周二發表在《腫瘤學年報》上的一項研究表明，研究人員發現，人工智能(即CNN)比有經驗的皮膚科醫生更能檢測皮膚癌。

根據一份新聞稿，CNN是一個人工神經網絡，“受工作中的生物過程的啟發，神經細胞(神經元)在大腦中相互連接，并對眼睛所看到的做出反應。”CNN是一個快速的學習者，能夠在看到圖像后自學，并根據所學知識提高其性能。這個過程被稱為機器學習。

Holger Haenssle教授是德國海德堡大學皮膚科的研究和管理醫師，他將CNN比作兒童的大腦，在新聞發布會上解釋說，這項技術在每次訓練中都得到了改進。

在這項研究中，研究人員通過向CNN展示超過10萬張惡性黑素瘤的圖片，并對其進行了訓練。這些惡性黑素瘤是致命的皮膚癌，也是痣的良性腫瘤，并為每一種圖像提供診斷。

來自德國、法國和美國的研究人員將CNN的表現與皮膚科醫生的表現進行了比較，發現CNN出錯率更低i，而不是皮膚科醫生。皮膚科醫生準確地檢測到平均86.6%的黑色素瘤，并準確地檢測到平均71.3%的痣。然而，CNN正確地識別了95%的黑色素瘤。

在隨后的研究中，皮膚科醫生得到了有關病人的臨床資料，包括性別、年齡和病灶位置。他們準確診斷惡性黑色素瘤的成功率為88.9%，準確檢測良性痣的成功率為75.7%。然而，即使沒有這些背景信息，CNN仍然有更高的成功率。

“當皮膚科醫生在II級獲得更多臨床資料和圖像時，他們的診斷性能得到了提高。”盡管如此，CNN仍然只在沒有附加臨床信息的情況下工作，繼續超越醫生的診斷能力，”Haenssle在新聞發布會上說。“這些發現表明，學習的卷積神經網絡能夠超越皮膚科醫生，包括廣泛訓練的專家，在檢測黑色素瘤的任務中。”

根據皮膚癌基金會的資料，黑素瘤每年在美國的死亡人數約為10130人，而黑素瘤的發病率也在上升。

雖然Haenssle和他的團隊不認為CNN會取代皮膚科醫生在皮膚癌篩查中，但他們確實相信它可以作為額外的幫助。

Haenssle說:“CNN可能會為參與皮膚癌篩查的醫生們提供幫助，幫助他們決定是否活檢。”“大多數皮膚科醫生已經使用數字皮膚鏡系統對病變進行圖像和存儲，以便進行記錄和隨訪。然后，CNN可以輕松快速地評估存儲的圖像，以獲得關于黑素瘤概率的“專家意見”。