不久之後，人工智能或将能夠檢測皮膚癌變

斯坦福大學的研究人員編寫了一套機器學習算法，其能夠在識别可能緻命的皮膚疾病方面擁有與皮膚科醫生一樣的準确判斷能力。

我們不妨大膽試想一下，或許某天能通過掌上裝置利用人工智能方案獲得與皮膚科醫生相同的皮膚癌診斷效果。

這項研究來自斯坦福大學人工智能實驗室的一支團隊，他們開發出一套機器學習算法，旨在通過學習醫生觀察皮膚病變的方式了解如何進行癌症診斷。該團隊邀請21名認證皮膚科醫師對該算法進行了測試，并證明其診斷效果與人類一緻。

“我們意識到其具備可行性，且不僅僅隻是提供輔助效果，而是真正與人類皮膚科醫生擁有同等表現，”斯坦福大學人工智能實驗室副教授Sebastian Thrun在一份聲明中指出。“我們的想法已經徹底改變了。我們意識到，‘看，這不僅僅是一種實驗性項目，而是為人類造福的偉大機遇。’”

Thrun還曾經參與過Udacity與Google X的開發工作。由他與同僚聯合撰寫的一篇相關論文已經于本周三被發表在《自然》雜志之上。

研究人員們設想使該算法能夠與智能手機相相容，進而確定任何人都能夠獲得這種皮膚癌診斷能力。

“早期檢測可謂至關重要，因為黑色素瘤在早期發現條件下的五年存活率超過99%，而晚期發現的存活率則僅為約14%，”論文指出。“我們開發出一種計算方法，其允許醫生與患者主動追蹤皮膚病變并進行癌症早期檢測。”

該項人工智能研究屬于一套卷積神經網絡，與谷歌用于學習圍棋技藝的系統屬于同一類别。

研究人員使用了谷歌推出的一套人工智能系統，即已經被用于對多種不同對象進行視覺識别的GoogleNet Inception v3 CNN架構。不過在此之前，其并未接受過對惡性癌症及良性皮膚病變間的差異進行識别的訓練，是以該團隊彙總出一套資料集以将這套神經網絡轉化為數字化皮膚科醫師。

“由于缺少龐大的皮膚癌資料集，我們隻能自己動手建立資料集以訓練相關算法，”本文聯合主筆作者兼斯坦福大學研究所學生Brett Kuprel表示。“我們從網際網路處收集圖像，并與醫學院合作以在極為混亂的資料當中建立出一套準确的分類——标簽隻包含幾種語言，包括德語、阿拉伯語以及拉丁語。”

在此項目中，程式設計人員同皮膚科醫師及其他衆多醫療領域從業者開展緊密合作。

“計算機輔助分類在良性與惡性皮膚病變領域的進展能夠極大提升皮膚科醫師對于病變的診斷結果，同時為患者提供更好的治療選項，”皮膚病學教授兼論文合著者Susan Swetter表示。“然而我們還需要對該算法進行嚴格的前瞻性驗證，而後才能将其引入臨床實踐當中。”

去年，谷歌公司宣布其訓練了一套算法以發現由糖尿病引發且可能導緻失明的視網膜病變。幸運的是，雖然目前此類形式的人工智能“醫師助手”尚未被正式引入醫院及診所，但基于同樣技術的人工智能圍棋棋手已經通過比賽證明了其強大的能力。

原文出處：科技行者

轉載請與作者聯系，同時請務必标明文章原始出處和原文連結及本聲明。