美國每年約有540萬人確診為皮膚癌，而高致死率的黑色素瘤經常難以辦別；史丹福大學研究團隊，設計一套演算法運用人工智慧進行皮膚癌診斷，準確度等同於皮膚專科醫師，成果已發表於《自然》期刊。

75％皮膚癌患者　死於黑色素瘤

皮膚癌是世界最為常見的癌症之一，其中致死率最高的黑色素瘤（Melanomas），通常以痣或雀斑的形式出現在皮膚上，病灶常常難以區分良性或惡性，雖然僅占皮膚癌案例數中5％，但高達75％皮膚癌患者死於黑色素瘤。

十萬張皮膚病灶影像　檢驗人工智慧診斷能力

史丹福大學研究團隊，收集18個線上專業資料庫與史丹福大學醫學中心資料庫，共12萬7463張訓練與驗證用影像，以及1942張確診良性或惡性皮膚病灶影像，進行 47種皮膚疾病分類的照片訓練GoogleNet Inception V3人工神經網路，運用「卷積神經網路」（convolutional neural networks, CNN）電腦運算功能，檢驗人工智慧區分一般皮膚病灶或皮膚癌病變的能力。

人工智慧診斷準確度　高於皮膚專科醫師

結果顯示，第一次驗證結果，卷積神經網路準確度達72％，而皮膚專科醫師準確度分別為65.56％與66％；第二次驗證結果，卷積神經網路準確度達55.4％，而皮膚專科醫師則為53.5％與55％。最後判斷良性惡性、上皮來源或黑色素細胞來源方面，卷積神經網路的準確度皆高於皮膚專科醫師。

卷積神經網路準確分類　輔助皮膚科醫師診斷

研究者認為，卷積神經網路可以學習不同影像中的內部特性，並將細節準確分類，診斷皮膚病灶的能力與皮膚專科醫師相當；但人工智慧的診斷能力，仍需更進一步的研究釐清臨床上的應用，以及是否會有其他環境因子的影響，未來可望輔助皮膚專科醫師在困難的案例中進行診斷。

本文授權轉載自 健康醫療網