检测黑色素瘤及其他皮肤疾病的速度和准确性通过新的人工智能工具得到提升。这项由莫纳什大学主导、昆士兰大学教授H. Peter Soyer和Monika Janda参与开发的AI工具，能够同时分析多种成像类型，帮助皮肤科医生在读者研究中提升11%的皮肤癌诊断准确率。
PanDerm技术解析
该系统可分析包括特写照片、皮肤镜图像、病理切片和全身照片在内的多种图像类型。系列评估显示，非专科医疗人员使用该工具后，对其他皮肤疾病的诊断准确率提升了16.5%。该工具还能协助临床医生早期发现皮肤癌，在病变尚未被肉眼察觉时识别潜在异常变化。
H. Peter Soyer教授指出："该工具在资源有限或门诊量大的环境中尤其有价值。其优势在于适应现有临床流程，且在仅用少量标注数据训练时仍表现优异——这在标准注释数据稀缺的医疗场景中是重要优势。"
全球化研究背景
训练数据来自11个国家机构的超过200万张皮肤图像。论文第一作者莫纳什大学博士生Siyuan Yan表示："通过多模态方法整合不同成像技术的数据，我们构建了能像皮肤科医生般理解皮肤状况的系统。"
维多利亚黑色素瘤服务中心主任Victoria Mar教授补充："PanDerm可帮助检测病变随时间的细微变化，提供生物学特征和转移潜力的预测线索，这对高风险患者的早期诊断和持续监测具有重要意义。"
临床应用前景
该工具已通过皮肤癌筛查、癌变复发概率预测、皮肤类型评估、痣计数追踪、病变分割等多项临床任务验证。尽管取得突破性成果，目前仍处于评估阶段，研究团队计划建立跨人群评估标准，并重点验证其在不同患者群体和医疗环境中的表现公平性。
国际合作团队包括布里斯班亚历山大公主医院、阿尔弗雷德健康、维也纳医科大学、NVIDIA新加坡人工智能技术中心、佛罗伦萨大学、皇家王子阿尔弗雷德医院、新南威尔士健康病理中心及西班牙阿利坎特大学综合医院等机构的研究人员和临床医生。相关研究成果已发表于《自然医学》杂志。
【全文结束】
