为医生提供AI驱动的皮肤癌的开端

通过一种新的AI驱动工具，通过由Monash University领导的国际研究人员开发的新型AI驱动工具，对黑色素瘤和其他皮肤疾病的检测将更快，更准确。

在文章中出现出版在自然医学，Panderm是第一个专门用于通过分析多种类型的图像（包括特写照片，皮肤镜图像，病理学幻灯片和全身照片）来帮助实现真实皮肤病学医学实践的AI模型之一。

一系列评估显示了Panderm的改善皮肤癌医生使用时诊断准确性11％。该模型有助于非多功能医生的医疗保健专业人员提高其他各种皮肤状况的诊断准确性，提高了16.5％。

它还显示了早期检测皮肤癌的能力，在临床医生发现之前鉴定了有关病变的能力。

该模型的数据受到了200万多个皮肤图像的培训，该数据来自多个国家 /地区的11个机构。

AI和计算机视觉专家以及该研究的主要合着者之一，莫纳什大学信息技术学院的Zongyuan GE副教授说，现有的皮肤病学模型仍然限于孤立的任务，例如从皮肤镜面图像诊断皮肤癌；使用皮肤镜工具捕获的皮肤的放大图像。

GE副教授说：“以前的AI模型一直在努力整合和处理各种数据类型和成像方法，从而降低了对不同现实世界中医生的有用性。”

“ Panderm是一种旨在与临床医生一起工作的工具，帮助他们解释复杂的成像数据并更加自信地做出明智的决定。”

与经过训练执行一项任务的现有模型不同，Panderm在多种临床任务上进行了评估，例如皮肤癌筛查，预测癌症返回或扩散的机会，皮肤类型评估，摩尔计数，跟踪病变变化，诊断多种皮肤状况以及细分病变。

它始终如一地提供一流的结果，通常只有5％的标签数据通常所需的10％。

在临床环境中，Panderm是一种支持工具，可以分析医生通常使用的皮肤图像的光谱。该系统处理这些图像并提供诊断概率评估，帮助临床医生更加自信地解释视觉数据。

这种整合对于提高非专家的诊断准确性，检测随着时间的流逝而变化并评估患者风险水平特别有价值。

第一作者和博士学位莫纳什大学工程学院的学生Siyuan Yan说，多模式的方法是该系统成功的关键。

Yan先生说：“通过培训Panderm的不同成像技术的不同数据，我们创建了一个可以理解皮肤病学家的皮肤状况的系统；通过综合来自各种视觉来源的信息，我们。”

“与以前的单模式AI系统相比，这允许对皮肤疾病进行更多的整体分析。”

由于皮肤状况影响了70％的全球人口，早期发现至关重要，并且可能导致更好的治疗结果。

该论文的首席合着者，维多利亚黑色素瘤服务总监维多利亚·马尔（Victoria Mar）说，潘德姆（Panderm）表示有望帮助发现随着时间的推移发现病变的细微变化，并为病变生物学和未来传播风险提供线索。

Mar教授说：“这种帮助可以支持早期诊断，并对有黑色素瘤风险的患者进行更一致的监测。”

“在医院或诊所环境中，医生使用各种方式和不同类型的图像来诊断皮肤癌或其他皮肤状况。”

昆士兰州皮肤科研究中心主任，研究的主要合着者之一，彼得·索耶（H. Peter Soyer）教授说，由于城市，地区和农村保健空间中可用的不同资源，成像和诊断技术的差异也可能出现。

苏耶教授说：“潘德姆的力量在于它支持现有临床工作流程的能力。”

“它在繁忙或资源有限的设置中可能特别有价值，或者在可能有限的皮肤科医生的初级保健中。

“我们已经看到，即使仅对少量标记数据进行培训，该工具也能够执行强烈的执行，这是在标准注释数据通常受到限制的各种医疗环境中的关键优势。”

维也纳医科大学皮肤病学系的高级合着者Harald Kittler教授说，Panderm展示了如何使用全球合作和多样化的临床数据来构建AI工具，这些工具在技术上不仅在技术上很强，而且在不同的医疗保健系统中也具有临床相关性。

基特勒教授说：“它在包括在欧洲在内的各种现实环境中的诊断能力是使皮肤病学专业知识在全球范围内更容易获得和一致的一步。”

尽管显示出有希望的研究结果，但潘德姆目前处于更广泛的医疗保健实施之前的评估阶段。

展望未来，研究人员旨在开发更全面的评估框架，以解决更广泛的皮肤病学条件和临床变体。

该团队计划建立用于交叉人口统计学评估的标准化协议，并进一步研究该模型在各种现实世界中的临床环境中的表现，特别着眼于确保不同患者人群和医疗保健环境的公平绩效。