人工智能识别早期黑色素瘤，灵敏度直逼90%

文/陈根

黑素瘤是迄今为止最致命的一种皮肤癌，仅在2019年，美国就有7000多人死于黑素瘤。早期发现这种疾病大大降低了死亡风险和治疗费用，但广泛的黑色素瘤筛查目前尚不可行。

美国大约有12000名执业皮肤科医生，他们每人每年需要看27416名患者，以筛查整个人群中是否存在可能表明癌症的可疑色素病变。

在这样的背景下，数字疗法被寄予希望。数字药物和数字疗法作为一种全新的数字健康解决方案，是基于计算的软件程序，也可以是人工智能(AI)驱动的机器学习算法。

通过数字疗法，患者得以循证治疗和预防、管理身体、心理和疾病状况。数字疗法可以独立使用，也可以与药物、设备或其他疗法配合使用。传统治疗中，病人往往根据医生开具的处方去药房取药，数字疗法则是将其中的药物更换为了某款手机app，当然，也可能是软硬件结合的产品。

近日，哈佛大学和麻省理工学院的科学家开发的一种新的深度学习系统有望达到新的水平，通过使用皮肤科医生常用的方法，即所谓的“丑小鸭”标准，以在早期阶段发现黑色素瘤。

利用智能手机来检测皮肤癌是科学家们十多年来一直在探索的想法。早在2011年，科学家就研究了一款iPhone应用，该应用利用设备的摄像头和基于图像的模式识别软件来提供异常痣和雀斑的风险评估。

2017年，研究人员提出了另一个令人兴奋的例子，其中一个人工智能能够使用深度学习来检测潜在的皮肤癌，其准确度与训练有素的皮肤科医生相当。

麻省理工学院和哈佛大学的研究人员开发的新系统再次利用深度学习算法来瞄准皮肤癌。与此同时，为了更好地评估哪些痣可能是癌症，该团队转而采用了“丑小鸭”标准，即个人身上的大多数痣会看起来很相似，而那些不相似的痣，即所谓的“丑小鸭”，被认为是黑色素瘤的警告信号。

研究人员表示，他们的系统是第一个复制这一过程的系统，他们首先建立了一个包含33000多张广角图像的数据库，这些图像不仅包含患者的皮肤，还包含其他物体和背景。

在这些图像中，既有可疑的病变，也有非可疑的病变，这些病变由三位训练有素的皮肤科医生进行标注。经过对数据库的培训以及随后的改进和测试，该系统能够区分可疑和非可疑病变，灵敏度为90.3%，特异性为89.9%，比此前公布的系统有了改进。

研究人员表示，“人工智能和人类临床医生之间的这种高度共识是该领域的重要进展，因为皮肤科医生之间的共识通常非常高，约为90%”，这为更早地发现和治疗黑色素瘤开辟了巨大的潜力。

目前，该团队已将该算法开源，并将继续开发该算法，希望能进一步开展临床试验。他们将重点关注的一个领域是使该算法能够在人类皮肤色调的整个范围内工作，以确保它是一个普遍适用的临床工具。