Lancet Oncol：用于诊断皮肤病变的人工智能
2019-07-13 佚名 中国生物技术网
近日，在维也纳医学大学领导的一项研究中，人类皮肤病专家与计算机算法竞赛。后者取得了更好的结果，但它们目前的能力还无法取代人类。该研究结果近日已发表在《The Lancet Oncology》上。
21世纪医学的最大进步将是在分子生物学突破的基础上，精准医学的成熟及人工智能渗透到医学的各个领域。近日，在维也纳医学大学领导的一项研究中，人类皮肤病专家与计算机算法竞赛。后者取得了更好的结果，但它们目前的能力还无法取代人类。该研究结果近日已发表在《The Lancet Oncology》上。
国际皮肤影像协作组织(ISIC)和维也纳医学大学组织了一次挑战，将511名医生的诊断结果与来自77个不同的机器学习实验室的139种算法进行比较。这些实验室参与了国际皮肤成像协作2018年的挑战，并提前收到了10015个图像的数据库。该数据库由维也纳MedUni皮肤病学系的Harald Kittler团队与澳大利亚昆士兰大学合作建立。
数据库中包括良性(痣、日晒斑、老年疣、血管瘤和皮肤纤维瘤)和恶性色素沉着病变(黑色素瘤、基底细胞癌和色素性鳞状细胞癌)。
每个参与的医生要求从1511幅图像中随机选择30幅图像进行诊断。结果很明显，在30个病例中，成绩最好的医生正确诊断了18.8个病例，而成绩最高的机器得到了25.4个正确诊断。
该研究第一作者、维也纳医学大学的Philipp Tschandl博士说：“这并不令我感到惊讶。所有参与的机器中有三分之二比人类更好，这一结果在过去几年的类似试验中已经得到证实。”
不能取代人类
虽然在这个实验中算法明显优于人类，但这并不意味着在皮肤癌的诊断中机器将取代人类。Tschandl说：“计算机非常适合分析光学快照。但在现实生活中，诊断是一项复杂的任务。临床医生通常会对患者进行全面检查，而不仅仅是单个病变。当做出诊断时，他们还会考虑额外的信息，例如疾病的持续时间、患者是否处于高风险或低风险，以及患者的年龄等，这在本研究中没有提供。
尽管人工智能的表现令人印象深刻，但仍有改进的余地。对于来自未提供训练图像中的病变诊断，这些机器的准确性明显较低。
经验对于人类来说，是非常重要的。具有至少十年色素性皮肤病变诊断经验的参与医生表现最佳。
原始出处：
Philipp Tschandl, Noel Codella, Bengü Nisa Akay, et al. Comparison of the accuracy of human readers versus machine-learning algorithms for pigmented skin lesion classification: an open, web-based, international, diagnostic study. Lancet Oncology. Jul 2019.
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#Lancet#
64
#皮肤病#
60
#Oncol#
44
#皮肤病变#
58
谢谢梅斯分享这么多精彩信息
68