所有文章 > 正文

谷歌AI通过图片识别可对26种皮肤疾病进行精准检测

作者: Jansfer

时间: 2019-09-18 14:42

谷歌的研究人员研发了一种能够发现初级护理中最常见的皮肤病的人工智能系统。

皮肤状况是全球最常见的仅次于感冒、疲劳和头痛的疾病之一。据统计,在全球范围内,各地提供给患者的所有治疗中有25%的治疗是针对皮肤状况的。在诊所就诊的患者中,多达37%的人至少面临过一次皮肤问题。

1_wps图片.jpg

这种巨大的病例负担和全球皮肤科医生的短缺迫使患者去找全科医生治疗,但这种全科医生在诊断皮肤病病情方面往往不如皮肤科专家准确。针对这一现状,谷歌的研究人员研发了一种能够发现初级护理中最常见的皮肤病的人工智能系统。研究人员在一篇名为《深皮肤疾病的鉴别诊断学习系统》的文章和相关博客中报道,当向这个系统展示病人的病患图片和元数据时,它可以在26种皮肤疾病中诊断出精准的结果,而且研究人员称,这可以与美国委员会认证的皮肤科医生相媲美。

谷歌软件工程师Yuan Liu和谷歌健康技术项目经理Peggy Bui博士表示,这种深度学习系统(DLS)可以解决初级保健中最常见的皮肤问题。这项研究强调了DLS增强全科医生能力的潜力。全科医生没有接受过额外的专业培训,无法准确诊断皮肤状况。

2_wps图片_wps图片.jpg

正如Liu和Bui进一步解释的那样,对于任何皮肤状况,皮肤科医生不会只给出一种诊断。相反,他们会生成一份鉴别诊断的排序列表,然后通过后续的实验室测试、成像等程序和询问系统地缩小范围。谷歌研究人员的系统也是如此,它处理的输入包括一个或多个皮肤异常的临床图像和像自我报告的病史成分,如年龄、性别和症状等多达45种元数据的类型。

研究小组用来自两个州17家初级保健诊所的17777例确诊病例对该模型进行了评估。他们将语料库一分为二,利用2010年至2017年的部分记录对人工智能系统进行训练,用2017年至2018年的病例进行评估。

为了测试该系统的诊断准确性,研究人员汇集了三名美国认证皮肤科医生的诊断结果。通过对3750多例病例进行汇总,发现人工智能系统对皮肤状况的排名分别达到了71%和93%的前1名和前3名准确率。此外,当系统与验证数据集的一个子集中的皮肤科医生、初级保健医生和护士三类临床医生进行比较时,该团队报告其诊断准确率为90%,皮肤科医生的诊断准确率为75%,初级保健医生和护士的诊断准确率仅为60%和55%。

3_wps图片.jpg

最后,为了评估对皮肤类型的潜在误差,研究小组基于Fitzpatrick皮肤类型测试了人工智能系统的性能。Fitzpatrick皮肤类型的范围从I型(“苍白,总是晒伤,从不晒黑”)到VI型(“深棕色,从不晒伤”)。他们将注意力集中在至少占样本总数的5%的皮肤类型上,发现模型的性能相似,前1名的精准率在69%到72%之间,前3名的精准率在91%到94%之间。

研究人员认为,训练语料库中元数据的存在与该系统的整体准确性有关。研究结果表明,他们的方法可能有助于发现临床医生最初没有考虑到的一些可能性。然而,他们注意到他们的训练语料库仅来自一个远程皮肤病学服务,像一些Fitzpatrick皮肤类型在他们的数据集中太过罕见,故而无法进行有意义的培训或分析。此外,由于缺乏可用的数据样本,他们的数据集也没有准确地检测到像黑色素瘤等的皮肤疾病。

Liu和Bui表示道,这些局限性可以通过在培训和验证集中纳入更多经生物组织检查证实的皮肤癌病例来解决。深度学习在皮肤疾病鉴别诊断方面的成功,极大地鼓舞了这种工具在帮助临床医生方面的潜力。这样的DLS可以帮助分诊病例,指导临床护理的优先次序,帮助非皮肤科医生更准确地开展皮肤科护理。这在人类应对皮肤疾病方面既有极大的潜在价值。

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多