Ann Oncol：重磅研究首次表明：AI 检测皮肤癌，表现已优于人类研究专家！

近日，学术研究医护人员首次表明，深研修DFT人工神经网络（CNN）在监测癌症方面的观感，仍未多达了经验丰富的护理医护人员心理医生，这项学术研究的研究更进一步更进一步发表在了白血病期刊《Annals of Oncology》上。CNN 是一种人造人工神经网络，也是计算机科学的一种表现形式。它模拟了大脑中所的神经细胞相联，且对鼻子看得见的事物显现出突显的处理过程。CNN 并能短时间研修它“看得见”的图片，并在这个研修处理过程中所对自身观感来进行改进，体现了机器研修的理论。▲DFT人工神经网络（CNN）是计算机科学的一种表现形式（图片来源：123RF）在这项学术研究中所，学术研究医护人员常用了多达 10 万张表皮癌图片及检验结果对 CNN 来进行训练，提高 CNN 界定恶性和良性表皮癌的技能。这些图片都是表皮镜面图片，即翻转平方根为 10 倍的表皮原发性图片，其中所既除此以外良性和恶性表皮癌，也除此以外表皮上后背的图片。在收尾训练后，学术研究医护人员常用了 300 王杰图片，来对 CNN 辨认白血病的技能来进行风险评估。在此同时，学术研究医护人员邀请了全球 17 个国家的 58 位护理医护人员医学专家，来根据表皮镜面图片这两项附加检验。这一处理过程主要分为两个阶段：第一阶段时，心理医生们能够根据表皮镜面图片，来分辨恶性癌症或良性后背，并选择控制病情的相关措施，除此以外移植手术、短期随访和无需在短期内三个选项；在四周后来进行的第二阶段，心理医生们将但会收到病征的年龄、性别和原发性口部等检验讯息，以及这些病征的特写图片，并根据这些讯息再次这两项检验和在此之后措施决策。▲CNN 监测结果（红色曲线）与护理医护人员医学专家监测结果多达值（大型墨绿色白点）对比。可以显现出，当特异度（X 中所轴）参数相同时，CNN 监测结果的准确度（Y 中所轴）参数微小高于护理医护人员医学专家监测结果（图片来源：《Annals of Oncology》）学术研究%-，在第一阶段，护理医护人员心理医生并能正确监测到多达 86.6% 的癌症，同时也可以正确辨认出多达 71.3% 的非恶性原发性。然而，当 CNN 辨认良性后背的正确率达到或多或少的 71.3% 时，它监测出癌症的正确度竟高达 95%！在第二阶段，护理医护人员心理医生的观感有所改善，并能正确地检验出 88.9% 的恶性癌症和 75.7% 的非白血病原发性。▲该学术研究的第一笔记，瑞士哥廷根所大学表皮病学；也高级管理制度医师 Holger Haenssle 研究员（图片来源：哥廷根所大学官网）“这些学术研究结果表明，深研修DFT人工神经网络在监测癌症的处理过程中所，比经验丰富的护理医护人员医学专家观感还要好，”该学术研究的第一笔记，瑞士哥廷根所大学表皮病学；也高级管理制度医师 Holger Haenssle 研究员回应：“CNN 可以鼓励心理医生来进行表皮癌检验研究，从而不得不应该能够对原发性来进行切片。迄今，大多数护理医护人员医师仍未开始常用电子表皮镜面；也统，将原发性转化为图片表现形式并来进行存储，从而便捷来进行就有和在此之后随访工作。CNN 可以对存储的图片来进行短时间风险评估，以给予关于癌症检验的讯息。迄今我们正在计划来进行基础性学术研究，用来风险评估 CNN 对心理医生和病征的也就是说影响。”原始出处：H A Haenssle C Fink R Schneiderbauer F Toberer， et al. Man against machine： diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. Annals of Oncology， mdy166， https：//doi.org/10.1093/annonc/mdy166.