基于机器学习的辅助人工智能模型,用于在资源有限的环境中对色素皮肤病变进行皮肤镜诊断

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 皮肤病学 皮肤病学

背景情况:

• 大数据和机器学习的进步正在提高医疗保健诊断,特别是在资源有限的地区.
• 免费,无代码的人工智能 (AI) 服务现在可供医疗保健专业人员使用.
• 这些工具旨在实现对复杂医疗技术的民主化.

研究的目的:

• 评估可访问的人工智能服务的潜力,以诊断有色素皮肤瘤.
• 评估AI在皮肤病变分类方面的准确性和可靠性.
• 通过没有人工智能专业知识的从业人员来证明使用人工智能用于诊断支持的可行性.

主要方法:

• 从病理确诊病例中收集了400张皮肤色素皮肤瘤的皮肤镜像 (每种类型100张).
• 在谷歌云平台 (Vertex AI) 上利用监督学习,以 8:1:1 的培训,验证和测试数据分割.
• 使用混矩阵和精度回忆曲线评估模型性能.

主要成果:

• 人工智能模型的平均回忆率为86.3%,精度为87.3%,准确度为86.3%.
• 特定瘤的准确性包括80%的恶性黑色素瘤和100%的基底细胞癌和红斑性角质瘤.
• 在单独的病例中进行测试,总体准确率约为70%.

结论:

• 人工智能模型在诊断色素皮肤病变方面提供了可靠的帮助,即使对于没有人工智能专业知识的用户来说也是如此.
• 免费的AI工具可以准确地分类这些病变,提供高精度的诊断支持.
• 这项技术有可能显著帮助缺乏专业皮肤科医生的医疗机构.