韩国的研究人员已经开发了一种基于深度学习的人工智能(AI)算法，该算法可以准确地对皮肤疾病进行分类来预测恶性肿瘤，可以作为辅助工具来提高临床医生的诊断准确性以及提供主要治疗方案。这项新的研究已经发表在《皮肤病学研究杂志》上，借助该系统，皮肤科医生和公众的诊断准确性大大提高。
皮肤病虽然很常见，但是要迅速拜访皮肤科医生或区分恶性肿瘤与良性疾病并不总是那么容易。医学首席研究员Jung-Im Na解释说，韩国首尔国立大学皮肤科博士也是该研究的首席研究员Jung-Im Na解释说：“最近，人工智能在医学上的应用取得了显着进步。对于区分黑色素瘤和痣等特定问题，人工智能已显示出与人类皮肤科医生相当的结果。但是，对于这些系统在实践中有用，它们的性能还需要在与实际操作相似的环境中进行测试，这不仅需要对恶性病变与良性病变进行分类，还需要将皮肤癌与众多其他皮肤疾病(包括炎性和感染性疾病)区分开来。”
研究人员使用卷积神经网络(一种特殊的AI 算法)开发了一种能够预测恶性肿瘤，能够预测恶性肿瘤，给出建议治疗方案以及对皮肤进行分类的AI智能系统。研究人员收集了22万张患有174种皮肤病的亚洲人和白种人的图像，并训练神经网络对这些图像进行分析和解释。他们发现，该算法可以诊断出134种皮肤疾病和对疾病进行分类，并提出主要的治疗选择，以及通过增强智能提高了医疗专业人员的效率。
最初将该算法的性能与皮肤科专家、皮肤科医生和普通民众进行了比较，显示出和皮肤科医生极为相似但略低于皮肤科专家。通过修改后，对恶性肿瘤的敏感性得到了显著提高。Na博士说：“我们的结果表明，我们的算法可以作为增强智能的工具，可以增强医学专家在诊断皮肤病学中的能力。” “
研究人员告诫说，即使提出的问题很简单，人工智能也不能最终解读未经训练的图像。他们还指出，该算法是使用高质量图像进行训练和测试的，如果输入图像的质量较低，则其性能通常会欠佳。
另外，与在临床环境中进行的诊断相比，仅使用一张具有最佳构图的图像进行的诊断可能会存在固有的局限性。在实际实践中，皮肤病学诊断是基于多种信息源进行的，包括过去的病史，症状，与患者其他病变相比的外观以及通过物理接触评估的病变质地。
Na博士说："我们预计，将我们的算法与智能手机可以鼓励公众访问癌症病变专家，否则像黑色素瘤就可能会被忽视。然而，公众拍摄的照片质量或构图可能会影响算法的结果。如果算法的性能可以在临床环境中重现，则有望早期检测到皮肤癌。我们希望未来的研究能够在临床环境中评估我们算法的效用和性能。”
