黑色素瘤的厚度对于算法和皮肤科医生来说同样难以判断
无论由经验丰富的皮肤科医生还是训练有素的机器学习算法来评估黑素瘤的厚度都是困难的。哥德堡大学(University of Gothenburg)的一项研究表明,在解读皮肤镜图像时,算法和皮肤科医生的成功率是一样的。
在诊断黑素瘤在美国,皮肤科医生会评估它是否是一种侵袭性形式(“侵袭性黑色素瘤”)癌症细胞黑色素瘤向下生长到真皮层,有扩散到身体其他部位的风险,或者是一种较温和的形式(“原位黑色素瘤”,MIS),只在皮肤外层,即表皮上生长。浸润性黑色素瘤在皮肤中生长深度超过1毫米被认为是较厚的,因此更具侵袭性。
厚度的重要性
黑素瘤是通过皮肤镜(一种装有强光的放大镜)来评估的。诊断黑色素瘤通常相对简单,但估计其厚度则是一个更大的挑战。
哥德堡大学Sahlgrenska学院皮肤病学和性病学副教授(讲讲人)Sam Polesie说:“除了提供有价值的预后信息外,厚度可能会影响第一次手术手术边缘的选择以及手术需要多长时间进行。”Polesie也是一种皮肤科医生他是该研究的第一作者。
人与机器之间的联系
通过一个网络平台,438名国际皮肤科医生评估了近1500张用皮肤镜拍摄的黑色素瘤图像。然后,将皮肤科医生的结果与来自a机器学习算法接受过黑色素瘤深度分类的培训。
在皮肤科医生中,MIS正确分类的总体准确性为63%,侵袭性黑素瘤的总体准确性为71%。
有趣的是,在皮肤镜方面的专业背景和经验与预测黑色素瘤厚度的诊断准确性没有关系。曲线下面积是一个从0到1的性能测量值,预训练的机器学习算法为0.83,单个阅读器的联合AUC为0.85。总的来说,皮肤科医生的评价与医生的评价相当算法接受过区分MIS和侵袭性黑色素瘤的训练。”
很难评估
人工智能(AI)正在医疗保健领域取得重大飞跃。特别是,这项技术有望发展为支持医学成像这是为评估和解释图像的医生准备的,比如x光片、视网膜和皮肤变化的图片。该技术也适用于图像识别以外的领域。
Polesie补充说:“我们的研究强调了在皮肤镜图像的基础上正确评估黑色素瘤厚度的困难。”
“在未来的研究中,我们的目标是探索预定义的皮肤镜结构在区分的有效性。我们还想测试在这种情况下,是否可以通过机器学习算法来改善临床决策。”
研究结果发表在欧洲皮肤和性病学会杂志.
进一步探索