人工智能辅助检测黑色素瘤 ^{CEFR B2}

密苏里大学的团队在研究如何用人工智能评估皮肤异常图像以辅助检测黑色素瘤，这是一种危险的皮肤癌。研究把人工智能定位为决策支持工具，目的是帮助更快识别可能需要更多医疗关注的病例，而不是取代医生。

该项目由密苏里大学兽医学院副研究教授Kamlendra Singh领导，他也是Bond Life Sciences Center的负责人之一。研究人员用包含400,000张皮肤异常图像的数据库训练和测试模型，图像包括确诊的黑色素瘤病例，并来自三维全身摄影，这是一种能创建高分辨率三维皮肤地图的方法。

团队比较了三种现有模型，单独评估时准确率最高可达88%，而将三种模型组合使用后，准确率超过92%。研究者认为，在更大且更多样化的数据集上训练——包括不同肤色、光照条件和相机角度的图像——能随着时间提高预测准确性。

• 数据集：400,000张图像
• 单个模型准确率：最高可达88%
• 组合模型准确率：超过92%

Singh表示，要在临床环境中让医生采用该系统仍需要时间，但这是一个有前景的概念验证。他还指出，更好地解释人工智能如何得出结论将有助于医疗专业人员信任并利用这些工具，从而改善患者预后。研究发表于Biosensors and Bioelectronics: X，来源为密苏里大学。