鉴定“丑小鸭”以捕捉皮肤癌

鉴定“丑小鸭”以捕捉皮肤癌
研究人员利用他们的深度学习神经网络,根据每个病变与同一患者皮肤上其他病变的不同程度,给每个病变分配一个“丑小鸭分数”,从而识别出最有可能癌变的部位。资料来源:哈佛大学维斯研究所

黑色素瘤是迄今为止最致命的皮肤癌,仅在2019年杀死了7,000多人。早期发现这种疾病显着降低了死亡的风险和治疗成本,但广泛的黑色素瘤筛查目前不可行。美国大约有12,000名实践皮肤病学家,他们每年都需要每年看到27,416名患者,以筛选可疑着色病变(SPL)的全部人口,可以表明癌症。

计算机辅助诊断(CAD)系统近年来发展起来,试图通过分析图像来解决这一问题自动识别特殊标记,但迄今为止未能对黑素瘤的诊断产生有意义的影响。这些CAD算法经过训练,可以对每个皮肤病变进行单独的可疑特征评估,但皮肤科医生会比较来自单个患者的多个病变,以确定它们是否癌变——这种方法通常被称为“丑小鸭”标准。到目前为止,在皮肤科还没有CAD系统被设计来复制这种诊断过程。

现在,由于基于哈佛大学和马萨诸塞技术研究所(麻省理工学院)的研究人员开发的基于卷积的深神经网络(CDNNS)的卷积深神经网络(CDNNS)的皮肤病变新的CAD系统进行了纠正。新系统成功区分了患者皮肤照片中的不可疑病变,精度〜90%,第一次建立了一个能够匹配三位皮肤科医生的共识的“丑小鸭”度量。

“我们基本上为深刻的直觉提供了一个明确的数学代理该研究的第一作者路易斯·索恩克森博士说,他是维斯研究所的博士后研究员,也是麻省理工学院的一名风险建设者。“这项创新可以快速分析患者的皮肤照片,以确定应由皮肤科医生评估的病变,从而在人群水平上有效筛查黑色素瘤。”

介绍了该技术科学翻译医学,CDNN的源代码在GitHub上公开可用。

让丑小鸭成为焦点

对Soenksen来说,黑色素瘤是个人的问题,他已经目睹了好几个亲密的朋友和家人患上这种疾病。“让我吃惊的是,人们会死于黑色素瘤,仅仅是因为初级保健医生和患者目前没有有效地找到“奇怪的”黑色素瘤的工具。我决定利用我在怀斯学院和麻省理工学院的人工智能工作中学到的许多技术来解决这个问题,”他说。

SOENKEN和他的合作者发现,为识别SPLS创建的所有现有的CAD系统仅单独分析病变,完全省略了皮肤科医生在考试期间比较患者痣中的几个患者痣的丑陋小鸭标准。所以他们决定建立自己。

来确保他们的系统可以用的人没有专业皮肤科培训,团队创建了一个数据库超过33000“广角”图像的病人的皮肤,包括背景和其他non-skin对象,以便CDNN可以使用照片从消费级相机诊断。这些图像既有特殊标记,也有非可疑标记由三个董事会认证的皮肤科医生的共识标记并确认。在培训数据库和随后的细化和测试之后,该系统能够区分不可疑病变,灵敏度为90.3%的敏感性和89.9%的特异性,改善以前发表的系统。

但是这个基线系统仍然是分析单个病变的特征,而不是像皮肤科医生那样分析多个病变的特征。为了将丑小鸭标准添加到他们的模型中,研究小组利用提取的特征在第二阶段创建一个给定图像中所有病变的三维“地图”,并计算每个病变与“典型”特征的距离。一个给定的病变与图像中的其他病变相比越“奇怪”,它就离三维空间的中心越远。这一距离是丑小鸭标准的第一个可量化定义,并作为利用深度学习网络来克服具有挑战性和耗时的任务,以确定和仔细检查在单个患者的所有色素病变之间的差异。

神经网络可以帮助临床医生寻找“丑小鸭”前癌症皮肤病因
研究人员用一个包含33980张图片的数据库训练他们的方法来识别癌前病变,这些图片包括背景、皮肤和可疑病变的照片。信贷:L.R. Soenksen等人。,科学翻译医学(2021)

深入学习与皮肤科医生

他们的DCNN仍然不得不通过一个最终测试:表演以及生活,呼吸皮肤科医生,以识别患者皮肤图像的分割。三位皮肤科医生从68名患者检查了135个宽野照片,并分配了每个病变的“奇怪”得分,表明它看起来有多有关。通过算法分析和评分相同的图像。在比较评估时,研究人员发现,该算法同意皮肤科医生的共识88%的时间,以及个体皮肤病学家86%的时间。

“人工智能和人类临床医生之间的高度共识是该领域的一个重要进步,因为皮肤科医生之间的共识通常非常高,约90%,”合著者吉姆·柯林斯博士说。他是Wyss研究所的核心教员,也是其预测性生物分析计划的联合领导者,也是麻省理工学院医学工程和科学的Termeer教授。“从本质上讲,我们已经能够通过任何人用智能手机拍摄的图像来诊断潜在的皮肤癌病变,这为早期发现和治疗黑色素瘤开辟了巨大的潜力。”

认识到这种技术应该为尽可能多的人提供,以获得最大的利益,该团队已经将他们的算法在GitHub上开源。他们希望与医疗中心合作,开展临床试验,进一步证明他们的系统的功效,并与工业界合作,将其转化为一种产品,供世界各地的初级保健提供者使用。他们还认识到,为了在全球范围内提供帮助,他们的算法需要能够在人类肤色的全光谱中同样有效地发挥作用,他们计划将这一点纳入未来的开发中。

“让我们的科学家钱包他们的激情和幻想Wyss研究所是成功的关键,很高兴看到这种进步会影响我们所有人在这样的一种有意义的方式出现在与我们的合作新成立的预测Bioanalytics倡议,“Wyss创始董事也因格贝尔说,医学博士,博士,他还是哈佛医学院和波士顿儿童医院血管生物学的Judah Folkman教授,以及哈佛约翰·a·保尔森工程与应用科学学院的生物工程教授。


进一步探索

和皮肤科医生一样精确的算法

更多信息:“使用深度学习从广域图像中检测皮肤专家级别的可疑色素皮肤病变”科学翻译医学,2021。stm.sciencemag.org/lookup/doi/…scitranslmed.abb3652
信息信息: 科学翻译医学

所提供的哈佛大学
引文:鉴定“丑小鸭”以捕捉皮肤癌之前(2021年,2月16日)从HTTPS://medicalXpress.com/news/2021-02-earier.html检索到4月20日2021年4月20日2021年4月20日
此文件受版权保护。除作私人学习或研究之公平交易外,未经书面许可,任何部分不得转载。本内容仅供参考之用。
193.股票

反馈到编辑

用户评论