分析照片的神經網絡系統或可幫助臨床醫生尋找“丑小鴨”癌前皮膚病變
（神秘的地球uux.cn報道）據EurekAlert!：一個分析照片的神經網絡系統可以對可疑的、潛在癌前皮膚病變進行分級和甄別；這些癌前皮膚病變如果不及早發現和清除，分析膚病它們可能會演變成致命的照片助臨找癌V型《365-2895》佛山三水區外圍女服務提供外圍女小姐上門服務快速安排人到付款惡性皮膚癌：黑色素瘤。
該系統準確評估了68位患者的經網可疑病變，其結果與皮膚科醫生的絡系經受時間考驗的評估基本吻合。這些結果表明，統或該平臺可以幫助臨床醫生更快、可幫更大規模地在病人就診時發現可疑病變，床醫從而有可能提前診斷和施治。生尋黑色素瘤是前皮最致命形式的皮膚癌，但對那些在疾病萌芽時期就切除了黑色素瘤的丑小鴨V型《365-2895》佛山三水區外圍女服務提供外圍女小姐上門服務快速安排人到付款患者來說，其轉歸非常好，分析膚病因為那時的照片助臨找癌病變仍處于淺薄狀態，并未擴散至皮膚深層。經網為了篩查黑色素瘤，絡系臨床醫生常會使用ABCDE組標準來評估較大面積的皮膚表面，以期找到顯示出癌前跡象的“丑小鴨”病變。當局還開始推出大型皮膚癌篩查計劃，旨在減輕黑色素瘤負擔，但診所缺乏評估大量患者病變的可擴展篩檢規模的工具。
Luis Soenksen和同事在此設計了一個神經網絡平臺，它可對皮膚病變拍照（甚至可用手機攝像頭拍的照片），快速發現可能需要追蹤檢測的可疑標記。該團隊用3萬8283張照片（包括133位患者的皮膚照片）來培訓他們的技術，并觀察到該方法能以90.3％和89.9％的靈敏度和特異性將可疑病變與非可疑病變進行區分。在另一項實驗中，該策略還對68位患者皮膚上的“丑小鴨”病變進行了排名，其排名與3位皮膚科醫生的評估結果基本相符。作者補充說，未來的改進可能會幫助解決該系統當前存在的某些局限性，例如使其能被用于范圍更廣的相機、光線設置和攝影者。
相關報道：科學家開發深度學習算法 用“丑小鴨”技術高精準發現黑色素瘤
（神秘的地球uux.cn報道）據cnBeta：外媒報道，人工智能開始與智能手機技術結合，其方式可能會對我們監測健康的方式產生深遠的影響，從跟蹤糖尿病患者的血容量變化到通過拍攝眼睛來檢測腦震蕩等。利用該技術在早期階段發現黑色素瘤是另一種令人興奮的可能性，哈佛大學和麻省理工學院的科學家開發的一種新的深度學習系統有望達到新的水平，通過使用皮膚科醫生常用的方法，即所謂的“丑小鴨”標準。
利用智能手機來檢測皮膚癌是科學家們十多年來一直在探索的想法。早在2011年，科學家就研究了一款iPhone應用，該應用利用設備的攝像頭和基于圖像的模式識別軟件來提供異常痣和雀斑的風險評估。2017年，研究人員提出了另一個令人興奮的例子，其中一個人工智能能夠使用深度學習來檢測潛在的皮膚癌，其準確度與訓練有素的皮膚科醫生相當。
麻省理工學院和哈佛大學的研究人員開發的新系統再次利用深度學習算法來瞄準皮膚癌，但有一些關鍵的區別。到目前為止，為自動檢測皮膚癌而構建的算法已經被訓練成分析單個皮膚病變的奇特特征，這些特征可能是黑色素瘤的指標，這與皮膚科醫生的操作方式有些不同。
為了更好地評估哪些痣可能是癌癥，該團隊轉而采用了“丑小鴨”標準，該標準基于這樣一個概念，即個人身上的大多數痣會看起來很相似，而那些不相似的痣，即所謂的“丑小鴨”，被認為是黑色素瘤的警告信號。研究人員表示，他們的系統是第一個復制這一過程的系統，他們首先建立了一個包含33000多張廣角圖像的數據庫，這些圖像不僅包含患者的皮膚，還包含其他物體和背景。
在這些圖像中，既有可疑的病變，也有非可疑的病變，這些病變由三位訓練有素的皮膚科醫生進行標注。深度學習算法在這個數據庫上進行了訓練，經過一段時間的完善和測試，能夠區分出危險的病變和良性的病變，不過這還是基于它對各個物體的評估。
該團隊將“丑小鴨”方法帶入其中，通過構建給定圖像中所有病灶的3D地圖--例如分布在患者背部的病灶--并對每個病灶上的特征有多奇特進行計算。通過比較其中一些特征與圖像中其他病灶上的特征的不尋常程度，系統能夠分配數值并確定哪些特征是危險的。
這被描述為“丑小鴨”標準的第一個可量化的定義，該技術被投入測試，使用135張寬視野照片識別68名不同患者的可疑病變。個別病變根據其特征的關注程度被賦予了奇異性得分，評估結果與三位訓練有素的皮膚科醫生的評估結果進行了比較。該算法在88%的時間里同意皮膚科醫生的共識，在86%的時間里同意皮膚科醫生個人的共識。
“人工智能和人類臨床醫生之間的這種高度共識是該領域的重要進展，因為皮膚科醫生之間的共識通常非常高，約為90%，”研究共同作者Jim Collins說。“從本質上講，我們已經能夠從任何人都可以用智能手機拍攝的圖像中達到皮膚科醫生級別的診斷潛在皮膚癌病變的準確性，這為更早地發現和治療黑色素瘤開辟了巨大的潛力。”
該團隊已將該算法開源，并將繼續開發該算法，希望能進一步開展臨床試驗。他們將重點關注的一個領域是使該算法能夠在人類皮膚色調的整個范圍內工作，以確保它是一個普遍適用的臨床工具。
該研究發表在《科學轉化醫學》雜志上。