據(jù)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)對我們監(jiān)測健康的方式產(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。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，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)庫上進(jìn)行了訓(xùn)練，經(jīng)過一段時(shí)間的完善和測試，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各個(gè)物體的評估。

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，評估結(jié)果與三位訓(xùn)練有素的皮膚科醫(yī)生的評估結(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。
責(zé)編AJX