深度学习算法在识别皮肤癌方面和皮肤科医生一样好

预约医生去看看奇怪的痣是否会致癌,这已经足够可怕了。想象一下,当时您正处于这种情况下,而且还住在离最近的医生很远的地方,无法休假,不确定自己是否有足够的钱来支付就诊的费用。在这种情况下,通过智能手机接收诊断的选项可能会挽救生命。

皮肤科医生使用皮肤镜(一种手持式显微镜)观察皮肤。斯坦福大学的计算机科学家创建了一种针对皮肤癌的人工智能诊断算法,该算法与董事会认证的皮肤科医生的性能相匹配。 (图片来源:Matt Young)

斯坦福大学的计算机科学家着手为皮肤癌创建一种人工智能的诊断算法时,他们就想到了普遍获得医疗保健的途径。他们建立了一个包含近13万张皮肤疾病图像的数据库,并训练了他们的算法以视觉方式诊断潜在的癌症。从最初的测试开始,它的表现令人鼓舞。

“我们意识到这是可行的,不仅要做得好,而且要有一名人类皮肤科医生,” 塞巴斯蒂安·特伦斯坦福大学人工智能实验室。 “那时候我们的想法改变了。那是当我们说:“看,这不仅仅是针对学生的课堂项目,这是一个为人类做点大事的机会。”

最终产品,一个主题  在1月25日的 性质经21位董事会认证的皮肤科医生测试。在诊断代表最常见和最致命的皮肤癌的皮肤病变时,该算法与皮肤科医生的表现相匹配。

为什么皮肤癌

在美国,每年约有540万例新的皮肤癌病例,而最早发现的黑色素瘤的五年生存率约为97%,如果在最新阶段发现,则下降到约14%。 。早期发现可能对皮肤癌的预后产生巨大影响。

诊断皮肤癌始于视觉检查。皮肤科医生通常用肉眼并借助皮镜来观察可疑病变,皮镜是一种手持式显微镜,可对皮肤进行低倍放大。如果这些方法尚无定论,或导致皮肤科医生认为病变是癌性的,则下一步是活检。

将这种算法引入检查过程,遵循了将视觉处理与深度学习相结合的计算趋势,这是一种以大脑神经网络为模型的人工智能。深度学习在计算机科学领域已有数十年的历史,但直到最近才应用于视觉处理任务,并取得了巨大的成功。机器学习(包括深度学习)的本质是对计算机进行培训以找出问题,而不是将答案编程到其中。

该论文的第一作者,Thrun实验室的研究生Andre Esteva说:“我们开发了一种非常强大的机器学习算法,可以从数据中学习。” “您无需让算法完全找出要查找的内容,而是将其弄清楚了。”

该算法被提供给每个图像作为带有相关疾病标签的原始像素。与其他训练算法的方法相比,该方法在分类之前仅需要很少的图像处理或分类,从而使该算法可以处理各种各样的数据。

从猫和狗到黑素瘤和癌

研究人员不是从头开始构建算法,而是从Google开发的算法开始,该算法已经过训练,可以从1,000个对象类别中识别出128万张图像。尽管它最初可以区分猫和狗,但研究人员需要它来了解良性脂溢性角化病的恶性癌。

该论文的共同主要作者,Thrun实验室的研究生Brett Kuprel说:“没有庞大的皮肤癌数据集可以训练我们的算法,因此我们必须自己编写算法。” “我们从互联网上收集了图像,并与医学院合作,利用非常混乱的数据创建了一个很好的分类法–仅标签就使用了几种语言,包括德语,阿拉伯语和拉丁语。”

在完成必要的翻译后,研究人员与斯坦福大学的皮肤科医生合作,以及 海伦·布劳,斯坦福大学微生物学和免疫学教授,也是该论文的合著者。这个跨学科团队共同努力,对互联网图像的分类进行了分类。与医疗专业人员所采取的方法不同,这些方法中的许多方法在角度,缩放和照明方面都有所不同。最后,他们收集了约13万张代表2000多种不同疾病的皮肤病变图像。

在测试过程中,研究人员仅使用了由爱丁堡大学和国际皮肤成像合作项目提供的高质量,经活检确认的图像,这些图像代表了最常见和最致命的皮肤癌-恶性肿瘤和恶性黑色素瘤。询问21位皮肤科医生是否根据每张图像进行活检或治疗,或使患者放心。研究人员通过皮肤科医生能够在370幅以上的图像中正确诊断出癌性和非癌性病变的能力来评估成功与否。

该算法的性能是通过创建敏感性-特异性曲线来衡量的,其中敏感性表示其正确识别恶性病变的能力,而特异性表示其正确识别良性病变的能力。通过皮肤镜检查时,可通过三个关键诊断任务对其进行评估:角质形成细胞癌分类,黑色素瘤分类和黑色素瘤分类。在所有这三个任务中,该算法都使皮肤科医生的性能与敏感性-特异性曲线下的面积至少占图总面积的91%相匹配。

该算法的另一个优点是,与人不同,该算法可以变得或多或少敏感,从而使研究人员可以根据他们要评估的内容来调整其响应。这种改变灵敏度的能力暗示了该算法的深度和复杂性。看似无关的照片(包括猫和狗)的底层结构有助于更好地评估皮肤病变图像。

智能手机保健

尽管此算法目前存在于计算机上,但该团队希望在不久的将来使其与智能手机兼容,从而使可靠的皮肤癌诊断触手可及。

Esteva说:“我的主要尤里卡时刻是当我意识到智能手机将无处不在的时候。” “每个人的口袋里都会装有一台超级计算机,里面装有许多传感器,包括一台照相机。如果我们可以用它在视觉上筛查皮肤癌该怎么办?还是其他疾病?”

该团队认为将算法转换到移动设备将相对容易,但是仍然需要在实际临床环境中进行进一步测试。

“在计算机辅助的良性和恶性皮肤病变分类中的进展可以极大地帮助皮肤科医生改善对具有挑战性的病变的诊断,并为患者提供更好的治疗选择,”他说。 苏珊·斯威特(Susan Swetter),皮肤病学教授兼主任 色素沉着病变和黑色素瘤计划斯坦福癌症研究所,是该论文的合著者。 “但是,在从实践中开始,无论是从业者还是患者,都必须对算法进行严格的前瞻性验证。”

即使面对未来的挑战,研究人员也希望深度学习有朝一日能够在许多医学领域为视觉诊断做出贡献。



本新闻稿中的材料来自原始研究组织。可以编辑内容的样式和长度。有一个问题? 让我们知道.

订阅

每天早上一封电子邮件,其中包含我们的最新帖子。从医学研究到太空新闻。环境转化为能源。物理技术。

感谢您的订阅。

出了些问题。