您的位置: 善知识与道 > 简历

【学术动态】人工智能实现专业级皮肤癌诊断:未来医学发展动向

2019-04-12来源:善知识与道

人工智能实现专业级皮肤癌诊断:未来医学发展动向 


王兴旺 摘译  杨慧兰 审校

皮肤癌是最常见的恶性肿瘤之一,在美国每年有大约 540 万例新发患者,其中恶性黑素瘤是病死率最高的皮肤癌,其发病率虽不足 5%,但每年死于该病的患者占到因皮肤癌死亡人数的 75% 左右。早期诊断对于恶性黑素瘤治疗及预后来说至关重要,早期及时诊断的患者 5 年生存率比晚期诊断的患者高 85%。临床上对皮肤癌的诊断主要依靠查体视诊、皮肤镜检查及进一步的组织病理检查,看图识图在皮肤癌的诊断中起到关键作用。皮肤癌皮损表现千变万化,利用人工智能程序分析病例图像来完成皮肤癌诊断是一个具有挑战性和应用前景的课题。在以往的计算机科学研究中,作者发现深度卷积神经网络(deep convolutional neural networks,CNNs)对细密纹理的图像具有较好较强的处理能力。该研究中,作者证明了利用单一的 CNN 分析处理图像最后实现自动诊断是可行的。作者利用一个包含 2 000 多种疾病、近 13 万个临床图像的数据库来训练 CNN,在人工智能充分学习皮肤病病例图像后,将其与 21 名皮肤科医师分别阅片并比较良恶性皮肤病的鉴别诊断能力,比试项目分别是角化细胞癌和良性的脂溢性角化的鉴别以及恶性黑素瘤和良性痣的鉴别。主要考察该人工智能对常见皮肤癌和恶性黑素瘤这一高病死率的皮肤癌的鉴别能力。最后人机在诊断准确率上几乎相同,结果表明具有深度学习能力的人工智能诊断皮肤癌的能力几乎可以与皮肤科医生媲美,能够胜任常见皮肤癌,特别是恶性黑素瘤这一高病死率癌症的诊断任务,这可能是人们未来健康保障的福音。

以往的计算机辅助诊断系统并不能达到医生的诊断水平,主要原因之一是以往的数据库容量小,只存储了1 000张左右的图像,导致程序接受的训练不够。其二是过于依赖皮肤镜和组织病理检查结果,这类检查图像均属于高质量的标准化图像,而用于分析的主要图像是由照相机等设备所拍摄的大体皮损图像,因拍摄手法的差异通常导致这类照片的角度、亮度等要素表现得并不稳定,可能造成程序识别障碍。鉴于这些因素,为了让新的程序能够应对各种类型的情况、识别各种类型的图像,有必要拓展程序深度学习的能力。作者开发了一种更适合计算机运算、学习的皮肤病分类方法,并将各种皮肤病分成不同的训练等级,然后让人工智能程序按不同等级进行逐步深入的学习。其三,采用了“以量取胜”的手段——利用做好分类标签的 141 万张临床图像作为数据库,根据标签指引来“训练” CNN,以使其能胜任对多种皮肤病、各种质量类型图片的处理分析。此外,以往的诊断程序通常需要较多的人工预处理,如需要对皮损区域进行分段并录入视野区域的主要特征等,而 CNN 则免去了这些步骤,它可直接对原始图像中的皮损表现进行评分分析、完成诊断,具有较高的智能性。结果证明 CNN 在深度学习这一“专家级”数据库后能完成一般的皮肤癌诊断工作。皮肤科医生面对患者需要结合自身多年的临床经验综合考虑分析才能完成诊断,人工智能程序的诊断能力依靠大量的数据学习支持,其对病例的学习速度及数量远远快于医生,同时还能不断地完善。在下一步工作中需要考察人工智能程序在实际的临床环境中能否胜任对各种类型的皮损表现的诊断和鉴别能力。人工智能在优化数据库和改变学习策略后具备了深度学习的能力,它在视觉处理能力方面已经优于人类,其对图像的分析、学习方式与图像具体内容之间无明显的关联,因而在以后有望推广到其他的专业领域,如眼科、放射科、 耳鼻咽喉科、病理科等,人工智能或许在未来的医疗领域中发挥越来越大的作用。

[From Nature, 2017, 542(2):115-125]

实用皮肤病学杂志,2017,10(3):141

更多精彩内容,详见杂志原文!

《实用皮肤病学杂志》订阅方式:① 邮局订阅(适用于单位或图书馆统一征订)。全国邮发代号:2-946。② 编辑部直接订阅(适用于单位批量或个人订阅)。通过邮局汇款至“北京市东城区南门仓5号《实用皮肤病学杂志》编辑部”注明订阅数量、邮寄地址,并请致电010-84008103。

本文由善知识与道整理,内容仅供参考,未经书面授权禁止转载!图片来源图虫创意,版权归原作者所有。

相关阅读