圖片樣本：良性和惡性的上皮細(xì)胞/黑色素細(xì)胞/皮膚鏡下的黑色素細(xì)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(xiàng)目（International Skin Imaging Collaboration Project）提供的高質(zhì)量的、經(jīng)活檢證實(shí)的照片來檢測機(jī)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(xì)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(duì)每一張作出判斷：是要進(jìn)一步進(jìn)行活檢或治療，還是告訴病人一個(gè)好消息。
在測試中，人工智能被要求完成三項(xiàng)診斷任務(wù)：鑒別角化細(xì)胞癌、鑒別黑色素瘤，以及使用皮膚鏡圖像對(duì)黑色素瘤進(jìn)行分類。研究者通過建構(gòu)敏感性（sensitivity）-特異性(specificity)曲線對(duì)算法的表現(xiàn)進(jìn)行衡量。敏感性體現(xiàn)了算法正確識(shí)別惡性病變的能力，特異性體現(xiàn)了算法正確識(shí)別良性病變，即不誤診為癌癥的能力。在所有三項(xiàng)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(dá)到91%。
算法診斷不同數(shù)量的角化細(xì)胞和黑色素細(xì)胞圖片時(shí)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(diǎn)，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(duì)敏感性進(jìn)行調(diào)整。
未來的掌上醫(yī)生
這個(gè)算法現(xiàn)在還需要依托一個(gè)計(jì)算機(jī)運(yùn)行，但斯坦福的這個(gè)團(tuán)隊(duì)會(huì)努力把它縮小到可以在手機(jī)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(shí)打?qū)嵉呐R床檢驗(yàn)。在不遠(yuǎn)的未來，也許人們手指輕輕一點(diǎn)，就可以進(jìn)行靠譜的皮膚癌診斷。
Thrun實(shí)驗(yàn)室的研究生Esteva說道，“當(dāng)我想到智能手機(jī)強(qiáng)大的存在感后，我真是靈光一閃。未來每個(gè)人口袋里都會(huì)裝著一個(gè)超級(jí)計(jì)算機(jī)。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(duì)皮膚癌篩查的這個(gè)算法只是打開了通往新世界的一個(gè)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)。
責(zé)任編輯：虞涵棋
登陸|注冊(cè)歡迎登陸本站，認(rèn)識(shí)更多朋友，獲得更多精彩內(nèi)容推薦！