图片样本：良性和恶性的上皮细胞/黑色素细胞/皮肤镜下的黑色素细胞。
经过训练后，研究者们使用由爱丁堡大学和国际皮肤影像合作项目（International Skin Imaging Collaboration Project）提供的高质量的、经活检证实的照片来检测机器的学习成果，照片涉及两种最常见、也最致命的皮肤癌：恶性黑色素瘤和角质形成细胞癌。21位人类皮肤科医生被要求观察其中的370多张图片，并对每一张作出判断：是要进一步进行活检或治疗，还是告诉病人一个好消息。
在测试中，人工智能被要求完成三项诊断任务：鉴别角化细胞癌、鉴别黑色素瘤，以及使用皮肤镜图像对黑色素瘤进行分类。研究者通过建构敏感性（sensitivity）-特异性(specificity)曲线对算法的表现进行衡量。敏感性体现了算法正确识别恶性病变的能力，特异性体现了算法正确识别良性病变，即不误诊为癌症的能力。在所有三项任务中，该人工智能表现与人类皮肤科医生不相上下，敏感性达到91%。
算法诊断不同数量的角化细胞和黑色素细胞图片时的敏感性，均在91%以上。
除了媲美人类医生的诊断敏感性之外，该算法还有一大亮点，它的敏感性是可以调节的。研究者可以依据想要的诊断效果对敏感性进行调整。
未来的掌上医生
这个算法现在还需要依托一个计算机运行，但斯坦福的这个团队会努力把它缩小到可以在手机上装载的地步。他们觉得这种改装还是挺容易的，只是还需要更多实打实的临床检验。在不远的未来，也许人们手指轻轻一点，就可以进行靠谱的皮肤癌诊断。
Thrun实验室的研究生Esteva说道，“当我想到智能手机强大的存在感后，我真是灵光一闪。未来每个人口袋里都会装着一个超级计算机。如果我们用它来筛查皮肤癌，或者其他疾病呢？“
诚然，深度学习这块土壤培植了太多可能性。斯坦福大学针对皮肤癌筛查的这个算法只是打开了通往新世界的一个小口子，在未来，基于深度学习的人工智能将在更广阔的医疗领域内与人类大夫们并肩作战。
责任编辑：虞涵棋
登陆|注册欢迎登陆本站，认识更多朋友，获得更多精彩内容推荐！