韓國的研究人員表明，對亞洲和白種人患者的照片進行訓練的AI可以幫助皮膚科醫(yī)生更準確地診斷兩個亞群中的許多皮膚疾病和失調。

實際上，該技術表明，它甚至可以幫助接受零醫(yī)學訓練的人們知道何時需要皮膚科醫(yī)生對可能的皮膚癌進行診治。

正如《研究皮膚病學雜志》（Journal of Investigative Dermatology）所報道的那樣，該團隊的卷積神經(jīng)網(wǎng)絡（CNN）為134種皮膚病學診斷確定，分類和推薦了治療方法，“其性能可與專家媲美”。

為了達到這一點，研究人員收集了220，000張174種皮膚狀況的照片以對其算法進行訓練，然后將其初始性能與21位經(jīng)驗豐富的皮膚科醫(yī)生，26位皮膚病學居民和23位普通公眾進行比較。

在該算法的首次面對面研究中，它證明了與居民一樣的能力，但不如經(jīng)驗豐富的皮膚科醫(yī)生那么精確。

但是，經(jīng)過最初的解釋后，所有參與者都獲得了算法的結果-并集體修改了呼叫，并獲得了巨大的成功：47位皮膚科專家和住院醫(yī)師的敏感性評分從77.4%提高到86.8%。23名外行人的敏感度得分從47.6%躍升至87.5%。

“在最初的結果基礎上，如果沒有轉介專家，普通市民會漏掉一半的惡性腫瘤，”作者在討論部分評論。

首爾國立大學首席研究人員Jung-Im Na，醫(yī)學博士在期刊出版商Elsevier發(fā)送的新聞稿中表示，CNN可能會為皮膚科醫(yī)生提供“增強的情報”。

Na補充說，這樣做，該工具將支持而不是替代醫(yī)生。

納說，此外，該算法與智能手機結合使用可以拍攝皮膚病變，“可以鼓勵公眾去看那些可能被忽視的黑色素瘤等癌癥病變的專家。”

Na提醒應謹慎使用該方法，因為質量不足或構圖不良的圖像可能會影響算法的準確性。

Na表示，如果該算法的性能可以在臨床環(huán)境中重現(xiàn)，“它將有望通過智能手機及早發(fā)現(xiàn)皮膚癌。” Na表示希望未來開展研究以評估CNN在臨床中的效用和性能設置。