黑色素瘤是迄今為止最致命的皮膚癌。不久前剛剛發(fā)布的《2020年全球癌癥負擔報告》（ global cancer burdenin 2020）顯示，去年預計新增 32.5萬黑色素瘤病例，因患黑色素瘤死亡的病例為5.7萬。雖然我國黑色素瘤總體發(fā)病率不高，但是基于龐大的人口基數(shù)，發(fā)病人數(shù)一直居高不下。

早期發(fā)現(xiàn)黑色素瘤能大大降低患者的死亡風險，因為黑色素瘤還沒有隨著血液轉移到全身各處，此時通過外科治療，患者很可能達到治愈的效果。然而，黑色素瘤診斷不易，它看起來像痣，形狀和顏色往往不規(guī)則，難以區(qū)分是良性或惡性。廣泛的黑色素瘤篩查目前尚不可行。

計算機輔助診斷（Computer-aided diagnosis, CAD）系統(tǒng)是近年發(fā)展起來的一種通過分析皮膚圖像，自動識別可疑色素病變（SPL）來解決這一問題的系統(tǒng)，但迄今為止還未對黑色素瘤的診斷產(chǎn)生重大影響。因為皮膚科醫(yī)生會比較單個患者的多個SPL，以確定它們是否癌變——這種方法通常被稱為“丑小鴨”（偏離共同特征的病變）標準，而目前還沒有CAD系統(tǒng)被設計來復制這種診斷過程。

皮膚科醫(yī)生評估了SPL的許多特征，以確定它是否癌變。Wyss研究所和麻省理工學院研究人員創(chuàng)建的深度學習系統(tǒng)也接受了培訓，用這些標準來評估照片中的病變。（來源：Wyss研究所Luis Soenksen）

近期，哈佛大學Wyss研究所和麻省理工學院的研究人員開發(fā)出一種基于卷積深度神經(jīng)網(wǎng)絡（CDNN）的新型皮膚病變CAD系統(tǒng)，打破了這一瓶頸。新系統(tǒng)成功地將SPL與患者皮膚照片中的非可疑病變區(qū)分開來，并首次囊括了一個“丑小鴨”標準，使其評估結果與3位皮膚科醫(yī)生的共識一致性達88%。相關研究成果于2月17日發(fā)表在Science Translational Medicine上。CDNN的源代碼可在GitHub（https://github.com/lrsoenksen/SPL_UD_DL）上獲取。

這項研究的第一作者、Wyss研究所博士后Luis Soenksen說：“這項創(chuàng)新使患者的皮膚照片能夠被快速分析，以確定出那些應該進一步由皮膚科醫(yī)生評估的病變，從而確保對黑色素瘤進行有效快速的篩查?！?

聚焦“丑小鴨”標準

Soenksen及合作者們發(fā)現(xiàn)，所有現(xiàn)有的用于識別SPL的CAD系統(tǒng)都只是單獨分析病變，完全忽略了皮膚科醫(yī)生在檢查過程中用來對比患者不同SPL的“丑小鴨”標準。所以他們決定建造自己的系統(tǒng)。

為了確保他們的系統(tǒng)能夠被沒有經(jīng)過專門皮膚病學培訓的人使用，研究小組創(chuàng)建了一個數(shù)據(jù)庫，包含33 000多張患者皮膚的“廣域”圖像，這些圖像中包括背景和其他非皮膚物體，目的是使CDNN能夠利用消費級相機拍攝的照片進行診斷。此外，這些圖像包含的SPL和非可疑皮膚病變經(jīng)過了3位委員會認證皮膚科醫(yī)生的一致確認。

在對數(shù)據(jù)庫進行訓練以及一系列改進和測試后，新系統(tǒng)能夠區(qū)分可疑和非可疑病變，靈敏度為90.3%，特異性為89.9%，比之前公布的系統(tǒng)有了較大改進。

但是這個初步系統(tǒng)仍然在分析單個病變的特征，而不是像皮膚科醫(yī)生那樣分析多個病變的特征。為了將“丑小鴨”標準加入到他們的模型中，研究小組使用提取的特征來創(chuàng)建給定圖像中所有SPL的三維“地圖”，并計算出每個SPL特征與“典型”特征的距離。與圖像中的其他SPL相比，給定SPL越“奇怪”，它離三維空間的中心越遠。這一距離是“丑小鴨”標準的第一個可量化定義。

研究人員利用他們的深度學習神經(jīng)網(wǎng)絡，根據(jù)每個SPL與同一患者皮膚上其他SPL的不同程度，給每個病變分配一個“丑小鴨”評分，確定那些最有可能癌變的SPL。（來源：哈佛大學Wyss研究所）

AI vs 皮膚科醫(yī)生

研究小組的DCNN還必須通過最后一項測試：在從患者皮膚圖像中識別SPL的任務中，表現(xiàn)得和皮膚科醫(yī)生一樣好。3位皮膚科醫(yī)生檢查了68例患者的135張廣域照片，并給病變部位打分。接著，利用該算法對同樣的圖像進行分析和評分。當對比兩者的評估結果時，研究人員發(fā)現(xiàn)該算法在與所有3位皮膚科醫(yī)生的共識一致性達88%。

“人工智能和臨床醫(yī)生之間的高度共識是該領域的一個重要進展，因為皮膚科醫(yī)生之間對病變判斷的一致性通常非常高，約為90%，”文章作者之一、Wyss研究所的Jim Collins博士說，“本質(zhì)上，我們已經(jīng)能夠通過任何人用智能手機拍攝的圖像實現(xiàn)皮膚科醫(yī)生級別的準確診斷，這為早期發(fā)現(xiàn)和治療黑色素瘤開辟了巨大的潛力。”

認識到這樣一種技術應該盡可能多地提供給更多的人以獲得最大的利益，該團隊在GitHub上公開了他們的算法。他們希望與醫(yī)療中心合作，開展臨床試驗，以進一步證明新系統(tǒng)的有效性，并與業(yè)界合作，將其轉化為一種可供世界各地初級保健醫(yī)務人員使用的產(chǎn)品。

在未來的發(fā)展中，他們計劃繼續(xù)改進，使新系統(tǒng)能夠在整個人類膚色范圍內(nèi)同樣出色地發(fā)揮作用。

參考資料：

1# Identifying “ugly ducklings” to catch skin cancer earlier（來源：Wyss研究所官網(wǎng)）

2# Luis R. Soenksen et al. Using deep learning for dermatologist-level detection of suspicious pigmented skin lesions from wide-field images. Sci. Transl. Med. （2021）

3#【調(diào)研報告】惡性黑色素瘤流行病學及市場分析（來源：藥渡）

4# 雙曜新生致愈未來 | 中國黑色素瘤正式迎來“雙靶”時代（來源：中國醫(yī)學論壇報）