基于智能手机的人工智能应用程序的准确性用于黑色素瘤,黑色素细胞瘤和皮角质瘤的分类
Jokubas Liutkus1,2, Arturas Kriukas1,2, Dominyka Stragyte1,2
1Department of Skin and Venereal Diseases, Lithuanian University of Health Sciences, 44307 Kaunas, Lithuania.
Diagnostics (Basel, Switzerland)
|July 14, 2023
概括
一个智能手机人工智能模型准确地分类黑色素瘤和黑色素细胞,与皮肤科医生的技能相匹配. 需要进一步的数据来改进这种人工智能工具的斑块性角质炎检测.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 黑色素瘤检测的准确性对于患者的治疗结果至关重要.
- 人工智能 (AI) 在分类皮肤病变方面表现有前途.
- 基于智能手机的工具为可访问的皮肤病学评估提供了潜力.
研究的目的:
- 评估基于智能手机的"你只看一次" (YOLO) 神经网络,用于分类黑色素瘤,黑色素细胞瘤和脂质角质瘤.
- 将AI模型的诊断准确性与经验丰富和初学者皮肤科医生进行比较.
主要方法:
- 在59,090张皮肤镜像上训练YOLO神经网络.
- 在98个经组织学证实的皮肤病变 (32种黑色素瘤,35种黑色素细胞瘤,33种脂质角质瘤) 上测试该模型.
- 将AI性能与两位熟练皮肤科医生和五位初学者皮肤科医生进行比较.
主要成果:
- 人工智能模型在黑色素瘤分类方面实现了高灵敏度 (0.88) 和特异性 (0.87),超过了初学者皮肤科医生.
- 与皮肤科医生两组相比,该算法对黑色细胞瘤显示出更高的灵敏度 (0.77).
- 对于斑疹性角质瘤的敏感性较低 (0.52),表明需要改进.
结论:
- 基于智能手机的YOLO模型证明了黑色素瘤和黑色素细胞瘤分类的皮肤科医生级准确性.
- 进一步扩展数据集是必要的,以提高AI在检测斑块性角质瘤时的灵敏度.
- 由人工智能驱动的智能手机应用程序有可能改善早期皮肤癌检测.
