最新研究首次發現人工智能可能比訓練有素的醫生更擅長檢測皮膚癌。一項由國際研究小組進行的研究，將經驗豐富的皮膚科醫生與機器學習系統——深度學習卷積神經網絡（ConvolutionalNeuralNetwork,CNN）)進行對比，比較究竟誰在發現惡性黑色素瘤方面更勝一籌。
結果如何？大多數皮膚科醫生的表現都優於CNN。該報告發表在《腫瘤學年鑑》(AnnalsofOncology)上。
來自全世界17個國家的58名皮膚科醫生參與了這項研究。50%以上的醫生是專家級別，並且有超過5年的工作經驗，19%的醫生有2年到5年的工作經驗，29%的醫生有不到2年的工作經驗。
研究人員向醫生們展示了100張皮膚病變的圖像，要求他們用專業知識來判斷是惡性黑色素瘤還是良性痣，並給出控制病情的方案，比如是選擇手術，還是短期隨訪，或不需要採取行動。4周後，研究人員向皮膚科醫生提供了有關病人的臨牀信息，包括年齡、性別、皮膚病變位置和同一病例的特寫圖像，並再次要求他們作出診斷和管理決定。
這項研究的作者同時也向CNN展示了一組300張皮膚病變的圖像。CNN是一種人工神經網絡，其靈感來源於當大腦神經元相互連接並對眼睛所看到的東西作出反應時所發生的生物過程。它擁有機器學習的能力，或者從它所“看到”的東西中自學，這樣就能不斷地提高自身的性能。
初看時，皮膚科醫生診斷出黑色素瘤的平均準確率爲87%，診斷出良性痣的平均準確率爲73%，而CNN檢測出黑色素瘤的準確率高達95%。
當皮膚科醫生獲得更多關於患者的信息和照片時，情況有所改善：他們診斷出惡性黑色素瘤和良性痣的準確率分別提升到了89%和76%。儘管如此，人工智能系統的表現仍優於醫生，該系統僅靠圖像工作。
“CNN檢測黑色素瘤的漏診率更低，這意味着它比皮膚科醫生有更高的敏感性，而且它將良性痣誤診爲惡性黑色素瘤的機率更低，這意味着它具有更高的特異性。這將減少不必要的手術。”研究作者、德國海德堡大學(UniversityofHeidelberginGermany)皮膚科高級管理醫師霍格爾·漢斯勒(HolgerHaenssle)教授在一份聲明中說道。
在最初的一輪診斷中，皮膚科專家在鑑別惡性黑色素瘤方面比缺乏經驗的醫生表現得更好，但他們的平均正確診斷率仍比人工智能系統差。
漢斯勒說:“這些研究結果表明，CNN能夠在檢測黑素瘤的任務中表現出優於皮膚科醫生的能力，包括訓練有素的專家。”
衛生官員說，非黑色素瘤和黑色素瘤皮膚癌的發病率近年來一直在上升。根據美國疾病控制和預防中心（ersforDiseaseControlandPrevention）的最新統計數據，美國每年有超過7.66萬人被診斷患有黑色素瘤，超過9300人死於黑色素瘤。早期發現是成功治療的關鍵，但許多病例只有在癌症處於晚期時才能診斷，並且變得更難治療。
研究人員認爲，人工智能不可能取代醫生。相反地，它可能是一個有用的工具，幫助醫生診斷皮膚癌。
在一篇附帶的社論中，澳大利亞墨爾本莫納什大學（MonashUniversityinMelbourne,Australia）的維多利亞·馬爾（Victoria Mar）博士和布里斯班昆士蘭大學（UniversityofQueenslandinBrisbane）的rSoyer教授指出，在AI成爲臨牀使用標準之前，需要解決許多問題。比如一些黑色素瘤在某些部位上的成像困難，例如手指、腳趾和頭皮。如何訓練人工智能來識別非典型黑色素瘤和那些患者自己不知道的黑色素瘤，這也是一個挑戰。
他們寫道，“這項研究表明，人工智能保證了一個更標準化的診斷準確性水平，這樣所有的人，無論他們住在哪裏，或者他們看到的是哪一位醫生，都能獲得可靠的診斷評估。”
該研究總結道：“目前，沒有什麼可以替代徹底的臨牀檢查。儘管要實現這一令人興奮的技術還有很多工作要做，自動化診斷遲早會改變皮膚病的診斷模式。”
