黑色素瘤是一種惡性腫瘤，占全世界所有與皮膚癌相關的死亡的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)療機構中對SPL進行此類早期鑒定可以改善黑色素瘤的預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。現(xiàn)在，麻省理工學院和其他地方的研究人員已經(jīng)設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(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將其應用于分析SPL。

DCNN是神經(jīng)網(wǎng)絡，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。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中進行更有效的皮膚病學篩查以推動足夠的轉診的愿望。”

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。

標簽： 黑色素瘤