计算机比皮肤科医生更擅长诊断吗?关于人工智能如何帮助诊断皮肤病变的讨论

皮肤癌是英国最常见的癌症。恶性黑色素瘤(MM)是最危险的皮肤癌。初级保健医生(GP)往往难以区分无害的皮肤瑕疵和 MM,导致将许多患者转诊到皮肤科。 近年来,基于计算机的人工智能(Al)在影像分析领域的应用取得了巨大进展。本文来自伦敦(英国)的四位作者,探讨了人工智能系统当前在分析皮肤病变(受影响的皮肤斑块)方面的地位。解释了重要的 AI 概念,如卷积神经网络(CNN)和“深度学习”。 通过让人工智能系统接触成百上千的皮肤损伤图片,可以训练它们以高精度识别病变。皮肤癌的检测,特别是黑色素瘤的检测,现在已经由许多不同的小组用多个人工智能系统进行了测试;最成功的系统通常是“卷积神经网络”。当向其展示皮肤病变照片时,将它们的表现与皮肤科医生进行了比较,这些人工智能系统在识别某样东西是黑色素瘤还是良性(非癌症)痣方面的表现相似(如果不是更好的话)。 然而,这些程序受到“训练”它们的数据集的限制;例如,许多数据集是针对白人皮肤进行训练的,在检测有色人种皮肤中的黑色素瘤时表现不佳,因为它们可能没有涵盖足够多的这类影像以让它们表现良好。尚没有证明它们对于诊断其他类型的皮肤病特别有用,它们也不能对其分类提供任何形式的解释。由于这些局限性,它们不太可能取代皮肤科医生。 针对人工智能系统的法律框架也不允许它们对决策负责,所以诊断的责任仍然落在一个负责任的临床医生身上。然而,在不久的将来,很可能证明它们在帮助全科医生做出关于皮肤损伤的临床决策方面非常有用,特别是在是否紧急转诊患者至皮肤科方面。 Linked Article:   Du-Harpur et al. Br J Dermatol 2020; 183 :423–430.