黑素瘤的厚度对于算法和皮肤科医生来说同样难以判断
无论是由经验丰富的皮肤科医生还是训练有素的机器学习算法来评估黑色素瘤的厚度都是困难的。哥德堡大学的一项研究表明，在解释皮肤镜图像时，算法和皮肤科医生的成功率相同。
在诊断黑素瘤，皮肤科医生评估它是否是一种侵袭性形式(“侵袭性黑色素瘤”)癌症细胞黑色素瘤会向下生长到真皮层，并有扩散到身体其他部位的风险，或者是一种较温和的形式(“原位黑色素瘤”，MIS)，只在皮肤外层，也就是表皮上发展。侵入性黑素瘤的生长深度超过一毫米进入皮肤被认为是厚的，因此，更具有侵略性。
厚度的重要性
黑素瘤是通过一种装有强光的放大镜的皮肤镜来评估的。诊断黑色素瘤通常相对简单，但估计其厚度则是一个更大的挑战。
哥德堡大学Sahlgrenska学院皮肤病学和性病学副教授Sam Polesie说:“除了提供有价值的预后信息外，厚度可能会影响第一次手术切缘的选择以及需要多快进行手术。”Polesie也是皮肤科医生萨尔格伦斯卡大学医院的主任，也是这项研究的第一作者。
人与机器之间的纽带
通过一个网络平台，438名国际皮肤科医生评估了近1500张用皮肤病镜拍摄的黑色素瘤图像。然后将皮肤科医生的结果与来自其他医院的结果进行比较机器学习算法训练过黑色素瘤深度分类。
在皮肤科医生中，MIS的正确分类的总体准确率为63%，侵入性黑素瘤的准确率为71%。
“有趣的是，皮肤镜的专业背景和经验与预测黑色素瘤厚度的诊断准确性无关。曲线下的面积是一个从0到1的性能测量值，预训练的机器学习算法的面积为0.83，单个阅读器的联合AUC为0.85。总的来说，皮肤科医生的评估与皮肤科医生的评估相当算法受过区分MIS和侵袭性黑素瘤的训练。”
难以评估
人工智能(AI)正在医疗保健领域取得重大飞跃。这项技术，特别是，预计能够开发作为支持医学成像这是为那些评估和解释图像的医生准备的，比如x光片、视网膜和皮肤变化的图片。该技术也适用于图像识别以外的领域。
“我们的研究强调了基于皮肤镜图像正确评估黑色素瘤厚度的困难，”Polesie补充道。
“在未来的研究中，我们的目标是探索预定义的皮肤镜结构在区分方面的有用性。我们还想测试在这种情况下，是否可以通过机器学习算法来改善临床决策。”
研究结果发表在欧洲皮肤病和性病学会杂志．
进一步探索
