周二发表在《肿瘤学年报》上的一项研究表明，研究人员发现，人工智能(即CNN)比有经验的皮肤科医生更能检测皮肤癌。

根据一份新闻稿，CNN是一个人工神经网络，“受工作中的生物过程的启发，神经细胞(神经元)在大脑中相互连接，并对眼睛所看到的做出反应。”CNN是一个快速的学习者，能够在看到图像后自学，并根据所学知识提高其性能。这个过程被称为机器学习。

Holger Haenssle教授是德国海德堡大学皮肤科的研究和管理医师，他将CNN比作儿童的大脑，在新闻发布会上解释说，这项技术在每次训练中都得到了改进。

在这项研究中，研究人员通过向CNN展示超过10万张恶性黑素瘤的图片，并对其进行了训练。这些恶性黑素瘤是致命的皮肤癌，也是痣的良性肿瘤，并为每一种图像提供诊断。

来自德国、法国和美国的研究人员将CNN的表现与皮肤科医生的表现进行了比较，发现CNN出错率更低i，而不是皮肤科医生。皮肤科医生准确地检测到平均86.6%的黑色素瘤，并准确地检测到平均71.3%的痣。然而，CNN正确地识别了95%的黑色素瘤。

在随后的研究中，皮肤科医生得到了有关病人的临床资料，包括性别、年龄和病灶位置。他们准确诊断恶性黑色素瘤的成功率为88.9%，准确检测良性痣的成功率为75.7%。然而，即使没有这些背景信息，CNN仍然有更高的成功率。

“当皮肤科医生在II级获得更多临床资料和图像时，他们的诊断性能得到了提高。”尽管如此，CNN仍然只在没有附加临床信息的情况下工作，继续超越医生的诊断能力，”Haenssle在新闻发布会上说。“这些发现表明，学习的卷积神经网络能够超越皮肤科医生，包括广泛训练的专家，在检测黑色素瘤的任务中。”

根据皮肤癌基金会的资料，黑素瘤每年在美国的死亡人数约为10130人，而黑素瘤的发病率也在上升。

虽然Haenssle和他的团队不认为CNN会取代皮肤科医生在皮肤癌筛查中，但他们确实相信它可以作为额外的帮助。

Haenssle说:“CNN可能会为参与皮肤癌筛查的医生们提供帮助，帮助他们决定是否活检。”“大多数皮肤科医生已经使用数字皮肤镜系统对病变进行图像和存储，以便进行记录和随访。然后，CNN可以轻松快速地评估存储的图像，以获得关于黑素瘤概率的“专家意见”。