当前位置:主页 > A易生活 >AI挑战皮肤癌诊断 >

AI挑战皮肤癌诊断

评论900条
AI挑戰皮膚癌診斷


皮肤癌诊断目前仍主要倚赖医生的临床经验,也因此存在一定的误判率。近年来,随着深度学习在影像及语音处理的蓬勃发展,人工智慧也逐渐投入医学影像判断,盼能提升医疗服务水準。今年 ( 2018 ) 五月,来自德、法与美国的团队,以高达10万张皮肤影像作为训练资料集,其中包含恶性黑色素细胞瘤及一般良性痣,成功将卷积神经网路 ( convolutional neural network,CNN ) 应用于皮肤癌诊断。为了验证此模型的效能,将其结果与58位国际皮肤科医生的专业判读做比较,显示CNN能比皮肤科医生更精準地判读皮肤影像,不仅降低黑色素细胞癌的误诊率,更提升疾病早期发现的可能。

CNN的优异表现

全球每年约有23.2万黑色素细胞瘤新增病例,并造成5.6万名患者死亡。然而,事实上,黑色素细胞瘤是可以被治癒的,惟多数病例迟至中晚期才被确诊,错过治疗时机。德国海德堡大学皮肤科医师兼教授Holger Haenssle解释道:过去20年来,他与研究团队致力于发展非侵入性的皮肤检测技术,希望能辅助医生诊断并降低遗漏黑色素瘤的可能。而当他注意到深度学习,尤其是CNN在其他领域的亮眼成绩时,便立刻带领团队投入相关研究。

CNN的运作如同一个小孩的大脑,利用10万张皮表透光显微镜影像,进行训练与学习,改善模型的整体表现。训练完成后,另由海德堡资料库中蒐集两组测试资料集:一组包含300张影像,主要用以测试CNN的性能;另选用100张难以分类的病变影像,则用以比较AI与专业医疗人员人为判断的差异。所邀集的皮肤科医师来自全球17国家,共计58名,逾半数以上有五年以上的专业皮肤科执业经验。

研究主要分为两个阶段。第一阶段,皮肤科医生被要求直接基于影像分辨疾病良、恶性,并提出对应的治疗方案,包含手术切除、定期追蹤或无须治疗。经一个月后进行二次判读,此时将提供包含病患年龄、性别及病灶位置等病历资讯,以及100张特写影像,让医生再次诊断和下决策。

在第一阶段,皮肤科医师仅凭影像与专业经验的情况下,恶性黑色素细胞瘤的确诊率平均达到86.6%,良性痣的分辨率达71.3%,然AI的黑色素细胞瘤确诊率却高达95%。在第二阶段中,皮肤科医师的表现分别提升至88.9%及75.7%,但仍不及AI亮眼。

Haenssle指出,AI所遗漏的恶性黑色素瘤较少,代表其敏感度 ( sensitivity ) 高于皮肤科医生;误诊率也较低,显示其特异度 ( specificity ) 也略胜一筹,可以避免不必要的手术。而即使皮肤科医师在二阶段时表现有所提升,但AI在缺乏病历等详细资讯的情况下,仍有较高準确率。综合两阶段的整体表现,无论专业执业医师的经验丰富与否,人为判读始终不及AI。

然而该研究的主要目的,并非完全取代皮肤科医生,而是让AI成为辅助诊断的一环,协助医师进行临床检验,帮助他们决定是否採集检体。此外,由于临床上,多数医师已改採数位皮肤镜作检测,若能与数位影像记录结合,应用于后续追蹤诊断,AI可以更有效且迅速的判定病灶是否为恶性肿瘤。

门槛与限制

然而这份研究也存在一些限制,其中包含作为比较参照的皮肤科医师们,明白这仅是实验设定,并非生死相关的诊断及决策;另外,测试资料集中的皮肤病变影像并不完整,且缺乏高加索人种外的资料。最后,医生必须与AI建立起互信关係,否则可能不会完全遵照透过CNN所得出的结论与建议。

澳洲墨尔本蒙纳士大学的Victoria Mar博士及布里斯本昆士兰大学的H. Peter Soyer在相关的社论中指出:目前黑色素细胞瘤的确诊率,仍取决于医生的临床经验及培训。Haenssle等人的研究已证实CNN的性能已超越多名皮肤科医师与专家,代表AI具有标準化的诊断能力。也就是说,无论病患的居住地和看诊医生为何,皆能得到可靠的评估诊断。

同时,他们也点出几个AI在实际投入前需要突破的难题,包含生长在如手指、脚趾及头皮等,皮肤镜难以捕捉的病灶;此外,如何训练AI辨别非典型黑色素细胞瘤,甚至是病患本身尚未察觉的皮肤病变,都是待解决的课题。总而言之,AI自动诊断系统,距离完全取代临床皮肤检测仍有一段路要走。

参考资料

  • 相关推荐:
  • 您可能喜欢得内容: