一种新的人工智能（AI）工具将使黑色素瘤及其他多种皮肤病的检测更快、更准确。这项工具由蒙纳士大学领导的国际研究团队开发，可以同时分析多种类型的图像。
该研究成果今日发表在《自然医学》杂志上，PanDerm是首批专门用于辅助现实世界皮肤病临床实践的AI模型之一，它可以分析包括特写照片、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，皮肤癌诊断的准确性提高了11%。该模型还帮助非皮肤科专业医护人员提高了对各种其他皮肤病的诊断准确性达16.5%。
此外，它还展示了早期检测皮肤癌的能力，在临床医生发现之前识别出可疑病灶。
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。
作为AI和计算机视觉专家，也是该研究的主要共同作者之一，蒙纳士大学信息技术学院的副教授Zongyuan Ge表示，现有的皮肤病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。
“之前的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实际环境中的实用性。”Ge副教授说。
“PanDerm是一种旨在与临床医生合作的工具，帮助他们解读复杂的成像数据，并更有信心地做出决策。”
与现有仅能执行单一任务的模型不同，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、诊断多种皮肤病以及分割病变。它始终表现出同类最佳的结果，通常只需正常所需标记数据的5-10%。
在临床环境中，PanDerm作为一种支持工具，可以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读视觉数据。
这种集成对于提高非专科医生的诊断准确性、检测随时间变化的细微病变以及评估患者风险水平特别有价值。
第一作者、蒙纳士大学工程学院的博士生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多样化数据上训练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进行分析。”Yan先生说。
“这比以前的单模态AI系统提供了更全面的皮肤疾病分析。”
目前，70%的全球人口受到皮肤病的影响，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、维多利亚州黑色素瘤服务中心主任Victoria Mar教授表示，PanDerm在帮助检测病变随时间变化的细微变化以及提供病变生物学和未来扩散风险线索方面显示出潜力。
“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，特别是在皮肤科医生资源有限的情况下，它可能特别有价值。”
维也纳医科大学皮肤科高级共同作者Harald Kittler教授表示，PanDerm展示了如何利用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。
“它能够在包括欧洲在内的各种实际环境中支持诊断，这是向全球范围内使皮肤病专业知识更加可及和一致迈出的一步。”Kittler教授说。
尽管研究结果令人鼓舞，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，以解决更广泛的皮肤病和临床变异问题。
(全文结束)
