如果手機拍個照就能認出皮膚癌，這樣多好

以前的技術(shù)瓶頸

相關(guān)的技術(shù)一直都有人開發(fā)，但是就未能成功，原因如下：

訓(xùn)練數(shù)據(jù)

1. 大部分的皮膚癌圖片都是用皮膚鏡拍下來的，拍出來的照片跟用手機拍的有很大差別。所以皮膚鏡拍下的皮膚癌數(shù)據(jù)庫就不能夠用。

2. 其他的皮膚癌圖像數(shù)據(jù)主要是透過組織活檢獲取的，我們都沒可能自己用刀切一塊皮下來讓手機拍照檢查，所以這類數(shù)據(jù)也是用不了的。

如果我們想要做出只用手機鏡頭，什么特殊器具也不用就能檢查出皮膚癌的人工智能模型，我們必須先有一個這樣，用手機拍下皮膚病灶照片的數(shù)據(jù)庫。

運算法

以組織活檢或者皮膚鏡所獲取的圖片都是非常標準化的，如果圖片是標準化，電腦系統(tǒng)就比較容易分類。 但是如果是用手機拍照的話，就會有很多可變因素，例如燈光，角度，放大倍數(shù)等。 以前的運算發(fā)是不能夠在這些可變因素影響下準確作出分類。

《Nature》雜志在封面發(fā)表一篇文章：利用深度學(xué)習算法診斷皮膚癌，準確度達到91%，可以與醫(yī)生比肩。

不知道大家是否還記得谷歌神經(jīng)網(wǎng)絡(luò)是如何辨別貓和狗的？人工智能和人不同，一個小孩見了幾次貓以后他就知道貓是什么樣子的，但是對于一個機器，人們需要給它喂數(shù)以萬計的圖片以后，它經(jīng)過深度學(xué)習才能識別出什么是貓。

同樣的，如果人給人工智能系統(tǒng)提供高質(zhì)量的皮膚癌圖片，系統(tǒng)經(jīng)過機器學(xué)習也可以識別出什么是皮膚癌，最近斯坦福大學(xué)在《Nature》上發(fā)表了一篇與此相關(guān)的研究成果，并將該人工智能系統(tǒng)與24位資深的皮膚病專家相對比，發(fā)現(xiàn)系統(tǒng)的準確率在91%左右。

該文章第一作者，斯坦福大學(xué)的研究生Andre Esteva說：“我們做了一個非常強大的人工智能算法，可以從數(shù)據(jù)中進行學(xué)習，通過寫代碼，讓系統(tǒng)自己去發(fā)現(xiàn)該去識別、尋找什么內(nèi)容?！?/p>

這個算法被稱為卷積神經(jīng)網(wǎng)絡(luò)，它最開始出現(xiàn)在谷歌大腦中，利用自身驚人的計算能力可以強化算法的決策能力。通過斯坦福大學(xué)研究以后，神經(jīng)網(wǎng)絡(luò)已經(jīng)能夠從大約1000個不同類別中識別128萬幅圖像，但是，研究人員需要從一個良性的脂溢性角化病了解惡性腫瘤。

從一堆波斯貓中分辨出狗來，準確率無傷大雅，但是如何區(qū)別各種皮膚病的不同斑點，并從中識別出皮膚癌，這是事關(guān)人命的大事，對準確率要求極高。

利用手機做診斷

Esteva表示：“雖然團隊尚未做出一個上線的APP，但是這已經(jīng)達到我們的預(yù)期，我們的本意就是想讓民眾獲得更優(yōu)質(zhì)、方便的醫(yī)療服務(wù)。更讓我興奮的是，現(xiàn)如今智能手機已經(jīng)無處不在了，每個手機上都含有各種各樣的傳感器和相機，我們可以通過手機圖像直接用人工智能系統(tǒng)判斷是否患皮膚癌，同時如果皮膚癌的問題解決了，那么其他疾病還會遙遠了嗎？”

無論怎樣，在進入商業(yè)化之前，下一步還需要進行更多的測試，并細化算法?！爸匾氖俏覀冎懒巳斯ぶ悄転榱藚^(qū)分圖片是如何做決策的。良性和惡性皮膚病變計算機輔助分類研究的進展，可以幫助皮膚病醫(yī)生提高診斷具有挑戰(zhàn)性的病病變的能力，并為患者提供更好的管理方案。”論文作者斯坦福大學(xué)皮膚科教授Susan Swetter表示，“不過在在臨床實踐中實施之前，嚴格的前瞻性驗證算法是必要的?！?/p>

可以教會AI在用智能手機相機拍攝的照片上標記可能的皮膚癌，并且圖像可以是普通的“人物照”，而不是可疑病變的特寫鏡頭。

該概念在麻省理工學(xué)院通過了試鏡，生物醫(yī)學(xué)工程師在那里訓(xùn)練，測試和驗證了具有38，000多幅圖像的深度卷積網(wǎng)絡(luò)。

除了皮膚病學(xué)等級的圖像外，該數(shù)據(jù)集還包括用消費類相機拍攝的15，000多個廣角鏡頭。

研究人員使用經(jīng)驗豐富的皮膚科醫(yī)生對病變的分類作為基本事實，發(fā)現(xiàn)他們的系統(tǒng)在將可疑病變與良性皮膚變色和繁忙的背景分開時，可以達到大約90%的敏感性和特異性。

作者指出，在臨床使用中，這種自動篩查技術(shù)可以幫助患者前往皮膚科醫(yī)生進行早期診斷-或至少避免繁瑣的單個病灶成像。

這組作者說：“該算法無需一次評估單個病變以尋找預(yù)定的腫瘤形成征象，而是識別出與該患者皮膚上大多數(shù)其他標記不同的病變，將其標記為進一步檢查并按可疑程度對其進行排名，”在他們的研究總結(jié)中進行解釋?！霸撍惴ǖ膱?zhí)行與董事會認證的皮膚科醫(yī)生相似，可以潛在地用于初級保健就診，以幫助臨床醫(yī)生對可疑病變進行分類以進行隨訪?！?/p>

《科學(xué)轉(zhuǎn)化醫(yī)學(xué)》于2月17日發(fā)表了該研究。主要作者和資深作者分別是Luis Soenksen博士和Martha Gray博士。

（動脈網(wǎng)，KeithKwan，互聯(lián)網(wǎng)分析沙龍網(wǎng)綜合整理）

責任編輯：lq