韓國(guó)的研究人員表明，對(duì)亞洲和白種人患者的照片進(jìn)行訓(xùn)練的AI可以幫助皮膚科醫(yī)生更準(zhǔn)確地診斷兩個(gè)亞群中的許多皮膚疾病和失調(diào)。

實(shí)際上，該技術(shù)表明，它甚至可以幫助接受零醫(yī)學(xué)訓(xùn)練的人們知道何時(shí)需要皮膚科醫(yī)生對(duì)可能的皮膚癌進(jìn)行診治。

正如《研究皮膚病學(xué)雜志》（Journal of Investigative Dermatology）所報(bào)道的那樣，該團(tuán)隊(duì)的卷積神經(jīng)網(wǎng)絡(luò)（CNN）為134種皮膚病學(xué)診斷確定，分類(lèi)和推薦了治療方法，“其性能可與專(zhuān)家媲美”。

為了達(dá)到這一點(diǎn)，研究人員收集了220，000張174種皮膚狀況的照片以對(duì)其算法進(jìn)行訓(xùn)練，然后將其初始性能與21位經(jīng)驗(yàn)豐富的皮膚科醫(yī)生，26位皮膚病學(xué)居民和23位普通公眾進(jìn)行比較。

在該算法的首次面對(duì)面研究中，它證明了與居民一樣的能力，但不如經(jīng)驗(yàn)豐富的皮膚科醫(yī)生那么精確。

但是，經(jīng)過(guò)最初的解釋后，所有參與者都獲得了算法的結(jié)果-并集體修改了呼叫，并獲得了巨大的成功：47位皮膚科專(zhuān)家和住院醫(yī)師的敏感性評(píng)分從77.4%提高到86.8%。23名外行人的敏感度得分從47.6%躍升至87.5%。

“在最初的結(jié)果基礎(chǔ)上，如果沒(méi)有轉(zhuǎn)介專(zhuān)家，普通市民會(huì)漏掉一半的惡性腫瘤，”作者在討論部分評(píng)論。

首爾國(guó)立大學(xué)首席研究人員Jung-Im Na，醫(yī)學(xué)博士在期刊出版商Elsevier發(fā)送的新聞稿中表示，CNN可能會(huì)為皮膚科醫(yī)生提供“增強(qiáng)的情報(bào)”。

Na補(bǔ)充說(shuō)，這樣做，該工具將支持而不是替代醫(yī)生。

納說(shuō)，此外，該算法與智能手機(jī)結(jié)合使用可以拍攝皮膚病變，“可以鼓勵(lì)公眾去看那些可能被忽視的黑色素瘤等癌癥病變的專(zhuān)家。”

Na提醒應(yīng)謹(jǐn)慎使用該方法，因?yàn)橘|(zhì)量不足或構(gòu)圖不良的圖像可能會(huì)影響算法的準(zhǔn)確性。

Na表示，如果該算法的性能可以在臨床環(huán)境中重現(xiàn)，“它將有望通過(guò)智能手機(jī)及早發(fā)現(xiàn)皮膚癌。” Na表示希望未來(lái)開(kāi)展研究以評(píng)估CNN在臨床中的效用和性能設(shè)置。