Ann Oncol：重磅研究首次表明：AI 检测黑色素瘤，表现已优于人类专家！

近来，研究课题职员首次表明，深度深造差分数据分析（CNN）在测定乳癌总体的乏善可陈，从未至少了长处的眼科药剂师，这项研究课题的论文实践之前刊发在了前列腺癌期刊《Annals of Oncology》上。CNN 是一种人造数据分析，也是AI的一种范例。它建模了大脑之前的神经细胞相互连接，且对眼睛看到的事物产生反映的处理过程。CNN 并能较快深造它“看到”的缩放，并在这个深造处理过程之前对自身乏善可陈来进行修改，体现了机器深造的原理。▲差分数据分析（CNN）是AI的一种范例（图片举例：123RF）在这项研究课题之前，研究课题职员应用于了至少 10 万张黏膜癌缩放及检验结果对 CNN 来进行基础训练，提高 CNN 区分恶性和良性黏膜癌的潜能。这些缩放都是黏膜虹缩放，即放大倍数为 10 倍的黏膜病变缩放，其之前既最主要良性和恶性黏膜癌，也最主要黏膜额头的缩放。在完成基础训练后，研究课题职员应用于了 300 张新缩放，来对 CNN 比对前列腺癌的潜能来进行评核。在此同时，研究课题职员邀请了在世界上 17 个东欧国家的 58 位眼科领域专家，来根据黏膜虹缩放做单单相应检验。这一处理过程主要分作两个阶段：第一阶段时，药剂师们只能根据黏膜虹缩放，来辨识恶性乳癌或良性额头，并选择管控之前风的相关安全措施，最主要手术、短期随访和无需采取安全措施三个选项；在围墙后来进行的第二阶段，药剂师们将时会收到高血压的年龄、同性恋和病变肺脏等临床讯息，以及这些高血压的剪影缩放，并根据这些讯息再次做单单检验和早先安全措施决断。▲CNN 测定结果（红色曲线）与眼科领域专家测定结果总和（大型橙黄色带子）对比。可以看单单，当特异度（X 直线）值相同时，CNN 测定结果的敏感度（Y 直线）值明显较低眼科领域专家测定结果（图片举例：《Annals of Oncology》）研究课题整体而言，在第一阶段，眼科药剂师并能直观测定到最低 86.6% 的乳癌，同时也可以直观比对单单最低 71.3% 的非恶性病变。然而，当 CNN 比对良性额头的直观率达到同样的 71.3% 时，它测定单单乳癌的直观度竟高达 95%！在第二阶段，眼科药剂师的乏善可陈不太好，并能直观地检验单单 88.9% 的恶性乳癌和 75.7% 的非前列腺癌病变。▲该研究课题的第一编者，法国因斯布鲁克该大学黏膜病学系文职管理制度医师 Holger Haenssle 名誉教授（图片举例：因斯布鲁克该大学Twitter）“这些研究课题表明，深度深造差分数据分析在测定乳癌的处理过程之前，比长处的眼科领域专家乏善可陈还要好，”该研究课题的第一编者，法国因斯布鲁克该大学黏膜病学系文职管理制度医师 Holger Haenssle 名誉教授回应：“CNN 可以为了让药剂师来进行黏膜癌前列腺癌，从而决定是否只能对病变来进行前列腺。现今，大多数眼科医师从未开始应用于电子黏膜虹系统，将病变转化为缩放范例并来进行打印，从而方便来进行详细描述和早先随访文书工作。CNN 可以对打印的缩放来进行较快评核，以获取关于乳癌检验的讯息。现今我们悄悄计划案来进行前瞻性研究课题，用来评核 CNN 对药剂师和高血压的实际影响。”原始单单处：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.