AI在用智能手机相机拍摄的照片上标记可能的皮肤癌

如果手机拍个照就能认出皮肤癌，这样多好

以前的技术瓶颈

相关的技术一直都有人开发，但是就未能成功，原因如下：

训练数据

1. 大部分的皮肤癌图片都是用皮肤镜拍下来的，拍出来的照片跟用手机拍的有很大差别。所以皮肤镜拍下的皮肤癌数据库就不能够用。

2. 其他的皮肤癌图像数据主要是透过组织活检获取的，我们都没可能自己用刀切一块皮下来讓手机拍照检查，所以这类数据也是用不了的。

如果我们想要做出只用手机镜头，什么特殊器具也不用就能检查出皮肤癌的人工智能模型，我们必须先有一个这样，用手机拍下皮肤病灶照片的数据库。

运算法

以组织活检或者皮肤镜所获取的图片都是非常标准化的，如果图片是标准化，电脑系统就比较容易分类。 但是如果是用手机拍照的话，就会有很多可变因素，例如灯光，角度，放大倍数等。 以前的运算发是不能够在这些可变因素影响下准确作出分类。

《Nature》杂志在封面发表一篇文章：利用深度学习算法诊断皮肤癌，准确度达到91%，可以与医生比肩。

不知道大家是否还记得谷歌神经网络是如何辨别猫和狗的？人工智能和人不同，一个小孩见了几次猫以后他就知道猫是什么样子的，但是对于一个机器，人们需要给它喂数以万计的图片以后，它经过深度学习才能识别出什么是猫。

同样的，如果人给人工智能系统提供高质量的皮肤癌图片，系统经过机器学习也可以识别出什么是皮肤癌，最近斯坦福大学在《Nature》上发表了一篇与此相关的研究成果，并将该人工智能系统与24位资深的皮肤病专家相对比，发现系统的准确率在91%左右。

该文章第一作者，斯坦福大学的研究生Andre Esteva说：“我们做了一个非常强大的人工智能算法，可以从数据中进行学习，通过写代码，让系统自己去发现该去识别、寻找什么内容。”

这个算法被称为卷积神经网络，它最开始出现在谷歌大脑中，利用自身惊人的计算能力可以强化算法的决策能力。通过斯坦福大学研究以后，神经网络已经能够从大约1000个不同类别中识别128万幅图像，但是，研究人员需要从一个良性的脂溢性角化病了解恶性肿瘤。

从一堆波斯猫中分辨出狗来，准确率无伤大雅，但是如何区别各种皮肤病的不同斑点，并从中识别出皮肤癌，这是事关人命的大事，对准确率要求极高。

利用手机做诊断

Esteva表示：“虽然团队尚未做出一个上线的APP，但是这已经达到我们的预期，我们的本意就是想让民众获得更优质、方便的医疗服务。更让我兴奋的是，现如今智能手机已经无处不在了，每个手机上都含有各种各样的传感器和相机，我们可以通过手机图像直接用人工智能系统判断是否患皮肤癌，同时如果皮肤癌的问题解决了，那么其他疾病还会遥远了吗？”

无论怎样，在进入商业化之前，下一步还需要进行更多的测试，并细化算法。“重要的是我们知道了人工智能为了区分图片是如何做决策的。良性和恶性皮肤病变计算机辅助分类研究的进展，可以帮助皮肤病医生提高诊断具有挑战性的病病变的能力，并为患者提供更好的管理方案。”论文作者斯坦福大学皮肤科教授Susan Swetter表示，“不过在在临床实践中实施之前，严格的前瞻性验证算法是必要的。”

可以教会AI在用智能手机相机拍摄的照片上标记可能的皮肤癌，并且图像可以是普通的“人物照”，而不是可疑病变的特写镜头。

该概念在麻省理工学院通过了试镜，生物医学工程师在那里训练，测试和验证了具有38，000多幅图像的深度卷积网络。

除了皮肤病学等级的图像外，该数据集还包括用消费类相机拍摄的15，000多个广角镜头。

研究人员使用经验丰富的皮肤科医生对病变的分类作为基本事实，发现他们的系统在将可疑病变与良性皮肤变色和繁忙的背景分开时，可以达到大约90%的敏感性和特异性。

作者指出，在临床使用中，这种自动筛查技术可以帮助患者前往皮肤科医生进行早期诊断-或至少避免繁琐的单个病灶成像。

这组作者说：“该算法无需一次评估单个病变以寻找预定的肿瘤形成征象，而是识别出与该患者皮肤上大多数其他标记不同的病变，将其标记为进一步检查并按可疑程度对其进行排名，”在他们的研究总结中进行解释。“该算法的执行与董事会认证的皮肤科医生相似，可以潜在地用于初级保健就诊，以帮助临床医生对可疑病变进行分类以进行随访。”

《科学转化医学》于2月17日发表了该研究。主要作者和资深作者分别是Luis Soenksen博士和Martha Gray博士。

（动脉网，KeithKwan，互联网分析沙龙网综合整理）

责任编辑：lq