一种新的人工智能（AI）工具可以更快、更准确地检测黑色素瘤和其他多种皮肤病。该工具由莫纳什大学领导的国际研究团队开发，能够同时分析多种类型的图像。
今天发表在《自然医学》杂志上的PanDerm是首批专门为辅助现实世界皮肤病医疗实践而设计的AI模型之一，能够分析包括特写照片、皮肤镜图像、病理切片和全身照片在内的多种类型图像。
一系列评估显示，当医生使用PanDerm时，皮肤癌诊断准确性提高了11%。该模型还帮助非皮肤科医疗专业人员将其他各种皮肤病的诊断准确性提高了16.5%。
它还能够早期发现皮肤癌，在临床医生发现之前识别出令人担忧的病变。
PanDerm是在超过两百万张皮肤图像上训练而成的，数据来自多个国家的11个机构，涵盖了四种类型的医学图像。
AI和计算机视觉专家、该研究的主要共同作者之一、莫纳什大学信息技术学院副教授Zongyuan Ge表示，现有的用于皮肤病学的AI模型仍然局限于孤立的任务，例如从皮肤镜图像中诊断皮肤癌；这些图像是通过皮肤镜工具拍摄的放大皮肤图像。
“以前的AI模型难以整合和处理各种数据类型和成像方法，这降低了它们在不同现实环境中的实用性，”Ge副教授说。
“PanDerm是一种旨在与临床医生合作的工具，帮助他们解释复杂的成像数据，并更有信心地做出决策。”
与现有模型仅训练执行单一任务不同，PanDerm在广泛的临床任务上进行了评估，如皮肤癌筛查、预测癌症复发或扩散的可能性、皮肤类型评估、痣计数、跟踪病变变化、诊断各种皮肤病以及分割病变。
它始终提供了同类最佳的结果，通常只需要正常所需标记数据的5-10%。
在临床环境中，PanDerm作为支持工具，分析医生日常使用的各种皮肤图像。系统处理这些图像并提供诊断概率评估，帮助临床医生更自信地解释视觉数据。
这种集成对于提高非专科医生的诊断准确性尤其有价值，能够检测随时间变化的细微病变，并评估患者的危险水平。
第一作者、莫纳什大学工程学院博士生Siyuan Yan表示，多模态方法是该系统成功的关键。
“通过在不同成像技术的数据上训练PanDerm，我们创建了一个能够像皮肤科医生一样理解皮肤状况的系统；通过综合来自各种视觉来源的信息，”Yan先生说。
“这比以前的单模态AI系统提供了更全面的皮肤病分析。”
目前，皮肤疾病影响了全球70%的人口，早期检测至关重要，可以带来更好的治疗效果。
论文的主要共同作者之一、阿尔弗雷德健康维多利亚黑色素瘤服务主任Victoria Mar教授表示，PanDerm在帮助检测随时间变化的细微病变方面显示出潜力，并能提供有关病变生物学和未来扩散风险的线索。
“这种辅助可以帮助早期诊断并对有黑色素瘤风险的患者进行更一致的监测，”Mar教授说。
“在医院或诊所环境中，医生使用多种方式和不同类型的图像来诊断皮肤癌或其他皮肤状况。”
昆士兰大学皮肤病学研究中心主任、该研究的主要共同作者之一H. Peter Soyer教授表示，由于城市、地区和农村医疗空间资源的不同，成像和诊断技术也可能有所不同。
“PanDerm的优势在于其能够支持现有的临床工作流程，”Soyer教授说。
“在繁忙或资源有限的环境中，或者在初级保健中，这种工具特别有价值，因为那里可能缺乏皮肤科医生。”
维也纳医科大学皮肤病学系高级共同作者Harald Kittler教授表示，PanDerm展示了如何通过全球合作和多样化的临床数据来构建不仅技术强大而且在不同医疗系统中具有临床相关性的AI工具。
“它在包括欧洲在内的各种现实环境中支持诊断的能力，是使皮肤病学专业知识在全球范围内更易于获取和一致的重要一步，”Kittler教授说。
尽管研究结果很有希望，但PanDerm目前仍处于评估阶段，尚未广泛应用于医疗保健。
展望未来，研究人员计划开发更全面的评估框架，以涵盖更广泛的皮肤病和临床变体。
该研究由莫纳什大学信息技术学院的AIM for Health实验室的AI和机器学习专家领导，与阿尔弗雷德健康中心、昆士兰大学、维也纳医科大学、新加坡NVIDIA AI技术中心、布里斯班亚历山德拉公主医院、佛罗伦萨大学、皇家普林斯阿尔弗雷德医院、新南威尔士州卫生病理学和西班牙阿利坎特大学总医院的研究人员和临床医生合作完成。
(全文结束)
