如果手機(jī)拍個(gè)照就能認(rèn)出皮膚癌，這樣多好

以前的技術(shù)瓶頸

相關(guān)的技術(shù)一直都有人開(kāi)發(fā)，但是就未能成功，原因如下：

訓(xùn)練數(shù)據(jù)

1. 大部分的皮膚癌圖片都是用皮膚鏡拍下來(lái)的，拍出來(lái)的照片跟用手機(jī)拍的有很大差別。所以皮膚鏡拍下的皮膚癌數(shù)據(jù)庫(kù)就不能夠用。

2. 其他的皮膚癌圖像數(shù)據(jù)主要是透過(guò)組織活檢獲取的，我們都沒(méi)可能自己用刀切一塊皮下來(lái)讓手機(jī)拍照檢查，所以這類數(shù)據(jù)也是用不了的。

如果我們想要做出只用手機(jī)鏡頭，什么特殊器具也不用就能檢查出皮膚癌的人工智能模型，我們必須先有一個(gè)這樣，用手機(jī)拍下皮膚病灶照片的數(shù)據(jù)庫(kù)。

運(yùn)算法

以組織活檢或者皮膚鏡所獲取的圖片都是非常標(biāo)準(zhǔn)化的，如果圖片是標(biāo)準(zhǔn)化，電腦系統(tǒng)就比較容易分類。 但是如果是用手機(jī)拍照的話，就會(huì)有很多可變因素，例如燈光，角度，放大倍數(shù)等。 以前的運(yùn)算發(fā)是不能夠在這些可變因素影響下準(zhǔn)確作出分類。

《Nature》雜志在封面發(fā)表一篇文章：利用深度學(xué)習(xí)算法診斷皮膚癌，準(zhǔn)確度達(dá)到91%，可以與醫(yī)生比肩。

不知道大家是否還記得谷歌神經(jīng)網(wǎng)絡(luò)是如何辨別貓和狗的？人工智能和人不同，一個(gè)小孩見(jiàn)了幾次貓以后他就知道貓是什么樣子的，但是對(duì)于一個(gè)機(jī)器，人們需要給它喂數(shù)以萬(wàn)計(jì)的圖片以后，它經(jīng)過(guò)深度學(xué)習(xí)才能識(shí)別出什么是貓。

同樣的，如果人給人工智能系統(tǒng)提供高質(zhì)量的皮膚癌圖片，系統(tǒng)經(jīng)過(guò)機(jī)器學(xué)習(xí)也可以識(shí)別出什么是皮膚癌，最近斯坦福大學(xué)在《Nature》上發(fā)表了一篇與此相關(guān)的研究成果，并將該人工智能系統(tǒng)與24位資深的皮膚病專家相對(duì)比，發(fā)現(xiàn)系統(tǒng)的準(zhǔn)確率在91%左右。

該文章第一作者，斯坦福大學(xué)的研究生Andre Esteva說(shuō)：“我們做了一個(gè)非常強(qiáng)大的人工智能算法，可以從數(shù)據(jù)中進(jìn)行學(xué)習(xí)，通過(guò)寫代碼，讓系統(tǒng)自己去發(fā)現(xiàn)該去識(shí)別、尋找什么內(nèi)容?！?/p>

這個(gè)算法被稱為卷積神經(jīng)網(wǎng)絡(luò)，它最開(kāi)始出現(xiàn)在谷歌大腦中，利用自身驚人的計(jì)算能力可以強(qiáng)化算法的決策能力。通過(guò)斯坦福大學(xué)研究以后，神經(jīng)網(wǎng)絡(luò)已經(jīng)能夠從大約1000個(gè)不同類別中識(shí)別128萬(wàn)幅圖像，但是，研究人員需要從一個(gè)良性的脂溢性角化病了解惡性腫瘤。

從一堆波斯貓中分辨出狗來(lái)，準(zhǔn)確率無(wú)傷大雅，但是如何區(qū)別各種皮膚病的不同斑點(diǎn)，并從中識(shí)別出皮膚癌，這是事關(guān)人命的大事，對(duì)準(zhǔn)確率要求極高。

利用手機(jī)做診斷

Esteva表示：“雖然團(tuán)隊(duì)尚未做出一個(gè)上線的APP，但是這已經(jīng)達(dá)到我們的預(yù)期，我們的本意就是想讓民眾獲得更優(yōu)質(zhì)、方便的醫(yī)療服務(wù)。更讓我興奮的是，現(xiàn)如今智能手機(jī)已經(jīng)無(wú)處不在了，每個(gè)手機(jī)上都含有各種各樣的傳感器和相機(jī)，我們可以通過(guò)手機(jī)圖像直接用人工智能系統(tǒng)判斷是否患皮膚癌，同時(shí)如果皮膚癌的問(wèn)題解決了，那么其他疾病還會(huì)遙遠(yuǎn)了嗎？”

無(wú)論怎樣，在進(jìn)入商業(yè)化之前，下一步還需要進(jìn)行更多的測(cè)試，并細(xì)化算法?！爸匾氖俏覀冎懒巳斯ぶ悄転榱藚^(qū)分圖片是如何做決策的。良性和惡性皮膚病變計(jì)算機(jī)輔助分類研究的進(jìn)展，可以幫助皮膚病醫(yī)生提高診斷具有挑戰(zhàn)性的病病變的能力，并為患者提供更好的管理方案?！闭撐淖髡咚固垢４髮W(xué)皮膚科教授Susan Swetter表示，“不過(guò)在在臨床實(shí)踐中實(shí)施之前，嚴(yán)格的前瞻性驗(yàn)證算法是必要的?！?/p>

可以教會(huì)AI在用智能手機(jī)相機(jī)拍攝的照片上標(biāo)記可能的皮膚癌，并且圖像可以是普通的“人物照”，而不是可疑病變的特寫鏡頭。

該概念在麻省理工學(xué)院通過(guò)了試鏡，生物醫(yī)學(xué)工程師在那里訓(xùn)練，測(cè)試和驗(yàn)證了具有38，000多幅圖像的深度卷積網(wǎng)絡(luò)。

除了皮膚病學(xué)等級(jí)的圖像外，該數(shù)據(jù)集還包括用消費(fèi)類相機(jī)拍攝的15，000多個(gè)廣角鏡頭。

研究人員使用經(jīng)驗(yàn)豐富的皮膚科醫(yī)生對(duì)病變的分類作為基本事實(shí)，發(fā)現(xiàn)他們的系統(tǒng)在將可疑病變與良性皮膚變色和繁忙的背景分開(kāi)時(shí)，可以達(dá)到大約90%的敏感性和特異性。

作者指出，在臨床使用中，這種自動(dòng)篩查技術(shù)可以幫助患者前往皮膚科醫(yī)生進(jìn)行早期診斷-或至少避免繁瑣的單個(gè)病灶成像。

這組作者說(shuō)：“該算法無(wú)需一次評(píng)估單個(gè)病變以尋找預(yù)定的腫瘤形成征象，而是識(shí)別出與該患者皮膚上大多數(shù)其他標(biāo)記不同的病變，將其標(biāo)記為進(jìn)一步檢查并按可疑程度對(duì)其進(jìn)行排名，”在他們的研究總結(jié)中進(jìn)行解釋?！霸撍惴ǖ膱?zhí)行與董事會(huì)認(rèn)證的皮膚科醫(yī)生相似，可以潛在地用于初級(jí)保健就診，以幫助臨床醫(yī)生對(duì)可疑病變進(jìn)行分類以進(jìn)行隨訪?！?/p>

《科學(xué)轉(zhuǎn)化醫(yī)學(xué)》于2月17日發(fā)表了該研究。主要作者和資深作者分別是Luis Soenksen博士和Martha Gray博士。

（動(dòng)脈網(wǎng)，KeithKwan，互聯(lián)網(wǎng)分析沙龍網(wǎng)綜合整理）

責(zé)任編輯：lq