美國每年約有540萬人確診為皮膚癌，而高致死率的黑色素瘤經常難以辦別；史丹福大學研究團隊，設計一套演算法運用人工智慧進行皮膚癌診斷，準確度等同於皮膚專科醫師，成果已發表於《自然》期刊。
75％皮膚癌患者 死於黑色素瘤
皮膚癌是世界最為常見的癌症之一，其中致死率最高的黑色素瘤（Melanomas），通常以痣或雀斑的形式出現在皮膚上，病灶常常難以區分良性或惡性，雖然僅占皮膚癌案例數中5％，但高達75％皮膚癌患者死於黑色素瘤。
十萬張皮膚病灶影像 檢驗人工智慧診斷能力
史丹福大學研究團隊，收集18個線上專業資料庫與史丹福大學醫學中心資料庫，共12萬7463張訓練與驗證用影像，以及1942張確診良性或惡性皮膚病灶影像，進行 47種皮膚疾病分類的照片訓練GoogleNet Inception V3人工神經網路，運用「卷積神經網路」（convolutional neural networks, CNN）電腦運算功能，檢驗人工智慧區分一般皮膚病灶或皮膚癌病變的能力。
人工智慧診斷準確度 高於皮膚專科醫師
結果顯示，第一次驗證結果，卷積神經網路準確度達72％，而皮膚專科醫師準確度分別為65.56％與66％；第二次驗證結果，卷積神經網路準確度達55.4％，而皮膚專科醫師則為53.5％與55％。最後判斷良性惡性、上皮來源或黑色素細胞來源方面，卷積神經網路的準確度皆高於皮膚專科醫師。
卷積神經網路準確分類 輔助皮膚科醫師診斷
研究者認為，卷積神經網路可以學習不同影像中的內部特性，並將細節準確分類，診斷皮膚病灶的能力與皮膚專科醫師相當；但人工智慧的診斷能力，仍需更進一步的研究釐清臨床上的應用，以及是否會有其他環境因子的影響，未來可望輔助皮膚專科醫師在困難的案例中進行診斷。
名詞解釋：
1.黑色素瘤（Melanomas）
為起源於黑色素細胞的腫瘤，在皮膚癌中較為罕見，但惡性度較高。白種人的發生率遠高於黃種人與黑人。在皮膚上的呈現多以不對稱、邊緣不圓、深淺不一、隆起或急劇變大的斑。
2.卷積神經網路（convolutional neural networks, CNN）
多用於處理大型圖像，是一種類神經網路的人工智慧，由卷積層和頂端的全連通層組成，同時也包括關聯權重和池化層（pooling layer）。這一結構使得卷積神經網絡能夠利用輸入數據的二維結構。與其他深度學習結構相比，卷積神經網絡在圖像和語音識別方面能夠給出更優的結果。（資料來自維基百科，百科內容以 CC BY-SA 3.0 授權）
參考資料、文獻來源：
1.翻譯人員：國立成功大學醫學院公共衛生研究所研究生曾子容
2.參考文獻：Esteva, A., Kuprel, B., Novoa, R.A., et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature.2017; 639: 115-118.
3.參考文獻：Waal, I. Skin cancer diagnosed using artificial intelligence on clinical images. Oral Dis. 2017. DOI: 10.1111/odi.12668
4.參考文獻：Burroni, M., Corona, R., Dell'Eva, G., et al. Melanoma computer-aided diagnosis: reliability and feasibility study. Clin Cancer Res. 2004; 10: 1881-6.
5.資料出處：科技部補助｢新媒體科普傳播實作計畫｣執行團隊、科技大觀園
6.《新媒體科普傳播實作計畫》（計畫編號MOST105-2515-S-006-008）補助產出
資料來源：健康醫療網 https://www.healthnews.com.tw/readnews.php?id=37036
喜歡本文請按讚並分享給好友！
健康醫療網https://healthnews.com.tw更多健康資訊
Facebook留言