黑色素瘤是一種惡性腫瘤，占全世界所有與皮膚癌相關(guān)的死亡的70%以上。多年以來，醫(yī)生一直依靠目視檢查來識別可疑的色素性病變(SPL)，這可能是皮膚癌的征兆。在基層醫(yī)療機構(gòu)中對SPL進行此類早期鑒定可以改善黑色素瘤的預(yù)后并顯著降低治療成本。

挑戰(zhàn)在于，由于大量色素沉著的病變常常需要進行潛在的活檢，因此難以快速找到SPL并對其進行優(yōu)先排序?，F(xiàn)在，麻省理工學院和其他地方的研究人員已經(jīng)設(shè)計了一條新的人工智能管道，該管道使用深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)，并通過使用大多數(shù)智能手機和個人相機中常見的廣角攝影技術(shù)將其應(yīng)用于分析SPL。

DCNN是神經(jīng)網(wǎng)絡(luò)，可用于對圖像進行分類(或“命名”)，然后將它們聚類(例如在執(zhí)行照片搜索時)。這些機器學習算法屬于深度學習的子集。

據(jù)目前擔任博士后和醫(yī)療器械專家的路易斯·索恩森(Luis R.Soenksen)稱，該程序使用相機拍攝大面積患者身體的寬視野照片，該程序使用DCNN快速有效地識別和篩查早期黑色素瘤。麻省理工學院的第一位人工智能和醫(yī)療保健風險投資機構(gòu)。Soenksen與麻省理工學院的研究人員進行了這項研究，其中包括麻省理工學院的醫(yī)學工程與科學研究所(IMES)的教授瑪莎·格雷，健康科學與技術(shù)教授W. Kieckhefer，電氣工程和計算機科學教授。詹姆士·柯林斯(James J. Collins)，泰米爾醫(yī)學工程與科學與生物工程學教授。

Soenksen是最近發(fā)表在《科學轉(zhuǎn)化醫(yī)學》雜志上的論文“利用深度學習進行皮膚科醫(yī)生從寬視野圖像中檢測可疑色素性皮膚病變的論文”的第一作者，他解釋說：“早期檢測SPL可以挽救生命。但是，目前仍缺乏醫(yī)療系統(tǒng)提供大規(guī)模皮膚綜合檢查的能力。”

本文介紹了使用DCNN的SPL分析系統(tǒng)的開發(fā)，以更快，更有效地識別需要進一步研究的皮膚病變，可以在常規(guī)初級保健就診時甚至患者自己進行的篩查。該系統(tǒng)利用DCNN優(yōu)化廣域圖像中SPL的識別和分類。

研究人員使用人工智能，使用馬德里GregorioMarañón醫(yī)院的133位患者的20,388張寬視野圖像以及公開可用的圖像對系統(tǒng)進行了訓練。圖像是使用各種普通的相機拍攝的，這些相機很容易為消費者所用。皮膚科醫(yī)生與研究人員一起對圖像中的病變進行視覺分類以進行比較。他們發(fā)現(xiàn)，該系統(tǒng)避免了繁瑣且耗時的單個病變成像，從而在將SPL與非可疑病變，皮膚和復雜背景區(qū)分開來時，靈敏度達到了90.3%以上。此外，本文還提出了一種提取患者內(nèi)病變顯著性的新方法(丑小鴨標準，病灶。

Soenksen解釋說：“我們的研究表明，利用計算機視覺和深度神經(jīng)網(wǎng)絡(luò)對這些常見癥狀進行量化的系統(tǒng)可以獲得與專業(yè)皮膚科醫(yī)生相當?shù)臏蚀_性。” “我們希望我們的研究振興了在初級保健機構(gòu)中進行更有效的皮膚病學篩查以推動足夠的轉(zhuǎn)診的愿望。”

研究人員說，這樣做可以更快，更準確地評估SPLS，并可以更早地治療黑色素瘤。

該論文的資深作者Gray解釋了這個重要項目的發(fā)展過程：“這項工作是由MIT Catalyst計劃(其中五位共同作者)的同伴開發(fā)的一個新項目，該計劃旨在使解決方案成為核心。迫切的臨床需求。這項工作體現(xiàn)了HST / IMES奉獻者(傳統(tǒng)上是Catalyst創(chuàng)立者)利用科學促進人類健康的愿景。” 這項工作得到了衛(wèi)生機器學習的Abdul Latif Jameel診所的支持，并通過Madrid-MIT M +Visión聯(lián)合會得到了來自馬德里Juventud y和Comunidad deportes de Madrid的ConsejeríadeEducación的支持。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！