您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
人工智能有望诊断黑色素瘤
2019年11月08日 由 TGS 发表
445509
0
《美国医学会杂志》网络公开版上发表的的研究结果显示，人工智能算法在识别色素沉着皮肤病变的皮肤镜图像中的黑色素瘤方面的诊断结果准确性，几乎能与临床专家相媲美。2016年，美国预防服务工作组建议不要广泛使用肉眼检查来筛查皮肤癌，因为关于这种方法的益处和风险并不明朗。
最近，Cochrane对评价皮肤病变的诊断方法进行了一系列综合描述，包括但不限于使不使用皮肤镜、反射适形显微镜、皮肤远程医学以及基于计算机或智能手机的应用程序。在进行视觉评估后，研究人员发现这三种方法的效果不是很好，无法应对黑色素瘤筛查的其他潜在障碍，例如：反射共聚焦显微镜设备的费用，以及不同的临床经验。
于是，一项前瞻性研究应运而生，在实验中，研究人员利用一种被称为恶性肿瘤识别深度集成的人工智能算法，对可疑的有色皮肤病变照片进行分类，并将实验结果与临床专家的评估结果进行了比较。参与研究的514名患者几乎都是白人，1550张皮损图像由551张活检图像和999张对照图像组成。研究人员对活检的病变标本进行病理分析，结果发现在活检的病例中，有22.7%被归类为黑色素瘤。
传统上，人工智能算法使用已发表的皮肤镜图像进行训练，但在本次实验中，研究人员使用从每个相机收集的图像子集，进行了进一步的细化实验，根据活检病灶和所有病灶结果的比较原理，把受试者工作特征曲线下面积，作为了黑色素瘤评估的准确性指标之一 。
人工智能在评估病变图像时，活检病灶AUROCs在85%到91%之间，所有病灶AUROCs在91%到96%之间，相对的，临床医生的活检病灶对应AUROCs值为77.8%。此外，在敏感性为100%的情况下，该算法的特异性为64.8%，而用于临床医生评估的特异性为69.8%。
在最后的结论中，该研究的作者指出：“这项诊断试验的结果表明，使用不同类型的人工智能算法，可以像专家一样准确地检测黑色素瘤。发展低成本的筛查方法——例如基于人工智能的服务，可以改变患者的诊断途径，从而提高整个医疗服务的效率。”
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
下一篇
人工智能在视频预测方面的进步
广告
广告
写评论取消
回复取消