2020年3月31日-韩国研究人员开发出了一种基于深度学习的人工智能(AI)算法。这种算法可以准确地对皮肤病进行分类，预测恶性肿瘤，建议主要的治疗方案，并作为临床医生提高诊断准确性的辅助工具。借助该系统，大大提高了皮肤科医生和大众的诊断准确率。这项新研究发表在《皮肤病学研究杂志》上。

皮肤病很常见，但要迅速去看皮肤科医生或区分恶性肿瘤和良性疾病并不总是那么容易。“最近，人工智能在医学上的应用取得了显著进展。对于特定的问题，例如区分黑色素瘤和痣，人工智能已经显示出与人类皮肤科医生相当的结果。然而，要使这些系统在实践中有用，它们的性能需要在类似于实际操作的环境中进行测试，这不仅需要将恶性病变与良性病变进行分类，还需要将皮肤癌与许多其他皮肤病(包括炎症和传染病)区分开来，”韩国首尔国立大学皮肤科博士、首席医学研究员Jung-Im Na解释道。

研究人员开发了一种人工智能系统，通过使用一种特殊的人工智能算法“卷积神经网络”，可以预测恶性肿瘤，建议治疗方案，并对皮肤病进行分类。研究人员收集了22万张患有174种皮肤病的亚洲人和高加索人的图像，并训练神经网络来解释这些图像。他们发现，该算法可以诊断134种皮肤病，提出主要的治疗方案，将疾病分为多个类别，并通过增强智能来提高医疗专业人员的表现。大多数以前的研究局限于特定的二元任务，如区分黑色素瘤和痣。

首先，将该算法的性能与21名皮肤科医生、26名皮肤科医生和23名普通公众进行比较。其性能与皮肤科住院医师相似，但略低于皮肤科医师。初试结束后，测试参与者会被告知算法结果，然后修改答案。47名临床医生恶性诊断的敏感性从77.4%提高到86.8%。同样，恶性肿瘤的诊断灵敏度由23个普通人的47.6%显著提高到87.5%。值得注意的是，根据初步结果，如果没有专家的转诊，普通公众将会错过一半的恶性肿瘤。

Na博士说，“我们的结果表明，我们的算法可以作为一种工具来增强智能，增强医学专家诊断皮肤科的能力。”“我们期待人工智能取代人类，支持人类成为增强智能，从而让诊断更快更准。”

研究人员警告说，即使提出的问题很简单，人工智能也无法最终解释未经训练的图像。例如，仅被训练来区分黑色素瘤和痣的算法无法从黑色素瘤或痣的图像中区分指甲血肿。如果血肿形状不规则，算法可能会诊断为黑色素瘤。他们还指出，该算法是使用高质量的图像进行训练和测试的，如果输入图像的质量较低，其性能通常会很差。

此外，与临床环境中的诊断相比，仅使用具有最佳构图的一个图像的诊断可能具有固有的局限性。实际上，皮肤病学诊断是基于各种信息来源，包括既往病史、症状、与患者其他病变相比的外观以及通过身体接触评估的病变结构。