在皮肤镜检查中,计算机化了两步算法的第一步:用于区分黑色素细胞和非黑色素细胞皮肤病变的卷积神经网络
Julia K Winkler1, Katharina S Kommoss1, Anastasia S Vollmer1
1Department of Dermatology, University of Heidelberg, Heidelberg, Germany.
European journal of cancer (Oxford, England : 1990)
|September 1, 2024
概括
一个卷积神经网络 (CNN) 准确地区分了皮肤病变,超过了皮肤科医生. 这种人工智能工具在帮助皮肤癌诊断的临床决策方面表现有前途.
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:
- 卷积神经网络 (CNN) 在区分良性和恶性皮肤病变方面表现出与皮肤科医生相当的专业知识.
- 提高临床决策需要额外的诊断分类超出简单的差异化.
研究的目的:
- 为了评估CNN在分类黑色素细胞与非黑色素细胞皮肤病变方面的准确性.
- 为了比较CNN的诊断性能与不同经验水平的皮肤科医生小组.
主要方法:
- 一项横截面研究涉及96名皮肤科医生和二进制CNN分析了100种皮肤病变.
- 皮肤科医生通过单独使用皮肤镜 (I级) 或使用临床图像和文本 (II级) 审查病变.
- 美国有线电视新闻网对皮肤镜像进行了分类,以区分黑色素细胞和非黑色素细胞病变.
主要成果:
- CNN的准确率达到91.0%,超过了皮肤科医生的平均准确率87.8% (p < 0.001) 的II级信息.
- 美国有线电视新闻网 (CNN) 的曲线下面面积 (AUC) 为0.981,表明了高诊断能力.
- 专家皮肤科医生 (II级) 的表现与CNN相比,准确率为90.4%,而CNN的准确率为91.0% (p = 0.368).
结论:
- 美国有线电视新闻网有效地区分了黑色素细胞和非黑色素细胞皮肤病变,在这个任务中表现优于皮肤科医生.
- 美国有线电视新闻网 (CNN) 显示了作为临床医生的支持工具的潜力,可能与其他人工智能一起组合模型.
- 人工智能驱动的诊断工具可以增强皮肤学评估,改善患者管理.
