今日,，一篇關(guān)于皮膚癌診斷的文章發(fā)表在醫(yī)療期刊《腫瘤學年鑒》（Annals of Oncology）上，這篇出自醫(yī)療界高級管理醫(yī)師的研究首次表明：深度學習卷積神經(jīng)網(wǎng)絡(luò)（CNN）在檢測皮膚癌方面的表現(xiàn)優(yōu)于有經(jīng)驗的皮膚科醫(yī)生,。對比對象是來自 17 個國家的 58 位皮膚科醫(yī)生,，其中包括 30 位專家。

這是人工智能又一次在醫(yī)療圖像識別上實現(xiàn)「超越人類」的水平,。盡管如吳恩達這樣的著名機器學習學者領(lǐng)導的 AI 醫(yī)療影像研究也正在受到質(zhì)疑,，但隨著技術(shù)的發(fā)展，越來越多基于人工智能的醫(yī)療成果正在出現(xiàn),，此類技術(shù)或許很快就可以幫助我們更好地應(yīng)對疾病,。

研究人員首次表明，深度學習卷積神經(jīng)網(wǎng)絡(luò)（CNN）在檢測皮膚癌方面的表現(xiàn)優(yōu)于有經(jīng)驗的皮膚科醫(yī)生,。

今天發(fā)表在國際著名癌癥期刊《腫瘤學年鑒》（Annals of Oncology）上的一項研究中,，德國、美國和法國的研究人員使用 10 萬多幅惡性黑色素瘤（最致命的皮膚癌）和良性痣的圖像訓練了一個 CNN 來識別皮膚癌,。他們將其診斷與 58 位國際皮膚科醫(yī)生的診斷進行了比較,，發(fā)現(xiàn) CNN 比皮膚科醫(yī)生漏診的黑色素瘤更少，誤診良性痣的幾率更低,。

CNN 是一種人工神經(jīng)網(wǎng)絡(luò),，受到大腦中神經(jīng)細胞（神經(jīng)元）相互連接并對眼睛看到的東西做出反應(yīng)時的生物過程的啟發(fā)。CNN 能夠從它「看到」的圖像中快速學習，并根據(jù)所學知識自學來提高其性能（這一過程被稱為機器學習）,。

這項研究的第一作者,，德國海德堡大學皮膚科高級管理醫(yī)師 Holger Haenssle 教授解釋說：「CNN 的工作原理就像一個孩子的大腦。為了訓練它,，我們向 CNN 展示了 10 萬多幅惡性皮膚癌和良性痣的圖像,，并標出每幅圖像的診斷結(jié)果。我們僅用了皮膚鏡圖像,，即以 10 倍放大倍率成像的病變圖像,。CNN 通過學習每幅訓練圖像提高了區(qū)分良性和惡性病變的能力。

「訓練結(jié)束后,，我們借用海德堡大學圖書館的數(shù)據(jù)創(chuàng)建了兩套從未用于訓練的測試圖像,，因此 CNN 對此一無所知。一組 300 幅圖像的數(shù)據(jù)集專門用來單獨測試 CNN 的性能,。在此之前,，我們選擇了 100 種最難判斷的病變來測試真正的皮膚科醫(yī)生，并與 CNN 的結(jié)果進行比較,?！?/p>

來自世界各地的皮膚科醫(yī)生受邀參加，17 個國家的 58 位專家同意參加會議,。其中 17 人（29%）表示他們在皮膚鏡檢查方面的經(jīng)驗不足兩年,，11 人（19%）表示他們擁有 2 至 5 年的經(jīng)驗，30 人（52%）表示他們擁有 5 年以上的經(jīng)驗,。

開始時,，這些醫(yī)生被要求僅根據(jù)皮膚鏡圖像（I 級）診斷惡性黑色素瘤或良性痣，并決定如何處理該狀況（手術(shù),、短期隨訪或不需要采取行動）,。四周后，他們拿到了患者的臨床信息（包括年齡,、性別和病變位置）和相同的 100 例特寫圖像（II 級）,，并被要求再次診斷并作出決定。

在 I 級中,，皮膚科醫(yī)生準確地檢測到平均 86.6% 的黑色素瘤,，正確地識別出平均 71.3% 的非惡性病變。然而,，當 CNN 與醫(yī)生水平持平,，即正確識別出 71.3% 的良性痣時，它檢測到 95% 的黑色素瘤,。在 II 級中,，皮膚科醫(yī)生的表現(xiàn)有所提高,，準確診斷出了 88.9% 的惡性黑色素瘤和 75.7% 的非惡性病變。

「CNN 漏診的黑色素瘤更少,，表明它比皮膚科醫(yī)生有更高的敏感度,，并且它將良性痣誤診為惡性黑色素瘤的次數(shù)也更少，這意味著它的專業(yè)性更強,；這將幫我們省去更多不必要的手術(shù),。」Haenssle 教授說,。

「當皮膚科醫(yī)生接收更多 II 級的臨床信息和圖像時,，他們的診斷結(jié)果得到提升。然而,，CNN 僅使用皮膚鏡圖像,，并且沒有接收額外的臨床信息，仍然超越了醫(yī)生的診斷能力,?！?/p>

專業(yè)的皮膚科醫(yī)生在 I 級中能超越經(jīng)驗較少的皮膚科醫(yī)生，在檢測惡性黑色素瘤中表現(xiàn)得更好,。然而，他們做出準確診斷的平均水平在兩個等級中仍然低于 CNN,。

「這些發(fā)現(xiàn)表明深度學習卷積神經(jīng)網(wǎng)絡(luò)在檢測黑色素瘤的任務(wù)中有能力超越皮膚科醫(yī)生,，包括那些受過大量訓練的專家?！顾f,。

惡性黑色素瘤的發(fā)病率越來越高，全世界每年估計有 232000 名新病例和大約 55500 名死亡病例,。如果能在早期檢測出來是可以被治愈的,，但很多病例僅在癌癥進一步惡化和更難治療的時候才被診斷出來。

Haenssle 教授說：「我曾經(jīng)參加一個研究項目將近 20 年,，它旨在改善黑色素瘤在可治愈階段的早期檢測,。我的團隊和我聚焦于非侵入式技術(shù)，希望幫助醫(yī)生在執(zhí)行皮膚癌檢查時不漏診黑色素瘤,。當發(fā)現(xiàn)近期關(guān)于深度學習算法在特定任務(wù)上超越人類的報告時,，我立刻意識到可以在診斷黑色素瘤上探索這些人工智能算法?！?/p>

研究者并沒有設(shè)想用 CNN 取代皮膚科醫(yī)生診斷皮膚癌,，但可以將其作為一項額外輔助技術(shù)。

「這種 CNN 技術(shù)有望在皮膚癌檢查中輔助幫助醫(yī)生決定是否要做活檢病變,。大多數(shù)皮膚科醫(yī)生已經(jīng)使用數(shù)字皮膚鏡系統(tǒng)來對病變進行拍照,、歸檔和跟進,。然后 CNN 可以輕易和快速地評估已保存的影像，得到黑色素瘤概率的『專家意見』,。我們目前正計劃前瞻性研究來評估 CNN 對醫(yī)生和病患的現(xiàn)實影響,。」

該研究有一定的局限性,，包括：皮膚科醫(yī)生是在一個人工環(huán)境中,，他們知道自己沒有作出「生死」攸關(guān)的決定；測試集沒有涵蓋所有類型的皮膚損傷,；非白種人皮膚類型和遺傳背景的有效圖像較少,；事實上，醫(yī)生可能不會一直遵循他們不信任的 CNN 的建議,。

在隨后的社論 [4] 中,，Victoria Mar 博士（澳大利亞墨爾本莫納什大學）和 H. Peter Soyer 教授（澳大利亞布里斯班昆士蘭大學）寫道：「目前，黑色素瘤的診斷準確性取決于治療醫(yī)生的經(jīng)驗和培訓,?！璈aenssle 等人……已經(jīng)表明使用卷積神經(jīng)網(wǎng)絡(luò)的計算機算法優(yōu)于所測試的 58 名皮膚科醫(yī)生中的大多數(shù)……這表明人工智能保證了更標準化的診斷準確性水平，使得所有人,，無論他們住在哪里或看哪個醫(yī)生,，都能夠獲得可靠的診斷評估?！?/p>

他們強調(diào)了 AI 在成為臨床標準之前需要解決的一些問題,，包括在手指、腳趾和頭皮等部位的黑色素瘤難以成像,，以及如何訓練 AI 充分識別非典型和患者沒有發(fā)現(xiàn)的黑色素瘤,。

他們的結(jié)論是：「目前，沒有什么技術(shù)可以替代徹底的臨床檢查,。然而,，2D 和 3D 全身攝影能夠捕獲大約 90%~95% 的皮膚表面。鑒于成像技術(shù)的指數(shù)發(fā)展,，我們設(shè)想自動診斷遲早將改變皮膚病學的診斷模式,。但是，要將這一激動人心的技術(shù)安全地應(yīng)用到常規(guī)臨床護理中,，還有很多工作要做,。」

論文：Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists

論文鏈接：https://academic.oup.com/annonc/advance-article/doi/10.1093/annonc/mdy166/5004443

摘要

背景

深度學習卷積神經(jīng)網(wǎng)絡(luò)（CNN）可能促進黑色素瘤檢測,，但是仍缺乏 CNN 與大量皮膚科醫(yī)生診斷表現(xiàn)的對比數(shù)據(jù),。

方法

研究者使用皮膚鏡圖像和對應(yīng)診斷結(jié)果訓練谷歌的 Inception v4 CNN 架構(gòu)。在對比橫斷面研究中,，研究者使用了包含 100 張圖像的測試集（I 級：只有皮膚鏡圖像,；II 級：皮膚鏡圖像和臨床信息）,。研究中主要的衡量指標包括：敏感度、特異性和 CNN 對病灶進行診斷分類（二分類）的 ROC 曲線下面積（AUC）,，以及 58 名國際皮膚科醫(yī)生,。次要指標包括皮膚科醫(yī)生管理決策的診斷效果，以及他們的不同診斷表現(xiàn),。此外,，CNN 的表現(xiàn)還與 2016 生物醫(yī)學成像國際會議（ISBI）挑戰(zhàn)賽中的 top-five 算法進行了對比。

結(jié)果

在 I 級診斷中,，皮膚科醫(yī)生對病變分類的敏感性和特異性的平均得分（±標準差）分別為 86.6% (±9.3%) 和 71.3% (±11.2%),。獲得更多臨床信息后（level-II），得分分別提升到了 88.9% (±9.6%, P = 0.19) 和 75.7% (±11.7%, P < 0.05),。相比于皮膚科醫(yī)生在 I 級,、 II 級的特異性與敏感性得分，CNN 的 ROC 曲線顯示出更好的特異性（82.5%）,。CNN 的 ROC 曲線下面積要比皮膚科醫(yī)生的平均 ROC 面積（0.86 vs 0.79, P < 0.01）大,。CNN 的得分接近 ISBI 2016 挑戰(zhàn)賽的 3 大頂級算法結(jié)果。

結(jié)論

我們首次對 CNN 與國際皮膚科醫(yī)生團隊（共 58 位,，其中包括 30 位專家）的診斷表現(xiàn)進行了對比,。大部分皮膚科醫(yī)生的表現(xiàn)都不如 CNN。有了 CNN 圖像分類輔助,，任何內(nèi)科醫(yī)生（無論經(jīng)驗多么豐富）都有可能從中受益,。