深度学习算法对皮肤癌的诊断不比合格的皮肤科医生还要糟糕

深度学习是一种教学算法的有前途的方法，它涉及许多领域（信息安全，研究结果分析，图像识别）。至于图像识别，这不仅与机器可以区分猫和狗的事实有关，例如Google 神经网络。不，类似的技术在医学尤其是肿瘤学中可能有用。

斯坦福大学的科学家创造了一个系统可以通过分析患者皮肤的照片进行诊断。最近的测试显示了令人印象深刻的结果：该算法与具有丰富经验和严格资格的皮肤科医生一样被准确诊断。为了比较该技术的功能，该项目的作者要求由专业皮肤科医生（通过诊断的验证）根据各个人的皮肤区域图像进行诊断，然后将相同的图像显示在机器上。

该研究的作者之一安德烈·埃斯特瓦（Andre Esteva）表示：“我们创建了一种非常强大的深度学习算法，可以使用数据进行学习。” “我们不用硬编码对这种系统进行编程，而是让它自己做决定。”

该算法称为“深度卷积神经网络”。其功能基于Google Brain。，这是一个旨在探索机器学习功能的Google项目。 Google Brain系统的计算能力使第三方开发人员可以创建各种机器学习项目。当科学家开始工作时，神经网络可以识别图像中超过128万个对象，分为数千种不同类别。但是研究人员有一个明确的目标-他们需要训练神经网络以正确识别癌症和脂溢性角化病，还需要教该系统根据人体皮肤受累部位的图像将这两种疾病区分开。

此外，计算机需要将这些元素与普通的老年斑，皮疹和皮肤结构的其他可能变化区分开。具有丰富知识和经验的医生几乎可以做到这一点。科学家们为自己设定了从神经网络“教育”这样一位专业人员的任务。



问题还在于专家没有足够大的样本用于训练系统的图像。因此，他们必须自己创建一个图像数据库。该研究的一位作者说：“我们从互联网上收集了照片，并请医生帮助我们对图像进行分类。”作者从国外站点拍摄了一些照片，因此有时根本无法理解描述中的内容，因为随附的文本为阿拉伯语，德语，拉丁语和其他语言。



为了研究患者皮肤区域的状况，皮肤科医生经常使用一种称为皮肤镜的医疗工具。它可以一定程度增加皮肤，使医生可以详细看到皮肤。该设备提供几乎相同的“图片”，因此世界上任何国家的皮肤科医生都可以理解使用此工具拍摄的皮肤区域照片。不幸的是，对于研究参与者而言，并非所有来自互联网的照片都是使用皮肤镜拍摄的。拍摄角度，照度，增加程度-所有这些都是不同的。

结果，科学家分析了130,000张图像，发现了大约2,000种不同类型的皮肤疾病。他们为图像库创建了数据集，然后“喂食”所有这些神经网络。每个图像均以单独的块（“像素”）呈现，并简要描述了疾病。然后对算法进行“询问”，以显示相同疾病的发展阶段，并事先确定了病灶扩大的模式。


该算法将原始图像数据库分解为不同类别的图像

一切准备就绪后，该项目的作者将使用该系统进行的诊断结果与由斯坦福医学院的两位皮肤科医生进行的已知患者皮肤疾病诊断结果进行了比较。为了测试该算法，科学家仅使用专业人员制作的高质量图像。该算法和医生的诊断准确性均为91％。

作者计划逐步发展自己的发展。特别是，研究人员希望创建一个应用程序，该应用程序可以直接处理患者自己下载的具有问题区域的皮肤区域的照片。根据研究人员的说法，这将简化许多患者的医疗服务。而且这里的智能手机是无价的。该项目的发起者之一说：“我的尤里卡的主要目的是当我意识到智能手机将无处不在的时候，”他描述了从构思到工作服务的实施过程。 “现在，任何人都拥有一台功能强大的计算机，其中包含许多传感器，包括摄像头。如果您可以用它为皮肤癌或其他类型的疾病拍照怎么办？”

无论如何，研究人员需要先完成更多测试，然后才能将技术最终确定下来，以最终确定算法。在这种情况下，了解机器如何对图像进行分类非常重要。

“对图像进行计算机辅助分类的可能性为皮肤科医生可以做出更准确的诊断提供了极大的帮助。斯坦福大学皮肤病学教授苏珊·斯维特（Susan Svetter）说，但将来，有必要确认算法的效率，必须在将这种方法引入医院之前完成这项工作。

Source: https://habr.com/ru/post/zh-CN400967/