《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 其他 > 業(yè)界動態(tài) > 人工智能診斷皮膚癌準(zhǔn)確率達91%,未來手機當(dāng)醫(yī)生不是夢

人工智能診斷皮膚癌準(zhǔn)確率達91%,未來手機當(dāng)醫(yī)生不是夢

2017-02-13
關(guān)鍵詞: 人工智能 皮膚 診斷

如果有一天,你突然發(fā)現(xiàn)身上的一顆痣變得有些奇怪,你會怎么做?雖然這可能是一個危險的信號,但很多人因為工作忙、去醫(yī)院不便等種種原因,往往不會及時去檢查?,F(xiàn)在,人工智能為這個問題提供了更好的解決方案:在未來,我們或許可以在手機上下載一個APP,開個攝像頭讓機器醫(yī)生幫我們看一看,這是不是皮膚癌的早期癥狀。

斯坦福大學(xué)一個聯(lián)合研究團隊開發(fā)出了一個皮膚癌診斷準(zhǔn)確率媲美人類醫(yī)生的人工智能,相關(guān)成果刊發(fā)為了1月底《自然》雜志的封面論文,題為《達到皮膚科醫(yī)生水平的皮膚癌篩查深度神經(jīng)網(wǎng)絡(luò)》(Dermatologist-level classification of skin cancer with deep neural networks)。他們通過深度學(xué)習(xí)的方法,用近13萬張痣、皮疹和其他皮膚病變的圖像訓(xùn)練機器識別其中的皮膚癌癥狀,在與21位皮膚科醫(yī)生的診斷結(jié)果進行對比后,他們發(fā)現(xiàn)這個深度神經(jīng)網(wǎng)絡(luò)的診斷準(zhǔn)確率與人類醫(yī)生不相上下,在91%以上。

深度學(xué)習(xí)為醫(yī)學(xué)添磚加瓦

在中國,皮膚癌并不是癌癥家族中特別矚目的成員,這是因為黃種人的皮膚癌發(fā)病率要低于白種人。但在美國,皮膚癌卻是最常見的癌癥之一。每年約有540萬美國人罹患皮膚癌。以黑色素瘤為例,如果在五年之內(nèi)的早期階段檢測并接受治療,生存率在97%左右;但在晚期階段,存活率會劇降到14%。因而,早期篩查對皮膚癌患者來說生死攸關(guān)。

一般情況下,來到醫(yī)院或診所后,醫(yī)生會基于視覺診斷進行臨床篩查,再對疑似病變部位依次進行皮膚鏡檢查、活體組織切片檢查和病理學(xué)診斷。

醫(yī)生使用皮膚鏡進行檢查。但由于各種各樣的原因,很多人并不會及時為皮膚上出現(xiàn)的一些細小癥狀而跑一趟醫(yī)院。因而,基于人工智能的家用便攜式皮膚癌診斷設(shè)備將大大提高早期皮膚癌的篩查覆蓋率,挽救更多人的生命。但是,癌癥診斷,差之毫厘,謬以千里,人工智能能夠勝任將黑色素瘤從普通的痣中篩選出來的任務(wù)?斯坦福大學(xué)這個聯(lián)合研究團隊的結(jié)論是:基于深度學(xué)習(xí)的機器醫(yī)生診斷準(zhǔn)確率十分驚人。

“我們意識到這是可行的,機器不僅能做,而且能做得和人類一樣好”,斯坦福人工智能實驗室助理教授Sebastian Thrun說道,“這時候我們的想法完全變了。我們說,‘瞧吧,這不僅僅是個學(xué)生作業(yè),這可能有益于全人類’?!?br/>
這種視覺處理算法基于時下大熱的深度學(xué)習(xí),即通過大量的數(shù)據(jù)作為示例來訓(xùn)練機器完成某些特定任務(wù)。近來深度學(xué)習(xí)不僅在視覺處理方面大放異彩,也在其他不同的領(lǐng)域碩果累累,譬如谷歌(微博)的圍棋AI阿爾法狗,就是在學(xué)習(xí)完3000萬張人類棋譜后擊敗世界圍棋冠軍李世石的。在機器學(xué)習(xí)過程中,開發(fā)者不再需要對解題方法進行編碼,而是任由計算機通過學(xué)習(xí)示例數(shù)據(jù)自己“摸索”出解法。具體到皮膚癌診斷這個案例中,就是研究者不再需要自己總結(jié)中皮膚癌在外觀上的一些規(guī)律性特征來教會計算機,而是由它自己總結(jié)其中的模式。

以谷歌一個區(qū)別貓狗的算法為藍本

研發(fā)者們沒有自己另起爐灶,而是以谷歌的一個能在128萬張圖像中識別1000種物體的算法為藍本進行加工。谷歌的這個算法原本是用來區(qū)分喵星人和汪星人的,現(xiàn)在,研究者們需要訓(xùn)練它區(qū)別良性脂溢性角化?。╞enign seborrheic keratosis)和角化細胞癌(keratinocyte carcinomas)、普通的痣和惡性黑色素瘤(malignant melanomas)。

但是,在數(shù)據(jù)方面,研究團隊面臨的第一個問題就是并不存在一個現(xiàn)成可用的龐大皮膚癌數(shù)據(jù)庫。所以,斯坦福人工智能實驗室從互聯(lián)網(wǎng)上收集數(shù)據(jù),與斯坦福醫(yī)學(xué)院進行合作,給這一大堆混亂的照片分類貼標(biāo)簽。這工作并不容易,畢竟,原始數(shù)據(jù)里的語言就有好幾種,光把這些翻譯統(tǒng)一就很耗時。

接著,聯(lián)合研究團隊再一起對這鍋大雜燴進行篩選。專業(yè)的皮膚科醫(yī)生會使用皮膚鏡,一種手持的顯微鏡,對相關(guān)部位的皮膚進行放大觀察,形成的醫(yī)學(xué)影像具有一些固定標(biāo)準(zhǔn)。但這里的大多數(shù)照片不是專業(yè)的醫(yī)學(xué)影像,角度、尺寸和亮度五花八門。最后,他們選出了129450張皮膚病變圖片,其中包含2032種不同的疾病。每張照片是作為一個帶有相關(guān)疾病標(biāo)簽的像素輸入進算法的。這樣,研發(fā)者省去了許多前期的圖像分組工作,大大提高了數(shù)據(jù)量。

 

圖片樣本:良性和惡性的上皮細胞/黑色素細胞/皮膚鏡下的黑色素細胞。經(jīng)過訓(xùn)練后,研究者們使用由愛丁堡大學(xué)和國際皮膚影像合作項目(International Skin Imaging Collaboration Project)提供的高質(zhì)量的、經(jīng)活檢證實的照片來檢測機器的學(xué)習(xí)成果,照片涉及兩種最常見、也最致命的皮膚癌:惡性黑色素瘤和角質(zhì)形成細胞癌。21位人類皮膚科醫(yī)生被要求觀察其中的370多張圖片,并對每一張作出判斷:是要進一步進行活檢或治療,還是告訴病人一個好消息。

在測試中,人工智能被要求完成三項診斷任務(wù):鑒別角化細胞癌、鑒別黑色素瘤,以及使用皮膚鏡圖像對黑色素瘤進行分類。研究者通過建構(gòu)敏感性(sensitivity)-特異性(specificity)曲線對算法的表現(xiàn)進行衡量。敏感性體現(xiàn)了算法正確識別惡性病變的能力,特異性體現(xiàn)了算法正確識別良性病變,即不誤診為癌癥的能力。在所有三項任務(wù)中,該人工智能表現(xiàn)與人類皮膚科醫(yī)生不相上下,敏感性達到91%。

 

算法診斷不同數(shù)量的角化細胞和黑色素細胞圖片時的敏感性,均在91%以上。除了媲美人類醫(yī)生的診斷敏感性之外,該算法還有一大亮點,它的敏感性是可以調(diào)節(jié)的。研究者可以依據(jù)想要的診斷效果對敏感性進行調(diào)整。

未來的掌上醫(yī)生

這個算法現(xiàn)在還需要依托一個計算機運行,但斯坦福的這個團隊會努力把它縮小到可以在手機上裝載的地步。他們覺得這種改裝還是挺容易的,只是還需要更多實打?qū)嵉呐R床檢驗。在不遠的未來,也許人們手指輕輕一點,就可以進行靠譜的皮膚癌診斷。

Thrun實驗室的研究生Esteva說道,“當(dāng)我想到智能手機強大的存在感后,我真是靈光一閃。未來每個人口袋里都會裝著一個超級計算機。如果我們用它來篩查皮膚癌,或者其他疾病呢?“

誠然,深度學(xué)習(xí)這塊土壤培植了太多可能性。斯坦福大學(xué)針對皮膚癌篩查的這個算法只是打開了通往新世界的一個小口子,在未來,基于深度學(xué)習(xí)的人工智能將在更廣闊的醫(yī)療領(lǐng)域內(nèi)與人類大夫們并肩作戰(zhàn)。

本站內(nèi)容除特別聲明的原創(chuàng)文章之外,轉(zhuǎn)載內(nèi)容只為傳遞更多信息,并不代表本網(wǎng)站贊同其觀點。轉(zhuǎn)載的所有的文章、圖片、音/視頻文件等資料的版權(quán)歸版權(quán)所有權(quán)人所有。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無法一一聯(lián)系確認版權(quán)者。如涉及作品內(nèi)容、版權(quán)和其它問題,請及時通過電子郵件或電話通知我們,以便迅速采取適當(dāng)措施,避免給雙方造成不必要的經(jīng)濟損失。聯(lián)系電話:010-82306118;郵箱:aet@chinaaet.com。