与皮肤科医生一样准确的算法

黑色素瘤
学分:Wikimedia Commons/National Cancer Institute

现在已经提出了一项研究,以提高在皮肤癌诊断中使用AI溶液的证据。哥德堡大学的科学家通过算法设计了自己的设计,与皮肤科医生在评估皮肤黑色素瘤的严重程度方面具有与皮肤科医生相同水平的技术。

该研究发表在美国皮肤科学会杂志,其结果是哥德堡大学Sahlgrenska学院皮肤病学和Venereology系的研究小组的工作。

该研究是在哥德堡的萨尔格伦斯卡大学医院进行的。它的目的是通过(ML),训练确定是否具有侵入性,存在它传播(转移)的风险,或者它是否仍处于局限于表皮的生长阶段,没有转移的风险。

该算法在937个黑色素瘤的皮肤镜图像上进行了训练和验证,随后对200例进行了测试。所有包括的病例均由皮肤病理学家诊断。

算法与皮肤科医生

大多数黑色素瘤是由患者而不是医生发现的。这表明,在大多数情况下,诊断相对容易。但是,在手术前,确定黑色素瘤已经达到的阶段通常要困难得多。

更准确的是,皮肤科医生使用皮肤镜 - 将放大镜和明亮照明的类型的插件结合在一起。近年来,对使用ML进行皮肤肿瘤分类的兴趣增加了,并且有几份出版物表明,ML算法可以与经验丰富的皮肤科医生相当甚至更好。

当前的研究现在正在进一步提高该领域的研究。当一样一方面是由算法进行的,另一方面是七位独立的皮肤科医生,结果是抽奖。

支持患者和医生

哥德堡大学研究员,萨赫尔格伦斯卡大学医院的专家医生萨姆·波雷西(Sam Polesie)说:“皮肤科医生都没有明显优于ML算法。”

以发达的形式,该算法可以作为评估手术前皮肤黑色素瘤严重程度的任务支持。分类会影响一个操作需要的广泛程度,因此对患者和外科医生都很重要。

Polesie总结说:“这项研究的结果很有趣,希望该算法可以将来用作临床决策支持。但是它需要进一步完善,并且前瞻性研究也需要随着时间的推移监测患者。”


进一步探索

PAS的诊断精度可能较低

更多信息:使用卷积神经网络歧视侵入性和原位黑色素瘤美国皮肤科学会杂志doi:doi.org/10.1016/j.jaad.2021.02.012

补充材料 - 使用卷积神经网络之间的侵入性和原位黑色素瘤之间的歧视,dx.doi.org/10.17632/y883xdgw86.1Expertsvar.se/en/pressmeddelan…y-as-dermatologists/

由...提供哥德堡大学
引用:与皮肤科医生(2021年2月12日)一起执行的算法,2021年6月4日从//www.pyrotek-europe.com/news/2021-02-algorithm-accurithm-accurithy-dermatologists.html
本文件受版权保护。除了出于私人研究或研究目的的任何公平交易之外,未经书面许可,不得复制任何部分。内容仅供参考。
3分享

对编辑的反馈

用户评论