如何用人工智能算法检测皮肤病变的方式训练医

ILLUSTRATION: ARIEL DAVIS

十几年来，维也纳医科大学教授的皮肤科医生哈拉尔德基特勒一直用医学经验教授学生如何诊断皮肤病变，今年下学期开始，他将加入利用人工诊断皮肤病变的课程。

这一算法系统来源于基特勒帮助组织过的一场比赛，在比赛中，图像分析算法在诊断某些皮肤瑕疵方面的表现可以超过人类专家。

在学习了1万张由医生标记的图像后，该系统可以在新的图像中区分不同种类的良性和癌变。其中检测一种被称为色素化光性角化病的鳞状斑块的准确性超过了人类。

研究人员通过逆向设计一种类似训练的算法，来评估它是如何得出结论的，结果显示，在诊断这些损伤时，该系统比一般人更关注病变区域周围的皮肤。

基特勒表示:“大多数人认为人工智能是在人类无法理解的不同世界中活动。我们的小实验表明，人工智能可以拓宽我们的视野，帮助我们建立新的联系。”

基特勒与其团队研究的其中一部分就是，探索医生如何与分析医学图像的人工智能系统合作。

自2017年以来，一系列研究发现，在医生与AI激烈的竞争中，模型表现得比皮肤科医生更好。这引发了人们的猜测，皮肤专家可能会被新一代的AutoDerm 3000完全取代。

“不幸的是，这些东西取代我们的几率非常低。合作是前进的唯一道路。”

维也纳医科大学皮肤病学助理教授菲利普奇尚德尔表示，现在是时候重新构建对话了:如果算法和医生是同事而不是竞争对手会怎样?

他说，皮肤专家除了查看痣外，还要规划治疗方案，综合有关病人的不同数据，建立关系。计算机还远不能做到这一切。

仓库和呼叫中心的运营商也得出了同样的结论。他们指出，AI在应用某些领域时，仅在于协助人类提高工作效率，目前还远不能取代人类。其原因不仅源于某些情绪原因，还因为许多日常任务过于复杂，现有技术无法单独处理。

基于这一点，皮肤病学研究人员试图用人工系统的思维模式来训练学生。

他们用数千张由皮肤科医生标记的7种皮肤病变的图像训练系统，包括恶性黑素瘤和良性痣。经过测试，从中挑选出三种医生可以学习的图像分析算法模式。

1、在医生检查皮肤损伤的新图像时，根据诊断的概率排列一个诊断列表。

2、在两者都有可能的情况下，预先设定病变为恶性。

3、检索之前诊断的图像，提炼出该算法认为相似病变特征的图像，为医生提供参考点。

对300多名医生进行的测试发现，使用诊断排序表时，结果更加准确。他们做出正确判断的比率上升了13%。两种方法并没有提高医生的准确性。

实验还显示，实习医生等缺乏经验的医生会更多地根据人工智能的建议改变诊断，而且这样做通常是正确的。经验丰富的皮肤科医生，根据软件的建议改变诊断的频率要低得多。这些经验丰富的医生只有在他们对医学报告不太确定时才会参考AI系统的结论。

奇尚德尔认为，这表明人工智能皮肤病学工具最好是作为培训专家的助手，或者工作强度不大的医生的助手。

这些实验表明，研究人员可能会开发出提高而不是淘汰医生的人工智能。

这项新的研究还包括一项实验，测试医生使用错误软件和给出错误建议的算法版本时的后果，所有经验水平的临床医生都很容易被误导。这反映了完全接受人工的潜在危险。雷锋网雷锋网雷锋网