研究人員開發出用於皮膚癌篩選的自動化黑素瘤檢測器

即使專家也可能被黑色素瘤愚弄。患有這種類型皮膚癌的人通常看起來像皮膚上長有痣，形狀和顏色上往往是不規則的，並且很難與良性的區別開，使得該疾病難以診斷。現在，洛克菲勒大學的研究人員開發了一種自動化技術，將成像與數字分析和機器學習相結合，幫助醫生在早期檢測黑素瘤。“皮膚科領域真正需要標準化如何評估黑素瘤，”Martin Carter的臨牀調查和調查皮膚病實驗室主任James Carl教授説：“通過篩查檢測可以挽救生命，但在視覺上非常具有挑戰性，即使當可疑病變被提取和活檢時，也只有約10％被證實是黑素瘤。”

在新方法中，病變圖像由提取的關於顏色和數量的信息的一系列計算機程序和其他定量數據處理。該分析產生總體風險評分，稱為Q評分，其指示癌症的可能性。

該研究發表在實驗皮膚病學中，最近一項評估研究表明，Q評分敏感性為98％，這意味着它很可能正確地識別皮膚上的早期黑素瘤。測試正確診斷正常痣的能力為36％，接近由專家皮膚科醫生在顯微鏡下進行可疑痣的視覺檢查所達到的水平。

第一作者克魯格實驗室的臨牀調查報告和教師，丹尼爾 加雷（Daniel Gareau）説：“Q評分在預測黑色素瘤方面的成功是對競爭技術的顯著改進。”

研究人員通過將60張癌症黑素瘤照片和等量的良性生長的照片提供給圖像處理程序來開發這種工具。他們開發了成像生物標誌物來精確量化視覺特徵。使用計算方法，他們產生了一組定量度量，這在兩組圖像之間不同，並給予每個生物標誌物惡性評級。

通過組合來自每個生物標誌物的數據，他們計算每個圖像的總Q分數，在0和1之間，其中較大數字表示癌性的概率較高。

如先前研究所示，病變中的顏色證明是確定惡性腫瘤的最重要的生物標誌物。而且一些生物標誌物只有在特定顏色通道中觀察時才是正確的 - 研究人員説這些發現可能被利用來鑑定其他生物標誌物並進一步提高準確性。

“我認為這種技術可以幫助早期檢測疾病，這可以挽救生命，並避免不必要的活檢，”Gareau説：“我們接下來的步驟是在更大的研究中評估這種方法，並進一步看看我們如何使用特定的顏色波長來揭示可能人眼不可見但仍可用於診斷的病變。”