人工智慧診斷皮膚癌 水準等同醫師 | 名家 | 三立新聞網 SETN.COM

人工智慧診斷皮膚癌 水準等同醫師

  • A-
  • A
  • A+
  • 本文為「名家專欄」授權文章及圖片,以上言論及圖片不代表本台立場
  • 按此投稿

文/郭庚儒/健康醫療網

美國每年約有540萬人確診為皮膚癌,而高致死率的黑色素瘤經常難以辦別;史丹福大學研究團隊,設計一套演算法運用人工智慧進行皮膚癌診斷,準確度等同於皮膚專科醫師,成果已發表於《自然》期刊。

20180313

75%皮膚癌患者 死於黑色素瘤

皮膚癌是世界最為常見的癌症之一,其中致死率最高的黑色素瘤(Melanomas),通常以痣或雀斑的形式出現在皮膚上,病灶常常難以區分良性或惡性,雖然僅占皮膚癌案例數中5%,但高達75%皮膚癌患者死於黑色素瘤。

十萬張皮膚病灶影像 檢驗人工智慧診斷能力

史丹福大學研究團隊,收集18個線上專業資料庫與史丹福大學醫學中心資料庫,共12萬7463張訓練與驗證用影像,以及1942張確診良性或惡性皮膚病灶影像,進行 47種皮膚疾病分類的照片訓練GoogleNet Inception V3人工神經網路,運用「卷積神經網路」(convolutional neural networks, CNN)電腦運算功能,檢驗人工智慧區分一般皮膚病灶或皮膚癌病變的能力。

人工智慧診斷準確度 高於皮膚專科醫師

結果顯示,第一次驗證結果,卷積神經網路準確度達72%,而皮膚專科醫師準確度分別為65.56%與66%;第二次驗證結果,卷積神經網路準確度達55.4%,而皮膚專科醫師則為53.5%與55%。最後判斷良性惡性、上皮來源或黑色素細胞來源方面,卷積神經網路的準確度皆高於皮膚專科醫師。

卷積神經網路準確分類 輔助皮膚科醫師診斷

研究者認為,卷積神經網路可以學習不同影像中的內部特性,並將細節準確分類,診斷皮膚病灶的能力與皮膚專科醫師相當;但人工智慧的診斷能力,仍需更進一步的研究釐清臨床上的應用,以及是否會有其他環境因子的影響,未來可望輔助皮膚專科醫師在困難的案例中進行診斷。

名詞解釋:

1.黑色素瘤(Melanomas)

為起源於黑色素細胞的腫瘤,在皮膚癌中較為罕見,但惡性度較高。白種人的發生率遠高於黃種人與黑人。在皮膚上的呈現多以不對稱、邊緣不圓、深淺不一、隆起或急劇變大的斑。

2.卷積神經網路(convolutional neural networks, CNN)

多用於處理大型圖像,是一種類神經網路的人工智慧,由卷積層和頂端的全連通層組成,同時也包括關聯權重和池化層(pooling layer)。這一結構使得卷積神經網絡能夠利用輸入數據的二維結構。與其他深度學習結構相比,卷積神經網絡在圖像和語音識別方面能夠給出更優的結果。(資料來自維基百科,百科內容以 CC BY-SA 3.0 授權)

參考資料、文獻來源:

1.翻譯人員:國立成功大學醫學院公共衛生研究所研究生曾子容

2.參考文獻:Esteva, A., Kuprel, B., Novoa, R.A., et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature.2017; 639: 115-118.

3.參考文獻:Waal, I. Skin cancer diagnosed using artificial intelligence on clinical images. Oral Dis. 2017. DOI: 10.1111/odi.12668

4.參考文獻:Burroni, M., Corona, R., Dell'Eva, G., et al. Melanoma computer-aided diagnosis: reliability and feasibility study. Clin Cancer Res. 2004; 10: 1881-6.

5.資料出處:科技部補助「新媒體科普傳播實作計畫」執行團隊、科技大觀園

6.《新媒體科普傳播實作計畫》(計畫編號MOST105-2515-S-006-008)補助產出

資料來源:健康醫療網 http://healthnews.com.tw

    追蹤三立新聞網 :
    大數據推薦
    每日精選
    讀者留言
    直播✦活動