斯坦福大學研發出用AI診斷皮膚癌的新方法，獲專業醫生認可

點擊播放 GIF/312K

編譯：Agnes Pan

當發現身上長出奇怪的肉痣後，人們常常會擔心它會不會癌變，這種擔心和恐懼會一直持續到預約醫生進行檢查。然而，特別是在美國，光是預約皮膚科醫生就需要大量的支出，而且在時間方面，也會因為工作原因，經常抽不開身。在這種情況下，要是能光是用一部智能手機，就能快速對皮膚進行檢測，那麼，很多問題就都迎刃而解了。

讓醫療保健普及化、便捷化，是目前斯坦福大學的計算機科學家們努力奮鬥的一個目標。其中的一個例子就是，他們研發了用AI診斷皮膚癌的方法。研究員們建立了一個擁有近13萬份皮膚病圖像的資料庫，並訓練演算法來診斷潛在的癌細胞。從該演算法的第一次測試起，它就展現出了令人欣喜的準確度。

「我們發現，這樣的方式是可行的，AI不僅能把診斷這項任務做好，而且能做到和人類皮膚科醫生一樣專業。」斯坦福AI實驗室的教授Sebastian Thrun表示，「這不只是學生們在做的一個項目，還是一個為人類社會進步作出貢獻的機會。」

最終的研究成果已經以論文的形式，於1月25日發表在了Nature期刊，並且已由21名業內認證的皮膚科醫生進行了測試。在最常見和最致命的皮膚癌診斷中，該演算法與皮膚科醫生的診斷結果幾乎完全匹配。

論文鏈接：

http://www.nature.com/nature/journal/vaop/ncurrent/full/nature21056.html#figures

為什麼是皮膚癌？

在美國，每年大約有540萬的新增皮膚癌病例。其中，黑色素瘤若在其早期被診斷，患者則有97%的五年存活率。但如果到了末期才被診斷，那麼患者的五年存活率則驟降至14%。因此，早期診斷對於皮膚癌的治療結果能產生巨大的影響。

診斷皮膚癌的第一步是視覺檢查，皮膚科醫生通常用肉眼，或是藉助於皮膚鏡來觀察可疑病變。皮膚鏡是一種專業的手持式顯微鏡。如果通過視覺檢查仍無法判斷是否癌變，那麼則需要進行下一步，活檢（biopsy）。

將演算法融入檢查過程，遵循了將視覺處理與深度學習結合的計算的趨勢。深度學習是建立在大腦中的神經網路之上的一種AI，它在計算機科學領域具有數十年的歷史，但直到最近才被應用於視覺處理，卻已經取得了巨大的成功。機器學習的本質，包括深度學習，是訓練計算機學會找出問題，而不是把答案通過編程表現出來。

從貓和狗，到黑色素瘤和癌症

研究員們並不是從零開始創建演算法的，而是運用了一種由Google開發的演算法。該演算法已經被訓練並能夠識別，來自1,000個對象類別的128萬張圖像。雖然它已經完全能夠區分貓和狗，但是，研究人員需要它學會分辨良性脂溢性角化病和惡性腫瘤。

「我們並沒有現成的皮膚癌資料庫，但是為了訓練我們的演算法，我們必須建立一個研究用的資料庫。」Thrun實驗室的研究生Brett Kuprel說道，「我們從互聯網收集圖像，並與醫學院合作，創建一個清晰的數據分類。這是一項高難度的工作，因為標籤本身就有好多種語言，包括複雜的德語，阿拉伯語和拉丁語。」

經過大量的翻譯後，研究人員與斯坦福醫藥學的皮膚科醫生，以及斯坦福大學微生物學和免疫學教授Helen M. Blau進行了合作，並聯合完成了論文的撰寫。這個跨學科團隊經過共同的努力，終於完成了對各式各樣圖像的分類。其中，有很多圖像在角度、變焦和照明方面，都與專業醫療人員所採集的圖像相差甚遠。 最後，他們整理了約13萬張皮膚病變的圖像，涵蓋了超過2000種不同的疾病。

在測試期間，研究人員只使用由愛丁堡大學和國際皮膚成像合作項目提供的高質量、經過活檢證實的圖像，這些圖像涉及了最常見和最致命的皮膚癌：惡性癌細胞和惡性黑素瘤。21位皮膚科醫生會對每張圖像的觀察，並給出自己的下一步診療方案：進行活檢，直接進行治療，或是直接安慰病人。研究人員根據演算法的判斷結果與醫生診斷的一致性，來判斷測試的成功與否。

研究人員通過創建靈敏度與特異性曲線，來評估演算法的表現。其中，靈敏度表示其正確識別惡性病變的能力，而特異性則表示其正確識別良性病變的能力。測試結果顯示，演算法與醫生的判斷達到了91%的一致性。

雖然，目前這種演算法只能在計算機上運行，但是，研究團隊希望，在不久的將來能使其與智能手機兼容。讓人們滑動一下手指，就能隨時找到可靠的皮膚癌診斷途徑。

另外，研究團隊還表示，雖然將演算法轉變成智能手機應用並不難，但是該演算法仍需要在真實的臨床環境中，進行更多的深入測試。

「讓計算機輔助進行良性與惡性皮膚病的識別，能在很大程度上幫助醫生判斷一些較具有挑戰性的病變，並為患者提供更多的診療選擇。」斯坦福癌症研究所皮膚病學教授，兼色素病變和黑色素瘤項目主任Susan Swetter說道，「然而，對演算法的進一步試驗是必不可少的，只有經過不斷的試驗和修正，才能讓它真正在臨床實踐中得到應用。」

雖然，在這條道路上必然會遇到很多的挑戰和困難，但是研究員們還是希望，深度學習能在更多醫學領域作出貢獻，加強視覺診療的準確性和便捷性。

-END-

將門是一家專註於加速及投資技術驅動型初創企業的創投機構。

我們為技術驅動型的創業公司對接標杆企業用戶、連接產業資源並提供眾多戰略投資機會。

將門旗下的基金將會重點投資通過技術創新激活商業場景，實現商業價值的初創企業。關注領域包括：1）機器智能；2）物聯網；3）自然人機交互；4）企業計算。

將門創投

讓創新獲得認可！