陳根：深度學習發現早期黑色素瘤，數字療法的展現_風聞

文/陳根

黑素瘤是迄今為止最致命的一種皮膚癌，僅在2019年，美國就有7000多人死於黑素瘤。早期發現這種疾病大大降低了死亡風險和治療費用，但廣泛的黑色素瘤篩查目前尚不可行。

美國大約有12000名執業皮膚科醫生，他們每人每年需要看27416名患者，以篩查整個人羣中是否存在可能表明癌症的可疑色素病變。

在這樣的背景下，數字療法被寄予希望。數字藥物和數字療法作為一種全新的數字健康解決方案，是基於計算的軟件程序，也可以是人工智能(AI)驅動的機器學習算法。

通過數字療法，患者得以循證治療和預防、管理身體、心理和疾病狀況。數字療法可以獨立使用，也可以與藥物、設備或其他療法配合使用。傳統治療中，病人往往根據醫生開具的處方去藥房取藥，數字療法則是將其中的藥物更換為了某款手機app，當然，也可能是軟硬件結合的產品。

近日，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“醜小鴨”標準，以在早期階段發現黑色素瘤。

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於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。**與此同時，****為了更好地評估哪些痣可能是癌症，該團隊轉而採用了“醜小鴨”標準，**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“醜小鴨”，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複製這一過程的系統，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註。經過對數據庫的培訓以及隨後的改進和測試，該系統能夠區分可疑和非可疑病變，靈敏度為90.3%，特異性為89.9%，比此前公佈的系統有了改進。

研究人員表示，“人工智能和人類臨牀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%”，這為更早地發現和治療黑色素瘤開闢了巨大的潛力。

目前，該團隊已將該算法開源，並將繼續開發該算法，希望能進一步開展臨牀試驗。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範圍內工作，以確保它是一個普遍適用的臨牀工具。