世福兰斯医院研究团队开发基于深度学习的人工智能诊断辅助模型
区分黑色素瘤与良性甲黑变病的准确率超95%

一项新技术问世,可利用人工智能以超过95%的准确率区分指甲和趾甲上出现的黑色条纹究竟是皮肤癌黑色素瘤,还是良性病变。


“是癌症吗”指甲趾甲现黑线心慌……可轻松辨别是否为黑色素瘤 View original image

延世大学世福兰斯医院皮肤科教授Oh Byungho与原州医科大学精准医学系博士Chu Yoosung研究团队11日表示,已利用基于深度学习的人工智能,开发出可区分甲黑色素瘤与良性甲黑素沉着症的诊断辅助模型。


甲黑素沉着症是指指甲或趾甲出现黑色条纹,属于较为常见的症状,但部分病例可能是致命性皮肤癌——甲黑色素瘤的早期信号。然而,早期甲黑色素瘤的外观与良性病变极为相似,即使经验丰富的皮肤科专科医生有时也难以仅凭肉眼加以区分。


要作出准确诊断,需进行甲基质组织检查,但检查过程中可能留下永久性的甲变形,以及美容和功能方面的后遗症,因此实施存在困难。基于这一原因,实际临床中经常推迟组织检查、转而观察病情进展,早期诊断因而存在局限。


研究团队利用甲黑色素瘤和良性甲黑素沉着症的临床数据,开发了基于深度学习的诊断辅助人工智能模型。团队收集了122名甲黑色素瘤患者和172名良性甲黑素沉着症患者在内、共294人的临床资料;为减少诊断混淆,未将儿童甲黑素沉着症纳入人工智能训练。此外,团队按患者单位分离数据,确保同一患者的照片不会同时用于训练和评估,从而提高人工智能模型的可靠性。


“是癌症吗”指甲趾甲现黑线心慌……可轻松辨别是否为黑色素瘤 View original image

结果显示,该人工智能模型在区分甲黑色素瘤和良性甲黑素沉着症时,表现出超过95%的高准确率(受试者工作特征曲线下面积为0.954);即使在利用其他医疗机构患者数据进行的外部验证中,也维持了优异性能。


研究团队还确认人工智能能否在实际诊疗中为诊断提供帮助。研究人员让皮肤科专科医生和住院医师先在未获得人工智能辅助的情况下诊断同一病例,随后参考人工智能结果再次诊断。对比结果显示,整体诊断准确率从70%提高至80.8%。其中,皮肤科住院医师的准确率提升最为显著,医护人员之间的诊断一致性也得到改善。


Oh Byungho教授表示:“这项研究提出了可应用于实际临床的诊断辅助技术的可能性,意义重大。期待未来能通过甲黑色素瘤的早期诊断,提高患者生存率,并减少不必要的组织检查。”



此次研究成果发表于国际学术期刊《德国皮肤病学会杂志》(Journal der Deutschen Dermatologischen Gesellschaft)最新一期。


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点