发布日期：2018-05-30
近日，研究人员首次表明，深度学习卷积神经网络（CNN）在检测黑色素瘤方面的表现，已经超过了经验丰富的皮肤科医生，这项研究的论文成果发表在了癌症期刊《Annals of Oncology》上。
CNN是一种人造神经网络，也是人工智能的一种形式。它模拟了大脑中的神经细胞相互连接，且对眼睛看到的事物产生反映的过程。CNN能够快速学习它“看到”的图像，并在这个学习过程中对自身表现进行改进，体现了机器学习的原理。
卷积神经网络（CNN）是人工智能的一种形式（图片来源：123RF）
在这项研究中，研究人员使用了超过10万张皮肤癌图像及诊断结果对CNN进行训练，提高CNN区分恶性和良性皮肤癌的能力。这些图像都是皮肤镜图像，即放大倍数为10倍的皮肤病变图像，其中既包括良性和恶性皮肤癌，也包括皮肤上痣的图像。在完成训练后，研究人员使用了300张新图像，来对CNN识别癌症的能力进行评估。
在此同时，研究人员邀请了全球17个国家的58位皮肤科专家，来根据皮肤镜图像做出相应诊断。这一过程主要分为两个阶段：第一阶段时，医生们需要根据皮肤镜图像，来分辨恶性黑色素瘤或良性痣，并选择控制病情的相关措施，包括手术、短期随访和无需采取措施三个选项；在四周后进行的第二阶段，医生们将会收到患者的年龄、性别和病变部位等临床信息，以及这些患者的特写图像，并根据这些信息再次做出诊断和后续措施决策。
CNN检测结果（红色曲线）与皮肤科专家检测结果平均值（大型墨绿色圆点）对比。可以看出，当特异度（X轴）数值相同时，CNN检测结果的敏感度（Y轴）数值明显高于皮肤科专家检测结果（图片来源：《Annals of Oncology》）
研究结果显示，在第一阶段，皮肤科医生能够准确检测到平均86.6％的黑色素瘤，同时也可以准确识别出平均71.3％的非恶性病变。然而，当CNN识别良性痣的准确率达到同样的71.3%时，它检测出黑色素瘤的准确度竟高达95%！在第二阶段，皮肤科医生的表现有所改善，能够准确地诊断出88.9％的恶性黑色素瘤和75.7％的非癌症病变。
“这些研究结果表明，深度学习卷积神经网络在检测黑色素瘤的过程中，比经验丰富的皮肤科专家表现还要好，”该研究的第一作者，德国海德堡大学皮肤病学系高级管理医师Holger Haenssle教授表示：“CNN可以帮助医生进行皮肤癌筛查，从而决定是否需要对病变进行活检。目前，大多数皮肤科医师已经开始使用电子皮肤镜系统，将病变转化为图像形式并进行存储，从而方便进行记录和后续随访工作。CNN可以对存储的图像进行快速评估，以获取关于黑色素瘤诊断的信息。目前我们正在计划进行前瞻性研究，用来评估CNN对医生和患者的实际影响。”
来源：新浪医药新闻
