用深度學(xué)習(xí)算法來瞄準(zhǔn)皮膚癌，但有一些關(guān)鍵的區(qū)別。到目前為止，為自動(dòng)檢測(cè)皮膚癌而構(gòu)建的算法已經(jīng)被訓(xùn)練成分析單個(gè)皮膚病變的奇特特征，這些特征可能是黑色素瘤的指標(biāo)，這與皮膚科醫(yī)生的操作方式有些不同。
為了更好地評(píng)估哪些痣可能是癌癥，該團(tuán)隊(duì)轉(zhuǎn)而采用了“丑小鴨”標(biāo)準(zhǔn)，該標(biāo)準(zhǔn)基于這樣一個(gè)概念，即個(gè)人身上的大多數(shù)痣會(huì)看起來很相似，而那些不相似的痣，即所謂的“丑小鴨”，被認(rèn)為是黑色素瘤的警告信號(hào)。研究人員表示，他們的系統(tǒng)是第一個(gè)復(fù)制這一過程的系統(tǒng)，他們首先建立了一個(gè)包含33000多張廣角圖像的數(shù)據(jù)庫(kù)，這些圖像不僅包含患者的皮膚，還包含其他物體和背景。
在這些圖像中，既有可疑的病變，也有非可疑的病變，這些病變由三位訓(xùn)練有素的皮膚科醫(yī)生進(jìn)行標(biāo)注。深度學(xué)習(xí)算法在這個(gè)數(shù)據(jù)庫(kù)上進(jìn)行了訓(xùn)練，經(jīng)過一段時(shí)間的完善和測(cè)試，能夠區(qū)分出危險(xiǎn)的病變和良性的病變，不過這還是基于它對(duì)各個(gè)物體的評(píng)估。
該團(tuán)隊(duì)將“丑小鴨”方法帶入其中，通過構(gòu)建給定圖像中所有病灶的3D地圖--例如分布在患者背部的病灶--并對(duì)每個(gè)病灶上的特征有多奇特進(jìn)行計(jì)算。通過比較其中一些特征與圖像中其他病灶上的特征的不尋常程度，系統(tǒng)能夠分配數(shù)值并確定哪些特征是危險(xiǎn)的。
這被描述為“丑小鴨”標(biāo)準(zhǔn)的第一個(gè)可量化的定義，該技術(shù)被投入測(cè)試，使用135張寬視野照片識(shí)別68名不同患者的可疑病變。個(gè)別病變根據(jù)其特征的關(guān)注程度被賦予了奇異性得分，評(píng)估結(jié)果與三位訓(xùn)練有素的皮膚科醫(yī)生的評(píng)估結(jié)果進(jìn)行了比較。該算法在88%的時(shí)間里同意皮膚科醫(yī)生的共識(shí)，在86%的時(shí)間里同意皮膚科醫(yī)生個(gè)人的共識(shí)。
“人工智能和人類臨床醫(yī)生之間的這種高度共識(shí)是該領(lǐng)域的重要進(jìn)展，因?yàn)槠つw科醫(yī)生之間的共識(shí)通常非常高，約為90%，”研究共同作者Jim Collins說。“從本質(zhì)上講，我們已經(jīng)能夠從任何人都可以用智能手機(jī)拍攝的圖像中達(dá)到皮膚科醫(yī)生級(jí)別的診斷潛在皮膚癌病變的準(zhǔn)確性，這為更早地發(fā)現(xiàn)和治療黑色素瘤開辟了巨大的潛力。”
該團(tuán)隊(duì)已將該算法開源，并將繼續(xù)開發(fā)該算法，希望能進(jìn)一步開展臨床試驗(yàn)。他們將重點(diǎn)關(guān)注的一個(gè)領(lǐng)域是使該算法能夠在人類皮膚色調(diào)的整個(gè)范圍內(nèi)工作，以確保它是一個(gè)普遍適用的臨床工具。
該研究發(fā)表在《科學(xué)轉(zhuǎn)化醫(yī)學(xué)》雜志上。