人工智能提高了斯坦福医学主导研究中皮肤癌诊断的准确性

由斯坦福大学医学院的研究人员领导的一项新研究发现，由基于深度学习的人工智能驱动的计算机算法可以帮助医疗保健从业者更准确地诊断皮肤癌。即使是皮肤科医生也受益于人工智能指导，尽管他们的改善程度低于非皮肤科医生。

“这清楚地表明了如何与医生合作使用人工智能来改善患者护理，”皮肤病学和流行病学教授 Eleni Linos 医学博士说。Linos 领导着斯坦福大学数字健康中心，该中心旨在通过促进工程、计算机科学、医学和人文学科之间的合作来解决技术与健康交叉领域的一些最紧迫的研究问题。

该研究的副院长、Ben Davenport和Lucy Zhang医学教授Linos是该研究的资深作者，该研究于4月9日发表在 npj Digital Medicine上。博士后学者Jiyeong Kim博士和访问研究员Isabelle Krakowski医学博士是该研究的主要作者。

“以前的研究集中在人工智能与医生相比的表现上，”Kim说。“我们的研究比较了在没有人工智能协助的情况下工作的医生与在诊断皮肤癌时使用人工智能的医生。”

人工智能算法越来越多地用于临床环境，包括皮肤病学。它们是通过向计算机提供数十万甚至数百万张皮肤状况图像来创建的，这些图像标有诊断和患者结果等信息。通过一种称为深度学习的过程，计算机最终学会了识别图像中与特定皮肤病（包括癌症）相关的明显模式。经过训练后，计算机编写的算法可用于根据患者未接触过的皮肤图像来建议可能的诊断。

但是，这些诊断算法并非单独使用。他们由临床医生监督，临床医生也会对患者进行评估，对患者的诊断得出自己的结论，并选择是否接受算法的建议。

准确性提升

Kim 和 Linos 的团队回顾了 12 项研究，详细介绍了各种从业者在有和没有 AI 帮助的情况下对潜在皮肤癌的 67,000 多项评估。他们发现，总体而言，在没有人工智能帮助的情况下工作的医疗保健从业者能够准确诊断出大约 75% 的皮肤癌患者——这种统计测量被称为敏感性。相反，工作人员正确诊断了大约81.5%患有类似癌症的皮肤病但没有癌症的人 – 这种伴随测量被称为特异性。

使用人工智能指导诊断的医疗保健实践者做得更好。他们的诊断敏感性约为81.1%，特异性约为86.1%。这种改善可能看起来很小，但对于被告知他们没有患癌症但确实患有癌症的人来说，或者对于那些确实患有癌症但被告知他们很健康的人来说，这种差异至关重要。

当研究人员按专业或培训水平对医疗保健从业者进行划分时，他们发现医学生、执业护士和初级保健医生从人工智能指导中受益最大——敏感性平均提高约 13 分，特异性提高 11 分。皮肤科医生和皮肤科住院医师总体表现更好，但人工智能也提高了他们诊断的敏感性和特异性。

“我很惊讶地看到每个人的准确性在人工智能的帮助下都有所提高，无论他们的训练水平如何，”利诺斯说。“这让我对人工智能在临床护理中的应用非常乐观。很快，我们的患者不仅会接受，而且会期待我们使用人工智能的帮助来为他们提供最好的护理。

斯坦福大学数字健康中心的研究人员，包括Kim，有兴趣更多地了解将基于人工智能的工具整合到医疗保健中的前景和障碍。特别是，他们正计划调查医生和患者对人工智能的看法和态度将如何影响其实施。

“我们希望更好地了解人类如何与人工智能互动并使用人工智能做出临床决策，”Kim说。

先前的研究表明，临床医生对自己的临床决策的信心程度、人工智能的信心程度以及临床医生和人工智能是否同意诊断都会影响临床医生在为患者做出临床决策时是否采纳算法的建议。

皮肤病学和放射学等医学专业严重依赖图像（视觉检查、图片、X 射线、MRI 和 CT 扫描等）进行诊断，对于计算机来说，这些计算机可以挑选出超出人眼（或大脑）合理处理范围的细节水平。但是，Linos和Kim认为，即使是其他更基于症状的专业，或预测建模，也可能受益于人工智能干预。受益的不仅仅是患者。

“如果这项技术能够同时提高医生的诊断准确性并节省他们的时间，那真的是双赢的。除了帮助患者外，它还可以帮助减少医生的倦怠，改善医生与患者之间的人际关系，“Linos说。“我毫不怀疑，人工智能辅助最终将用于所有医学专业。关键问题是我们如何确保它以一种帮助所有患者的方式使用它，无论他们的背景如何，同时支持医生的福祉。

来自卡罗林斯卡研究所、卡罗林斯卡大学医院和尼科西亚大学的研究人员为这项研究做出了贡献。

该研究由美国国立卫生研究院（K24AR075060和R01AR082109资助）、Radiumhemmet Research、瑞典癌症协会和瑞典研究委员会资助。

有关健康和医学领域负责任人工智能的更多新闻，请注册 RAISE Health 时事通讯。

注册参加 5 月 14 日的 RAISE 健康研讨会。