通过基于可解释的人工智能 (XAI) 的方法从面部图像中预测皮肤癌风险:一项概念验证研究

科学领域:

• 皮肤病学和人工智能研究
• 医学成像分析 医学成像分析
• 预测分析在医疗保健中的应用

背景情况:

• 有效地识别患皮肤癌高风险的个体对于个性化查和护理至关重要.
• 人工智能 (AI) 显示出使用图像数据进行预测分析的潜力.
• 用面部图像来预测皮肤癌风险的AI应用是一个尚未探索的领域.

研究的目的:

• 开发和评估一种基于神经网络的可解释人工智能 (XAI) 方法,用于使用二维面部图像进行皮肤癌风险预测.
• 将XAI方法的有效性与18个已确定的皮肤癌风险因素进行比较.

主要方法:

• 利用了来自鹿特丹人口研究 (2010-2018) 的数据,包括皮肤癌风险因素,2D面部图像和皮肤癌发生率.
• 通过使用开发的XAI方法对2D面部图像进行深度学习生存分析.
• 将XAI结果与基于传统风险因素的生存分析进行比较,使用Cox比例危险回归.

主要成果:

• 该研究包括2810名参与者,平均年龄为68.5岁,平均随访时间为5.0年.
• 228名参与者被诊断出患有皮肤癌.
• 与已知的风险因素 (c-index = 0.59) 相比,XAI方法实现了更高的预测准确性 (c-index = 0.72).

结论:

• 面部图像与定制的XAI方法相结合,显示出皮肤癌风险识别的高潜力.
• 这种方法为预测皮肤癌风险提供了一个易于使用的替代传统风险因素.
• 这些发现支持人工智能和面部成像用于个性化皮肤癌查策略的使用.