今日，一篇關(guān)于皮膚癌診斷的文章發(fā)表在醫(yī)療期刊《腫瘤學(xué)年鑒》（Annals of Oncology）上，這篇出自醫(yī)療界高級(jí)管理醫(yī)師的研究首次表明：深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)（CNN）在檢測(cè)皮膚癌方面的表現(xiàn)優(yōu)于有經(jīng)驗(yàn)的皮膚科醫(yī)生。對(duì)比對(duì)象是來(lái)自 17 個(gè)國(guó)家的 58 位皮膚科醫(yī)生，其中包括 30 位專家。

這是人工智能又一次在醫(yī)療圖像識(shí)別上實(shí)現(xiàn)「超越人類」的水平。盡管如吳恩達(dá)這樣的著名機(jī)器學(xué)習(xí)學(xué)者領(lǐng)導(dǎo)的 AI 醫(yī)療影像研究也正在受到質(zhì)疑，但隨著技術(shù)的發(fā)展，越來(lái)越多基于人工智能的醫(yī)療成果正在出現(xiàn)，此類技術(shù)或許很快就可以幫助我們更好地應(yīng)對(duì)疾病。

研究人員首次表明，深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)（CNN）在檢測(cè)皮膚癌方面的表現(xiàn)優(yōu)于有經(jīng)驗(yàn)的皮膚科醫(yī)生。

今天發(fā)表在國(guó)際著名癌癥期刊《腫瘤學(xué)年鑒》（Annals of Oncology）上的一項(xiàng)研究中，德國(guó)、美國(guó)和法國(guó)的研究人員使用 10 萬(wàn)多幅惡性黑色素瘤（最致命的皮膚癌）和良性痣的圖像訓(xùn)練了一個(gè) CNN 來(lái)識(shí)別皮膚癌。他們將其診斷與 58 位國(guó)際皮膚科醫(yī)生的診斷進(jìn)行了比較，發(fā)現(xiàn) CNN 比皮膚科醫(yī)生漏診的黑色素瘤更少，誤診良性痣的幾率更低。

CNN 是一種人工神經(jīng)網(wǎng)絡(luò)，受到大腦中神經(jīng)細(xì)胞（神經(jīng)元）相互連接并對(duì)眼睛看到的東西做出反應(yīng)時(shí)的生物過(guò)程的啟發(fā)。CNN 能夠從它「看到」的圖像中快速學(xué)習(xí)，并根據(jù)所學(xué)知識(shí)自學(xué)來(lái)提高其性能（這一過(guò)程被稱為機(jī)器學(xué)習(xí)）。

這項(xiàng)研究的第一作者，德國(guó)海德堡大學(xué)皮膚科高級(jí)管理醫(yī)師 Holger Haenssle 教授解釋說(shuō)：「CNN 的工作原理就像一個(gè)孩子的大腦。為了訓(xùn)練它，我們向 CNN 展示了 10 萬(wàn)多幅惡性皮膚癌和良性痣的圖像，并標(biāo)出每幅圖像的診斷結(jié)果。我們僅用了皮膚鏡圖像，即以 10 倍放大倍率成像的病變圖像。CNN 通過(guò)學(xué)習(xí)每幅訓(xùn)練圖像提高了區(qū)分良性和惡性病變的能力。

「訓(xùn)練結(jié)束后，我們借用海德堡大學(xué)圖書館的數(shù)據(jù)創(chuàng)建了兩套從未用于訓(xùn)練的測(cè)試圖像，因此 CNN 對(duì)此一無(wú)所知。一組 300 幅圖像的數(shù)據(jù)集專門用來(lái)單獨(dú)測(cè)試 CNN 的性能。在此之前，我們選擇了 100 種最難判斷的病變來(lái)測(cè)試真正的皮膚科醫(yī)生，并與 CNN 的結(jié)果進(jìn)行比較。」

來(lái)自世界各地的皮膚科醫(yī)生受邀參加，17 個(gè)國(guó)家的 58 位專家同意參加會(huì)議。其中 17 人（29%）表示他們?cè)谄つw鏡檢查方面的經(jīng)驗(yàn)不足兩年，11 人（19%）表示他們擁有 2 至 5 年的經(jīng)驗(yàn)，30 人（52%）表示他們擁有 5 年以上的經(jīng)驗(yàn)。

開(kāi)始時(shí)，這些醫(yī)生被要求僅根據(jù)皮膚鏡圖像（I 級(jí)）診斷惡性黑色素瘤或良性痣，并決定如何處理該狀況（手術(shù)、短期隨訪或不需要采取行動(dòng)）。四周后，他們拿到了患者的臨床信息（包括年齡、性別和病變位置）和相同的 100 例特寫圖像（II 級(jí)），并被要求再次診斷并作出決定。

在 I 級(jí)中，皮膚科醫(yī)生準(zhǔn)確地檢測(cè)到平均 86.6% 的黑色素瘤，正確地識(shí)別出平均 71.3% 的非惡性病變。然而，當(dāng) CNN 與醫(yī)生水平持平，即正確識(shí)別出 71.3% 的良性痣時(shí)，它檢測(cè)到 95% 的黑色素瘤。在 II 級(jí)中，皮膚科醫(yī)生的表現(xiàn)有所提高，準(zhǔn)確診斷出了 88.9% 的惡性黑色素瘤和 75.7% 的非惡性病變。

「CNN 漏診的黑色素瘤更少，表明它比皮膚科醫(yī)生有更高的敏感度，并且它將良性痣誤診為惡性黑色素瘤的次數(shù)也更少，這意味著它的專業(yè)性更強(qiáng)；這將幫我們省去更多不必要的手術(shù)?！笻aenssle 教授說(shuō)。

「當(dāng)皮膚科醫(yī)生接收更多 II 級(jí)的臨床信息和圖像時(shí)，他們的診斷結(jié)果得到提升。然而，CNN 僅使用皮膚鏡圖像，并且沒(méi)有接收額外的臨床信息，仍然超越了醫(yī)生的診斷能力。」

專業(yè)的皮膚科醫(yī)生在 I 級(jí)中能超越經(jīng)驗(yàn)較少的皮膚科醫(yī)生，在檢測(cè)惡性黑色素瘤中表現(xiàn)得更好。然而，他們做出準(zhǔn)確診斷的平均水平在兩個(gè)等級(jí)中仍然低于 CNN。

「這些發(fā)現(xiàn)表明深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)在檢測(cè)黑色素瘤的任務(wù)中有能力超越皮膚科醫(yī)生，包括那些受過(guò)大量訓(xùn)練的專家?！顾f(shuō)。

惡性黑色素瘤的發(fā)病率越來(lái)越高，全世界每年估計(jì)有 232000 名新病例和大約 55500 名死亡病例。如果能在早期檢測(cè)出來(lái)是可以被治愈的，但很多病例僅在癌癥進(jìn)一步惡化和更難治療的時(shí)候才被診斷出來(lái)。

Haenssle 教授說(shuō)：「我曾經(jīng)參加一個(gè)研究項(xiàng)目將近 20 年，它旨在改善黑色素瘤在可治愈階段的早期檢測(cè)。我的團(tuán)隊(duì)和我聚焦于非侵入式技術(shù)，希望幫助醫(yī)生在執(zhí)行皮膚癌檢查時(shí)不漏診黑色素瘤。當(dāng)發(fā)現(xiàn)近期關(guān)于深度學(xué)習(xí)算法在特定任務(wù)上超越人類的報(bào)告時(shí)，我立刻意識(shí)到可以在診斷黑色素瘤上探索這些人工智能算法?！?/p>

研究者并沒(méi)有設(shè)想用 CNN 取代皮膚科醫(yī)生診斷皮膚癌，但可以將其作為一項(xiàng)額外輔助技術(shù)。

「這種 CNN 技術(shù)有望在皮膚癌檢查中輔助幫助醫(yī)生決定是否要做活檢病變。大多數(shù)皮膚科醫(yī)生已經(jīng)使用數(shù)字皮膚鏡系統(tǒng)來(lái)對(duì)病變進(jìn)行拍照、歸檔和跟進(jìn)。然后 CNN 可以輕易和快速地評(píng)估已保存的影像，得到黑色素瘤概率的『專家意見(jiàn)』。我們目前正計(jì)劃前瞻性研究來(lái)評(píng)估 CNN 對(duì)醫(yī)生和病患的現(xiàn)實(shí)影響。」

該研究有一定的局限性，包括：皮膚科醫(yī)生是在一個(gè)人工環(huán)境中，他們知道自己沒(méi)有作出「生死」攸關(guān)的決定；測(cè)試集沒(méi)有涵蓋所有類型的皮膚損傷；非白種人皮膚類型和遺傳背景的有效圖像較少；事實(shí)上，醫(yī)生可能不會(huì)一直遵循他們不信任的 CNN 的建議。

在隨后的社論 [4] 中，Victoria Mar 博士（澳大利亞墨爾本莫納什大學(xué)）和 H. Peter Soyer 教授（澳大利亞布里斯班昆士蘭大學(xué)）寫道：「目前，黑色素瘤的診斷準(zhǔn)確性取決于治療醫(yī)生的經(jīng)驗(yàn)和培訓(xùn)?！璈aenssle 等人……已經(jīng)表明使用卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)算法優(yōu)于所測(cè)試的 58 名皮膚科醫(yī)生中的大多數(shù)……這表明人工智能保證了更標(biāo)準(zhǔn)化的診斷準(zhǔn)確性水平，使得所有人，無(wú)論他們住在哪里或看哪個(gè)醫(yī)生，都能夠獲得可靠的診斷評(píng)估。」

他們強(qiáng)調(diào)了 AI 在成為臨床標(biāo)準(zhǔn)之前需要解決的一些問(wèn)題，包括在手指、腳趾和頭皮等部位的黑色素瘤難以成像，以及如何訓(xùn)練 AI 充分識(shí)別非典型和患者沒(méi)有發(fā)現(xiàn)的黑色素瘤。

他們的結(jié)論是：「目前，沒(méi)有什么技術(shù)可以替代徹底的臨床檢查。然而，2D 和 3D 全身攝影能夠捕獲大約 90%~95% 的皮膚表面。鑒于成像技術(shù)的指數(shù)發(fā)展，我們?cè)O(shè)想自動(dòng)診斷遲早將改變皮膚病學(xué)的診斷模式。但是，要將這一激動(dòng)人心的技術(shù)安全地應(yīng)用到常規(guī)臨床護(hù)理中，還有很多工作要做。」

論文：Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists

論文鏈接：https://academic.oup.com/annonc/advance-article/doi/10.1093/annonc/mdy166/5004443

摘要

背景

深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)（CNN）可能促進(jìn)黑色素瘤檢測(cè)，但是仍缺乏 CNN 與大量皮膚科醫(yī)生診斷表現(xiàn)的對(duì)比數(shù)據(jù)。

方法

研究者使用皮膚鏡圖像和對(duì)應(yīng)診斷結(jié)果訓(xùn)練谷歌的 Inception v4 CNN 架構(gòu)。在對(duì)比橫斷面研究中，研究者使用了包含 100 張圖像的測(cè)試集（I 級(jí)：只有皮膚鏡圖像；II 級(jí)：皮膚鏡圖像和臨床信息）。研究中主要的衡量指標(biāo)包括：敏感度、特異性和 CNN 對(duì)病灶進(jìn)行診斷分類（二分類）的 ROC 曲線下面積（AUC），以及 58 名國(guó)際皮膚科醫(yī)生。次要指標(biāo)包括皮膚科醫(yī)生管理決策的診斷效果，以及他們的不同診斷表現(xiàn)。此外，CNN 的表現(xiàn)還與 2016 生物醫(yī)學(xué)成像國(guó)際會(huì)議（ISBI）挑戰(zhàn)賽中的 top-five 算法進(jìn)行了對(duì)比。

結(jié)果

在 I 級(jí)診斷中，皮膚科醫(yī)生對(duì)病變分類的敏感性和特異性的平均得分（±標(biāo)準(zhǔn)差）分別為 86.6% (±9.3%) 和 71.3% (±11.2%)。獲得更多臨床信息后（level-II），得分分別提升到了 88.9% (±9.6%, P = 0.19) 和 75.7% (±11.7%, P < 0.05)。相比于皮膚科醫(yī)生在 I 級(jí)、 II 級(jí)的特異性與敏感性得分，CNN 的 ROC 曲線顯示出更好的特異性（82.5%）。CNN 的 ROC 曲線下面積要比皮膚科醫(yī)生的平均 ROC 面積（0.86 vs 0.79, P < 0.01）大。CNN 的得分接近 ISBI 2016 挑戰(zhàn)賽的 3 大頂級(jí)算法結(jié)果。

結(jié)論

我們首次對(duì) CNN 與國(guó)際皮膚科醫(yī)生團(tuán)隊(duì)（共 58 位，其中包括 30 位專家）的診斷表現(xiàn)進(jìn)行了對(duì)比。大部分皮膚科醫(yī)生的表現(xiàn)都不如 CNN。有了 CNN 圖像分類輔助，任何內(nèi)科醫(yī)生（無(wú)論經(jīng)驗(yàn)多么豐富）都有可能從中受益。