最近的一项研究表明，基于AI的网络在分析皮肤癌病变方面的表现优于几位皮肤科医生，这表明该技术可能对医生有用，不管他们的经验如何。

“我们的数据清楚地表明，无论他们的经验和培训水平如何，CNN(卷积神经网络)算法可能都是帮助医生进行黑素瘤检测的合适工具，”研究作者Holger A. Haenssle，MD，该系教授德国海德堡大学皮肤病学等。写道。

该研究最近发表在《肿瘤学年鉴》上。

在这项研究中，研究人员根据100个图像的测试集，对深度学习的CNN进行了培训并测试了其如何能够很好地诊断出黑色素瘤或良性痣。然后，他们将CNN的表现与58位皮肤科医生进行了比较，其中包括来自17个不同国家的30位专家。

仅分析皮肤镜(皮肤病变)图像时，CNN“明显优于”皮肤科医生。当使用皮肤科医生的平均敏感性为86.9%时，CNN的特异性较高，为82.5%，而皮肤科医生的特异性为71.3%。

研究人员称，在将现实生活中的临床信息添加到诊断中之后，皮肤科医生的表现更好，但仍然比CNN表现要好。当使用皮肤科医生的平均敏感性提高到88.9%时，CNN的特异性为82.5%，而他们的报告为75.7%。

作者总结说：“总而言之，我们的研究结果表明，受过充分训练的深度学习CNN能够对黑素细胞来源的皮肤镜图像进行高度准确的诊断分类。”“结合读者研究(水平)的结果，我们可以证明CNN的诊断性能优于大多数但并非所有皮肤科医生。”

根据研究结果，研究人员建议医生“接受CNN图像分类的协助可能会带来各种不同程度的培训和经验”。